CN113345093B - 一种针对激光雷达点云拖尾点的滤波方法 - Google Patents

一种针对激光雷达点云拖尾点的滤波方法 Download PDF

Info

Publication number
CN113345093B
CN113345093B CN202110535165.9A CN202110535165A CN113345093B CN 113345093 B CN113345093 B CN 113345093B CN 202110535165 A CN202110535165 A CN 202110535165A CN 113345093 B CN113345093 B CN 113345093B
Authority
CN
China
Prior art keywords
point
trailing
point cloud
laser
points
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110535165.9A
Other languages
English (en)
Other versions
CN113345093A (zh
Inventor
张声勇
杨朋磊
张文俊
吴艳霞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Leador Spatial Information Technology Co ltd
Original Assignee
Leador Spatial Information Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Leador Spatial Information Technology Co ltd filed Critical Leador Spatial Information Technology Co ltd
Priority to CN202110535165.9A priority Critical patent/CN113345093B/zh
Publication of CN113345093A publication Critical patent/CN113345093A/zh
Application granted granted Critical
Publication of CN113345093B publication Critical patent/CN113345093B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

本发明提出了一种滤除多线激光雷达点云拖尾点的方法，包括：首先分别对每一线激光生成的点云进行滤除拖尾点；然后针对每一线激光生成的点云，计算每个点与其左右相邻点的距离，如果两个距离值均大于设定的距离阀值，初步判断该点是拖尾点；对初步判断为拖尾点的点，计算该点的左相邻点、该点、点云原点形成的三角形中所述点云原点对应的角和该点的右相邻点、该点、点云原点形成的三角形中所述点云原点对应的角，如果两个角的角度值均小于设定的角度阀值，即认为该点是拖尾点并滤除；最后对滤除拖尾点的每一线激光生成的点云进行叠加，生成一帧滤除拖尾点的点云。本发明方法具有计算量低，算法实现简单有效的优点。

Description

一种针对激光雷达点云拖尾点的滤波方法
技术领域
本发明涉及激光雷达扫描测绘、感知领域，尤其涉及一种滤除多线激光雷达点云中的拖尾点的方法。
背景技术
随着激光技术、计算机技术的快速发展，激光雷达测量已经成为一种高效地获取高精度、可靠三维数据的新技术。
该技术能快速、精确、无接触地获取复杂物体表面的三维点云信息，完成实体的三维重建，现已广泛地应用于地理信息系统、机器人导航、自动驾驶等各个领域。
但是由于受扫描设备物理特性和激光特性的影响，得到的原始点云数据会出现拖尾点，用含有拖尾点的原始点云数据直接进行三维重建，会出现大量无规律的噪点，导致后期难以去除，因此有必要对每一帧点云进行滤除拖尾点的预处理，然而现有的方法并不能达到很好的滤波效果。
发明内容
本发明是为了滤除多线激光雷达原始点云中的拖尾点，提出一种滤除多线激光雷达点云拖尾点的方法。
为了达到上述目的，本发明提供的技术方案是：
步骤1，滤除每一帧多线激光雷达原始点云中的拖尾点，首先分别对每一线激光生成的点云进行滤除拖尾点；
步骤2，针对每一线激光生成的点云，计算每个点与其左右相邻点的距离，如果两个距离值均大于设定的距离阀值，初步判断该点是拖尾点；
步骤3，对上述步骤2中初步判断为拖尾点的点，计算该点的左相邻点、该点、点云原点形成的三角形中所述点云原点对应的角和该点的右相邻点、该点、点云原点形成的三角形中所述点云原点对应的角，如果两个角的角度值均小于设定的角度阀值，即认为该点是拖尾点并滤除；
步骤4，对滤除拖尾点的每一线激光生成的点云进行叠加，生成一帧滤除拖尾点的点云。
进一步的，所述距离阀值为激光雷达可感知的最远激光点云相邻两点的距离。
进一步的，所述角度阀值小于激光雷达旋转角度分辨率。
与现有技术相比，本发明的优点和有益效果如下：
1、本发明提出的滤除多线激光雷达原始点云中拖尾点的方法，根据拖尾点的特征分别对每一线激光生成的点云进行单独滤除拖尾点，稳定性高；
2、本发明提出判别多线激光雷达原始点云中拖尾点的方法，仅需查找每一线激光生成点的左右相邻点，与其它对整帧点云直接滤波算法比较，本方法计算量低，算法实现简单有效。
附图说明
图1是激光雷达其中一线激光生成的点云示意图，其中1为远距离障碍物，2为激光点、3为拖尾点左相邻点、4为拖尾点、5为拖尾点右相邻点、6为近距离障碍物、7为激光雷达、8为激光雷达点云原点。
具体实施方式
下面结合附图1和实施例对本发明的技术方案作进一步说明。
1、激光雷达7的激光碰到可感知范围内的近距离障碍物6、远距离障碍物1会生成激光点云，根据多线激光雷达7原始点云中的相关信息，将原始点云分解为每一线激光生成的点云2；
2、激光雷达7的每一线激光碰到可感知范围内的近距离障碍物6的边缘时，会在近距离障碍物6的点云和远距离障碍物1的点云之间生成无法反映障碍物真实外形的拖尾点4；遍历每一线激光点云2的每个点，分别计算该点4与其左相邻点3的距离、该点4与其右相邻点5的距离，如果两个距离值均大于设定阀值，初步判断该点4是拖尾点；这里的阀值为激光雷达可感知的最远激光点云相邻两点的距离。
3、对上述2中初步判断为拖尾点的点4，计算该点4的左相邻点3、该点4、点云原点8形成的三角形中所述点云原点8对应的角和该点4的右相邻点5、该点4、点云原点8形成的三角形中所述点云原点8对应的角，如果两个角的角度值均小于设定阀值，即认为该点4是拖尾点并滤除；这里的阀值小于激光雷达旋转角度分辨率。
4、对滤除拖尾点的每一线激光生成的点云进行叠加，重新生成一帧点云，即为滤除拖尾点的一帧三维激光点云。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (3)

1.一种针对激光雷达点云拖尾点的滤波方法，其特征在于，包括如下步骤：
步骤1，滤除每一帧多线激光雷达原始点云中的拖尾点，首先分别对每一线激光生成的点云进行滤除拖尾点；
步骤2，针对每一线激光生成的点云，计算每个点与其左右相邻点的距离，如果两个距离值均大于设定的距离阈 值，初步判断该点是拖尾点；
步骤3，对上述步骤2中初步判断为拖尾点的点，计算该点的左相邻点、该点、点云原点形成的三角形中所述点云原点对应的角和该点的右相邻点、该点、点云原点形成的三角形中所述点云原点对应的角，如果两个角的角度值均小于设定的角度阈 值，即认为该点是拖尾点并滤除；
步骤4，对滤除拖尾点的每一线激光生成的点云进行叠加，生成一帧滤除拖尾点的点云。
2.如权利要求1所述的一种针对激光雷达点云拖尾点的滤波方法，其特征在于：所述距离阈 值为激光雷达可感知的最远激光点云相邻两点的距离。
3.如权利要求1所述的一种针对激光雷达点云拖尾点的滤波方法，其特征在于：所述角度阈 值小于激光雷达旋转角度分辨率。
CN202110535165.9A 2021-05-17 2021-05-17 一种针对激光雷达点云拖尾点的滤波方法 Active CN113345093B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110535165.9A CN113345093B (zh) 2021-05-17 2021-05-17 一种针对激光雷达点云拖尾点的滤波方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110535165.9A CN113345093B (zh) 2021-05-17 2021-05-17 一种针对激光雷达点云拖尾点的滤波方法

Publications (2)

Publication Number Publication Date
CN113345093A CN113345093A (zh) 2021-09-03
CN113345093B true CN113345093B (zh) 2022-07-05

Family

ID=77468919

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110535165.9A Active CN113345093B (zh) 2021-05-17 2021-05-17 一种针对激光雷达点云拖尾点的滤波方法

Country Status (1)

Country Link
CN (1) CN113345093B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113721261A (zh) * 2021-09-06 2021-11-30 上海星秒光电科技有限公司 点云拖尾的去除方法、装置、电子设备及可读存储介质
CN117055008B (zh) * 2023-10-11 2024-01-19 武汉市品持科技有限公司 点云拖尾点的处理方法、装置、设备和可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003174642A (ja) * 2001-12-05 2003-06-20 Mitsubishi Electric Corp スミア検出方法及びこのスミア検出方法を用いた画像処理装置
EP3311960A1 (en) * 2016-10-20 2018-04-25 Intelligrated Headquarters LLC 3d-2d vision system for robotic carton unloading
CN110515054A (zh) * 2019-08-23 2019-11-29 斯坦德机器人（深圳）有限公司 滤波方法和装置、电子设备、计算机存储介质
CN111679260A (zh) * 2020-05-19 2020-09-18 上海禾赛光电科技有限公司 拖点识别处理方法、激光雷达以及计算机可读存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003174642A (ja) * 2001-12-05 2003-06-20 Mitsubishi Electric Corp スミア検出方法及びこのスミア検出方法を用いた画像処理装置
EP3311960A1 (en) * 2016-10-20 2018-04-25 Intelligrated Headquarters LLC 3d-2d vision system for robotic carton unloading
CN110515054A (zh) * 2019-08-23 2019-11-29 斯坦德机器人（深圳）有限公司 滤波方法和装置、电子设备、计算机存储介质
CN111679260A (zh) * 2020-05-19 2020-09-18 上海禾赛光电科技有限公司 拖点识别处理方法、激光雷达以及计算机可读存储介质

Also Published As

Publication number Publication date
CN113345093A (zh) 2021-09-03

Similar Documents

Publication Publication Date Title
CN109143207B (zh) 激光雷达内参精度验证方法、装置、设备及介质
CN111046776B (zh) 基于深度相机的移动机器人行进路径障碍物检测的方法
CN105184852B (zh) 一种基于激光点云的城市道路识别方法及装置
CN113345093B (zh) 一种针对激光雷达点云拖尾点的滤波方法
EP4296713A1 (en) Target detection method, storage medium, electronic device, and vehicle
Gikas et al. A novel geodetic engineering method for accurate and automated road/railway centerline geometry extraction based on the bearing diagram and fractal behavior
WO2023216470A1 (zh) 一种可行驶区域检测方法、装置及设备
CN112215958B (zh) 一种基于分布式计算的激光雷达点云数据投影方法
CN112313539B (zh) 护栏检测方法及设备、存储介质和可移动平台
CN112085843B (zh) 一种隧道类目标特征实时提取及测量方法和装置
WO2023092870A1 (zh) 一种适用于自动驾驶车辆的挡土墙检测方法及系统
CN112558072A (zh) 车辆定位方法、装置、系统、电子设备及存储介质
CN114255252B (zh) 障碍物轮廓获取方法、装置、设备及计算机可读存储介质
He et al. Real-time track obstacle detection from 3D LIDAR point cloud
CN108693517B (zh) 车辆定位方法、装置和雷达
CN113218408A (zh) 适用于多地形的多传感器融合的2Dslam方法及其系统
CN112034482A (zh) 一种道路边界实时提取及测量方法和装置
CN109341704B (zh) 一种地图精度确定方法及装置
CN115937449A (zh) 高精地图生成方法、装置、电子设备和存储介质
CN113762397B (zh) 检测模型训练、高精度地图更新方法、设备、介质及产品
CN112859054B (zh) 一种车载多线激光雷达外参数自动检测系统及检测方法
WO2022211733A1 (en) Detection method and system for a mobile object
CN112183378A (zh) 一种基于颜色和深度图像的道路坡度估计方法及装置
CN116502479B (zh) 一种三维物体在仿真环境中的碰撞检测方法和装置
Zhu et al. Joint Beam Guardrail Detection and Tracking by Lidar for Real-Time Applications

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant