CN113688282A - 一种数据处理方法、装置、电子设备及可读存储介质 - Google Patents
一种数据处理方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN113688282A CN113688282A CN202110838577.XA CN202110838577A CN113688282A CN 113688282 A CN113688282 A CN 113688282A CN 202110838577 A CN202110838577 A CN 202110838577A CN 113688282 A CN113688282 A CN 113688282A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- data
- laser radar
- target
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/74—Browsing; Visualisation therefor
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开的实施例提供了一种数据处理方法、装置、电子设备及可读存储介质,所述方法包括:接收来自于激光雷达的第一点云数据;确定所述激光雷达与安装所述激光雷达的车辆的相对位置信息;根据所述第一点云数据和所述激光雷达与所述车辆的相对位置信息确定目标点云数据,所述目标点云数据包含所述第一点云数据中各个点云点相对于所述车辆的第一位置信息;对所述目标点云数据进行数据渲染处理,得到目标视频切片并存储。本公开的实施例可以提高对自动驾驶车辆中安装的激光雷达采集的点云数据的处理效率,降低点云数据的播放时延和对客户端的性能要求,提高客户端下载、播放点云数据的灵活性和实时性,有利于实时感知自动驾驶车辆周围的环境信息。
Description
技术领域
本公开的实施例涉及计算机处理技术领域,尤其涉及一种数据处理方法、装置、电子设备及可读存储介质。
背景技术
激光雷达是自动驾驶技术中常用的传感器之一,在感知、定位、规划和决策方面起着重要的作用。激光雷达按线束可以分为单线激光雷达和多线激光雷达。其中,多线激光雷达常见的有4线激光雷达、16线激光雷达、32线激光雷达和64线激光雷达。根据线束的不同,激光雷达生成的一帧点云数据(激光雷达旋转360°所采集的全部数据)的大小也不同。
以无人驾驶领域为例,无人驾驶设备通常在正前方安装32线或64线的激光雷达,斜前方和斜后方安装线束较少的激光雷达,各个激光雷达产生的点云数据总量大约占无人驾驶设备总数据量的40%。
对于激光雷达产生的点云数据,通常需要客户端从激光雷达下载点云数据,并对下载的点云数据进行一系列的数据处理,最终生成视频并在显示器上以视频的形式播放激光雷达数据。通过不同的客户端播放激光雷达数据,就需要重新执行数据下载、数据处理和视频展示等步骤。由于激光雷达数据量较大,数据下载比较耗时,而且播放激光雷达数据时,需要等待数据全部下载完成后才可播放,增加了激光雷达数据的播放时延。另外,因为数据处理环节包含大量的数据计算,对客户端的性能具有较高的要求,普通的客户端往往难以满足激光雷达的数据处理需求,且数据处理效率低下。
发明内容
本公开的实施例提供一种数据处理方法、装置、电子设备及可读存储介质,可以提高对激光雷达采集的点云数据的处理效率,降低点云数据的播放时延和对客户端的性能要求,提高客户端下载、播放点云数据的灵活性和实时性。
根据本公开的实施例的第一方面,提供了一种数据处理方法,所述方法包括:
接收来自于激光雷达的第一点云数据;
确定所述激光雷达与安装所述激光雷达的车辆的相对位置信息;
根据所述第一点云数据和所述激光雷达与所述车辆的相对位置信息确定目标点云数据,所述目标点云数据包含所述第一点云数据中各个点云点相对于所述车辆的第一位置信息;
对所述目标点云数据进行数据渲染处理,得到目标视频切片并存储。
根据本公开的实施例的第二方面,提供了一种数据处理,所述装置包括:
第一点云数据接收模块,用于接收来自于激光雷达的第一点云数据;
位置确定模块,用于确定所述激光雷达与安装所述激光雷达的车辆的相对位置信息;
目标点云数据确定模块,用于根据所述第一点云数据和所述激光雷达与所述车辆的相对位置信息确定目标点云数据,所述目标点云数据包含所述第一点云数据中各个点云点相对于所述车辆的第一位置信息;
数据渲染模块,用于对所述目标点云数据进行数据渲染处理,得到目标视频切片并存储。
根据本公开的实施例的第三方面,提供了一种电子设备,包括:
处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现前述的数据处理方法。
根据本公开的实施例的第四方面,提供了一种可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行前述的数据处理方法。
本公开的实施例提供了一种数据处理方法、装置、电子设备及可读存储介质,所述方法包括:接收来自于激光雷达的第一点云数据;确定所述激光雷达与安装所述激光雷达的车辆的相对位置信息;根据所述第一点云数据和所述激光雷达与所述车辆的相对位置信息确定目标点云数据,所述目标点云数据包含所述第一点云数据中各个点云点相对于所述车辆的第一位置信息;对所述目标点云数据进行数据渲染处理,得到目标视频切片并存储。
本公开的实施例可以通过云端服务器对激光雷达采集的点云数据进行数据处理,相比于由客户端执行对点云数据的复杂处理过程,本公开节省了客户端下载点云数据的时间成本,降低了数据处理时延,提高了数据处理效率;并且,本公开提供的数据处理方法降低了对客户端的性能要求,客户端不再对点云数据执行复杂的数据处理,只需从云端服务器直接下载视频切片进行播放即可,相比于生成完整的视频供客户端下载全部视频后再播放,本公开通过提供视频切片,可以降低点云数据的播放时延;且视频切片可以支持多场景的视频播放需求,例如客户端可以实时下载并播放的视频切片,还可以跳过某部分视频切片,仅对需要的视频切片进行下载和播放,提高了客户端下载并播放点云数据的灵活性和实时性,有利于实时感知车辆周围的环境信息。
附图说明
为了更清楚地说明本公开的实施例的技术方案,下面将对本公开的实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的实施例的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1示出了本公开的一种实施例中的数据处理方法步骤流程图;
图2示出了本公开的一种实施例中的以激光雷达为原点的直角坐标系示意图;
图3a示出了本公开的一种实施例中激光雷达坐标系与车辆坐标系的示意图;
图3b示出了本公开的一种实施例中坐标系平移结果示意图;
图3c示出了本公开的一种实施例中坐标系旋转结果示意图;
图4示出了本公开的一种实施例中的数据处理装置的结构框图;
图5示出了本公开的一种实施例中的电子设备的结构图。
具体实施方式
下面将结合本公开的实施例中的附图,对本公开的实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本公开的实施例一部分实施例,而不是全部的实施例。基于本公开的实施例中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开的实施例保护的范围。
实施例一
参照图1,其示出了本公开的一种实施例中的数据处理方法的步骤流程图,具体如下:
步骤101,接收来自于激光雷达的第一点云数据。
步骤102,确定所述激光雷达与安装所述激光雷达的车辆的相对位置信息。
步骤103,根据所述第一点云数据和所述激光雷达与所述车辆的相对位置信息确定目标点云数据,所述目标点云数据包含所述第一点云数据中各个点云点相对于所述车辆的第一位置信息。
步骤104,对所述目标点云数据进行数据渲染处理,得到目标视频切片并存储。
本公开的实施例提供的数据处理方法,应用于云端服务器。所述云端服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、云通信、网络服务、中间件服务、内容分发网络(Content Delivery Network,CDN),以及大数据和人工智能平台等基础云计算服务的云服务器。
其中,所述激光雷达可以包括机械式激光雷达、固态激光雷达等。同一车辆上可以安装多个激光雷达,本公开的实施例对激光雷达的种类、数量、在车辆上的安装位置不做限制。本公开提供的实施例中,激光雷达可以采集车辆周围环境对应的点云数据,可以包括车辆周围的静态障碍物、动态障碍物、车道等。这里以激光雷达为机械式激光雷达为例进行说明。机械式激光雷达将激光扫描线的线束竖向排列形成一个面,通过机械旋转部件转动这个面,扫描车辆行进过程中周围环境。每旋转一周可以生成一张三维立体图像,该三维立体图像可以称之为点云数据。
需要说明的是,在本公开的实施例中,安装激光雷达的车辆可以包括普通车辆以及无人设备,无人设备主要包括无人驾驶车辆(自动驾驶车辆)、无人机等智能无人驾驶设备。车辆上可安装有定位模块,定位模块用于确定车辆的当前位置,例如,全球定位系统(Global Positioning System,GPS)等。此外,车辆上还可以安装有图像传感器,通过计算机视觉的方式,确定车辆的当前位置。本公开实施例对使用何种方式确定车辆的当前位置不做具体限定。
在本公开实施例中,云端服务器(以下简称服务器)通过获取激光雷达在当前时刻产生的点云数据,也即本公开中的第一点云数据,然后,针对第一点云数据中包含的各个点云点,基于所述激光雷达与安装所述激光雷达的车辆之间的相对位置,确定各个点云点相对于车辆的第一位置信息。
其中,所述激光雷达与安装所述激光雷达的车辆之间的相对位置可以根据激光雷达在所述车辆上的安装位置,以及所述车辆的当前位置确定。所述车辆上可安装有定位模块,定位模块用于确定车辆的当前位置,例如,全球定位系统(Global PositioningSystem,GPS)等。此外,车辆上还可以安装有图像传感器,通过计算机视觉的方式,确定车辆的当前位置。本公开实施例对使用何种方式确定车辆的当前位置不做具体限定。
另外,所述车辆上还可以安装有通信设备,例如,无线保真(Wireless Fidelity,WiFi)、蓝牙等模块,通过通信设备,将激光雷达采集的第一点云数据、激光雷达的安装信息、车辆的当前位置等信息发送给服务器,服务器根据接收到的第一点云数据、激光雷达的安装信息、车辆的当前位置等信息确定所述激光雷达与安装所述激光雷达的车辆的相对位置信息,并进一步确定所述第一点云数据中各个点云点相对于所述车辆的第一位置信息,得到目标点云数据。
当然,也可以在激光雷达中安装通信设备,由激光雷达将自身采集的第一点云数据发送至服务器,车辆只需向服务器激光雷达的安装信息、车辆的当前位置等信息即可。本公开的实施例对于服务器获取各项数据的途径不做具体限定。
点云数据是三维数据,而在客户端对点云数据进行展示时,在客户端的屏幕上通常呈现的是二维数据,因此需要通过对目标点云数据进行数据渲染处理,将三维数据转换为二维数据,生成目标视频切片并存储,供客户端下载并播放。可以按照标清、高清、超清、蓝光等任意标准存储目标视频切片。无论以哪种标准存储目标视频切片,目标视频切片的数据量远小于激光雷达采集的原始点云数据(也即本公开中的第一点云数据)的数据量,相比于在先技术中由客户端直接下载原始点云数据并进行一系列数据处理过程得到点云视频,本公开的实施例中,客户端只需下载服务器存储的目标视频切片,极大降低了客户端的数据下载量,从而降低了数据处理时延,提高了数据处理效率。并且,由于客户端不再执行对点云数据的处理操作,只需具备视频播放功能即可,降低了对客户端的性能要求。
此外,相比于生成完整的视频供客户端下载全部视频后再播放,本公开通过提供视频切片,可以降低点云数据的播放时延;而且视频切片可以支持多场景的视频播放需求,例如客户端可以实时下载并播放的视频切片,还可以跳过某部分视频切片,仅对需要的视频切片进行下载和播放,提高了客户端下载并播放点云数据的灵活性和实时性。
在本公开的一种可选实施例中,步骤104所述对所述目标点云数据进行数据渲染处理,得到目标视频切片并存储,包括:
步骤S11、基于第一预设视角和第二预设视角分别对所述目标点云数据进行数据渲染处理,得到所述第一预设视角对应的第一目标视频和所述第二预设视角对应的第二目标视频;
步骤S12、分别对所述第一目标视频和所述第二目标视频进行切片处理,得到所述第一预设视角对应的第一目标视频切片和第二目标视频切片并存储。
其中,第一预设角度与第二预设角度均为对激光雷达采集的点云数据中各个点云点的观察角度。第一预设角度与第二预设角度共同作用,可以覆盖激光雷达的大部分使用场景,得到针对各个点云点较为完整的点云数据。例如,第一预设角度可以是俯视角度,也可以是跟车角度。如果第一预设角度是俯视角度,则第二预设角度为跟车角度;反之,如果第一预设角度为跟车角度,则第二预设角度为俯视角度。
如果由客户端下载激光雷达数据采集的点云数据并进行数据处理,如数据渲染,不同的客户端经过各自的数据渲染后会得到不同的渲染结果,及时针对同一视角、同一个点云点,生成的视频内容也可能会不同,这就导致各个客户端对相同的点云数据进行展示时出现数据偏差,不利于点云数据的数据分析。因此,在公开的实施例中,由服务器对点云数据进行统一的渲染处理,保证了不同客户端针对同一视角、同一点云点获取的视频切片的一致性,有助于对点云数据进行进一步数据分析。
在本公开的一种可选实施例中,步骤103所述根据所述第一点云数据和所述激光雷达与所述车辆的相对位置信息确定目标点云数据,包括:
步骤S21、对所述第一点云数据进行解析处理,得到第二点云数据,所述第二点云数据包含所述第一点云数据中各个点云点相对于所述激光雷达的第二位置信息;
步骤S22、根据所述激光雷达与所述车辆的相对位置信息以及所述第二点云数据,确定目标点云数据。
激光雷达采集的第一点云数据,包括时间、坐标信息、相机扫描的像素点的颜色、分类值、强度值等等。不同厂商生产的激光雷达的数据格式可能不同,按照激光雷达的数据格式对第一点云数据进行解析处理。
以Pandar64激光雷达为例,其数据输出采用的通信协议为UDP/IP(User DatagramProtocol/Internet Protocol,用户数据报协议/网络协议),生成的数据包可以分为点云数据UDP包和GPS数据UDP包,每种UDP包都由以太网包头和UDP数据两部分组成。其中,有效的点云数据共1194字节,包含Header、Body和Tail三部分,本公开的实施例主要对点云数据的Body数据进行解析。按照Body数据的数据格式,将原始字节数据解析成对应的字段值,根据相应的字段值就可以计算各个点云点相对于激光雷达的第二位置信息。
在本公开的一种可选实施例中,步骤S21所述对所述第一点云数据进行解析处理,得到第二点云数据,包括:
子步骤S211、对所述第一点云数据进行解析处理,得到所述第一点云数据中各个点云点的目标方位数据和目标单位数据;
子步骤S212、确定所述激光雷达的水平角度偏移量和垂直角度;
子步骤S213、根据所述激光雷达的水平角度和每个点云点的目标方位数据,确定各个点云点相对于所述激光雷达的水平角度;
子步骤S214、计算每个点云点的目标单位数据与预设常数的乘积,得到各个点云点与所述激光雷达之间的测距距离;
子步骤S215、根据所述激光雷达的垂直角度、各个点云点相对于所述激光雷达的水平角度,以及各个点云点与所述激光雷达之间的测距距离,确定第二点云数据。
对激光雷达采集的第一点云数据进行解析后,得到的字段值通常包含第一点云数据中各个点云点的目标方位数据和目标单位数据。仍以Pandar64激光雷达为例,在Pandar64的Body数据中,Block的Azimuth就是本公开中的目标方位数据,Unit数值就是本公开中的目标单位数据。将Azimuth加上激光雷达的水平角度偏移量可以得到点云点相对于激光雷达的水平角度;将Unit数值乘以预设常数,就可以得到点云点与激光雷达之间的测距距离。其中,激光雷达的水平角度偏移量、垂直角度以及预设常数,都与激光雷达的产品规格有关。
根据激光雷达的垂直角度、点云点相对于所述激光雷达的水平角度,以及点云点与所述激光雷达之间的测距距离,就可以确定点云点相对于所述激光雷达的第二位置信息,也即确定第二点云数据。
在本公开的一种可选实施例中,子步骤S215所述根据所述激光雷达的垂直角度、各个点云点相对于所述激光雷达的水平角度,以及各个点云点与所述激光雷达之间的测距距离,确定第二点云数据,包括:
P11、根据所述激光雷达的垂直角度、各个点云点相对于所述激光雷达的水平角度,以及各个点云点与所述激光雷达之间的测距距离,确定各个点云点在以所述激光雷达为原点的极坐标系中的极坐标值;
P12、将各个点云点的极坐标值转换为直角坐标值,得到第二点云数据。
假设激光雷达的垂直角度为θ,点云点M相对于所述激光雷达的水平角度为点云点M与所述激光雷达之间的测距距离为r,基于激光雷达的垂直角度θ、点云点M相对于所述激光雷达的水平角度点云点M与所述激光雷达之间的测距距离r,就可以得到点云点M在以激光雷达为原点的极坐标系中的极坐标值:
参照图2,示出了本公开实施例提供一种以激光雷达为原点的直角坐标系示意图,根据点云点M与原点(激光雷达)的边角关系,对点云点M的极坐标值进行三角函数运算,就可以得到点云点M在以激光雷达为原点的直角坐标系中的直角坐标值(x1,y1,z1),具体计算过程如下:
z1=r·cosθ (3)
其中,x1为点云点M在图2所示的直角坐标系的x轴的投影值,y1为点云点M在y轴的投影数值,z1为点云点M在z轴的投影数值。
需要说明的是,上述公式(1)至公式(3)仅作为本公开的一种示例性说明,并不构成对点云点的直角坐标值的计算方法的限制,具体的计算方法根据构建的坐标系不同、位置关系不同而随之变化,在具体计算中需要具体分析。
按照上述步骤P11至步骤P12的方法,依次将第一点云数据中各个点云点的极坐标值转换为直角坐标值,就可以得到第二点云数据。
在本公开的一种可选实施例中,步骤S22所述根据所述激光雷达与所述车辆的相对位置信息以及所述第二点云数据,确定目标点云数据,包括:
基于所述激光雷达与所述车辆的相对位置信息对所述第二点云数据中各个点云点的第二位置信息进行平移和旋转处理,得到目标点云数据。
为了采集到车辆周围的全景信息,通常在车辆上安装有多个激光雷达,用于采集不同方位的点云数据,那么针对同一个点云点,就对得到多个点云数据,因此,为了保证数据处理结果的完整性和准确度,在对点云数据进行处理时,还需要进一步根据激光雷达与车辆的相对位置,将各个激光雷达采集的点云数据放在同一个坐标系中进行统一处理。
参照图3a,示出了本公开实施例提供的一种激光雷达坐标系与车辆坐标系的示意图。其中,黑色加粗的坐标系为车辆坐标系(以车辆为坐标原点),另一个位于车辆头部的坐标系为激光雷达坐标系(以安装在车辆头部的激光雷达为坐标原点)。对激光雷达坐标系首先经过平移处理,使两个坐标系的坐标原点重合,得到如图3b所示的坐标系平移结果示意图。将激光雷达坐标系中点云点M的x轴或y轴的坐标值映射到车辆坐标系中,就可以得到点云点M在车辆坐标系中的y轴或x轴的坐标值;然后,再对激光雷达坐标系进行旋转处理,就可以得到如图3c所示的坐标系旋转结果示意图,进一步进行坐标值映射,就可以得到点云点M在车辆坐标系的另一个坐标轴上的坐标值。点云点M在车辆坐标系中的坐标值(x0,y0,z0)具体可以表示为:
x0=x1cosα-y1sinα (4)
y0=x1sinα+y1cosα (5)
其中,α为图3b和图3c中激光雷达坐标系与车辆坐标系的x轴夹角。
上述图3a至图3c的坐标转换过程是绕z轴对激光雷达坐标系进行旋转,因此旋转前后点云点M的z轴坐标保持不变,也即:
z0=z1 (6)
同样,上述公式(4)至公式(6)仅作为对图3a至图3c所示的坐标系转换过程的一种示例性说明,并不构成对本公开实施例的限定。在实际应用中,点云点相对于车辆的第一位置信息的具体计算过程根据对点云点的第二位置信息,也即激光雷达坐标系的平移和旋转处理确定。
在本公开的一种可选实施例中,步骤103所述根据所述第一点云数据和所述激光雷达与所述车辆的相对位置信息确定目标点云数据之后,所述方法还包括:
步骤S31、确定所述车辆的运动信息;
步骤S32、根据所述车辆的运动信息对所述目标点云数据进行运动补偿处理,得到运动补偿后的目标点云数据;
步骤104所述对所述目标点云数据进行数据渲染处理,得到目标视频切片并存储,包括:
步骤S33、对运动补偿后的目标点云数据进行数据渲染处理,得到目标视频切片并存储。
在激光雷达采集点云数据的过程中,激光雷达通常处于旋转状态,通过不停的360°旋转获取车辆四周的环境信息,而在这个过程中,车辆通常处于运动状态,这就导致激光雷达旋转360°后采集的各个点云数据之间存在一定的距离偏差和角度偏差。为了保证对点云数据的处理结果的准确度,需要消除由于车辆运动造成的数据偏差,也即对计算得到的目标点云数据进行运动补偿。具体的,由于车辆运动导致车辆坐标系的坐标原点在不断发生位移,因此,确定一个点激光雷达旋转过程中的相对原点,然后通过对激光雷达的各个旋转角度对应的车辆坐标系进行平移、旋转处理,使得各个车辆坐标系的坐标原点均与相对原点重合,然后计算各个车辆坐标系中的各个点云点在相对原点对应的坐标系中的坐标值,得到运动补偿后的目标点云数据。基于相对原点对各个车辆坐标系进行平移、旋转的处理过程与图3a至图3c所示的处理过程类似,本公开实施例在此不做进一步赘述。
其中,所示数据渲染处理通常包括顶点处理、栅格化、片段合成、输出合成等处理步骤,具体可以采用现有的数据渲染技术实现,对此,本公开实施例不做具体限定。
综上所述,本公开的实施例可以通过云端服务器对激光雷达采集的点云数据进行数据处理,相比于由客户端执行对点云数据的复杂处理过程,本公开节省了客户端下载点云数据的时间成本,降低了数据处理时延,提高了数据处理效率;并且,本公开提供的数据处理方法降低了对客户端的性能要求,客户端不再对点云数据执行复杂的数据处理,只需从云端服务器直接下载视频切片进行播放即可,相比于生成完整的视频供客户端下载全部视频后再播放,本公开通过提供视频切片,可以降低点云数据的播放时延;且视频切片可以支持多场景的视频播放需求,例如客户端可以实时下载并播放的视频切片,还可以跳过某部分视频切片,仅对需要的视频切片进行下载和播放,提高了客户端下载并播放点云数据的灵活性和实时性,有利于实时感知车辆周围的环境信息。
实施例二
参照图4,其示出了在本公开的一种实施例中的数据处理装置的结构图,具体如下:
第一点云数据接收模块401,用于接收来自于激光雷达的第一点云数据;
位置确定模块402,用于确定所述激光雷达与安装所述激光雷达的车辆的相对位置信息;
目标点云数据确定模块403,用于根据所述第一点云数据和所述激光雷达与所述车辆的相对位置信息确定目标点云数据,所述目标点云数据包含所述第一点云数据中各个点云点相对于所述车辆的第一位置信息;
数据渲染模块404,用于对所述目标点云数据进行数据渲染处理,得到目标视频切片并存储。
可选地,所述数据渲染模块,包括:
第一渲染子模块,用于基于第一预设视角和第二预设视角分别对所述目标点云数据进行数据渲染处理,得到所述第一预设视角对应的第一目标视频和所述第二预设视角对应的第二目标视频;
切片处理子模块,用于分别对所述第一目标视频和所述第二目标视频进行切片处理,得到所述第一预设视角对应的第一目标视频切片和第二目标视频切片并存储。
可选地,所述目标点云数据确定模块,包括:
解析处理子模块,用于对所述第一点云数据进行解析处理,得到第二点云数据,所述第二点云数据包含所述第一点云数据中各个点云点相对于所述激光雷达的第二位置信息;
目标点云数据确定子模块,用于根据所述激光雷达与所述车辆的相对位置信息以及所述第二点云数据,确定目标点云数据。
可选地,所述装置还包括:
运动信息确定模块,用于确定所述车辆的运动信息;
运动补偿模块,用于根据所述车辆的运动信息对所述目标点云数据进行运动补偿处理,得到运动补偿后的目标点云数据;
所述数据渲染模块,包括:
第二渲染子模块,用于对运动补偿后的目标点云数据进行数据渲染处理,得到目标视频切片并存储。
可选地,所述解析处理子模块,包括:
解析处理单元,用于对所述第一点云数据进行解析处理,得到所述第一点云数据中各个点云点的目标方位数据和目标单位数据;
第一角度确定单元,用于确定所述激光雷达的水平角度偏移量和垂直角度;
第二角度确定单元,用于根据所述激光雷达的水平角度和每个点云点的目标方位数据,确定各个点云点相对于所述激光雷达的水平角度;
测距距离确定单元,用于计算每个点云点的目标单位数据与预设常数的乘积,得到各个点云点与所述激光雷达之间的测距距离;
第二点云数据确定单元,用于根据所述激光雷达的垂直角度、各个点云点相对于所述激光雷达的水平角度,以及各个点云点与所述激光雷达之间的测距距离,确定第二点云数据。
可选地,所述第二点云数据确定单元,包括:
极坐标确定子单元,用于根据所述激光雷达的垂直角度、各个点云点相对于所述激光雷达的水平角度,以及各个点云点与所述激光雷达之间的测距距离,确定各个点云点在以所述激光雷达为原点的极坐标系中的极坐标值;
坐标转换子单元,用于将各个点云点的极坐标值转换为直角坐标值,得到第二点云数据。
可选地,所述目标点云数据确定子模块,包括:
目标点云数据确定单元,用于基于所述激光雷达与所述车辆的相对位置信息对所述第二点云数据中各个点云点的第二位置信息进行平移和旋转处理,得到目标点云数据。
综上所述,本公开的实施例可以通过云端服务器对激光雷达采集的点云数据进行数据处理,相比于由客户端执行对点云数据的复杂处理过程,本公开节省了客户端下载点云数据的时间成本,降低了数据处理时延,提高了数据处理效率;并且,本公开提供的数据处理方法降低了对客户端的性能要求,客户端不再对点云数据执行复杂的数据处理,只需从云端服务器直接下载视频切片进行播放即可,相比于生成完整的视频供客户端下载全部视频后再播放,本公开通过提供视频切片,可以降低点云数据的播放时延;且视频切片可以支持多场景的视频播放需求,例如客户端可以实时下载并播放的视频切片,还可以跳过某部分视频切片,仅对需要的视频切片进行下载和播放,提高了客户端下载并播放点云数据的灵活性和实时性,有利于实时感知车辆周围的环境信息。
实施例二为实施例一对应的装置实施例,详细说明可以参照实施例一,在此不再赘述。
本公开的实施例还提供了一种电子设备,参照图5,包括:处理器501、存储器502以及存储在所述存储器502上并可在所述处理器上运行的计算机程序5021,所述处理器501执行所述程序时实现前述实施例的数据处理方法。
本公开的实施例还提供了一种可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行前述实施例的数据处理方法。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本公开的实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本公开的实施例的内容,并且上面对特定语言所做的描述是为了披露本公开的实施例的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本公开的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本公开的实施例的示例性实施例的描述中,本公开的实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本公开的实施例要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本公开的实施例的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
本公开的实施例的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本公开的实施例的文件处理设备中的一些或者全部部件的一些或者全部功能。本公开的实施例还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序。这样的实现本公开的实施例的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本公开的实施例进行说明而不是对本公开的实施例进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本公开的实施例可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
以上所述仅为本公开的实施例的较佳实施例而已,并不用以限制本公开的实施例,凡在本公开的实施例的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本公开的实施例的保护范围之内。
以上所述,仅为本公开的实施例的具体实施方式,但本公开的实施例的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开的实施例揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本公开的实施例的保护范围之内。因此,本公开的实施例的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种数据处理方法,其特征在于,应用于云端服务器,所述方法包括:
接收来自于激光雷达的第一点云数据;
确定所述激光雷达与安装所述激光雷达的车辆的相对位置信息;
根据所述第一点云数据和所述激光雷达与所述车辆的相对位置信息确定目标点云数据,所述目标点云数据包含所述第一点云数据中各个点云点相对于所述车辆的第一位置信息;
对所述目标点云数据进行数据渲染处理,得到目标视频切片并存储。
2.根据权利要求1所述的方法,其特征在于,所述对所述目标点云数据进行数据渲染处理,得到目标视频切片并存储,包括:
基于第一预设视角和第二预设视角分别对所述目标点云数据进行数据渲染处理,得到所述第一预设视角对应的第一目标视频和所述第二预设视角对应的第二目标视频;
分别对所述第一目标视频和所述第二目标视频进行切片处理,得到所述第一预设视角对应的第一目标视频切片和第二目标视频切片并存储。
3.根据权利要求1所述的方法,其特征在于,所述根据所述第一点云数据和所述激光雷达与所述车辆的相对位置信息确定目标点云数据,包括:
对所述第一点云数据进行解析处理,得到第二点云数据,所述第二点云数据包含所述第一点云数据中各个点云点相对于所述激光雷达的第二位置信息;
根据所述激光雷达与所述车辆的相对位置信息以及所述第二点云数据,确定目标点云数据。
4.根据权利要求1所述的方法,其特征在于,所述根据所述第一点云数据和所述激光雷达与所述车辆的相对位置信息确定目标点云数据之后,所述方法还包括:
确定所述车辆的运动信息;
根据所述车辆的运动信息对所述目标点云数据进行运动补偿处理,得到运动补偿后的目标点云数据;
所述对所述目标点云数据进行数据渲染处理,得到目标视频切片并存储,包括:
对运动补偿后的目标点云数据进行数据渲染处理,得到目标视频切片并存储。
5.根据权利要求3所述的方法,其特征在于,所述对所述第一点云数据进行解析处理,得到第二点云数据,包括:
对所述第一点云数据进行解析处理,得到所述第一点云数据中各个点云点的目标方位数据和目标单位数据;
确定所述激光雷达的水平角度偏移量和垂直角度;
根据所述激光雷达的水平角度和每个点云点的目标方位数据,确定各个点云点相对于所述激光雷达的水平角度;
计算每个点云点的目标单位数据与预设常数的乘积,得到各个点云点与所述激光雷达之间的测距距离;
根据所述激光雷达的垂直角度、各个点云点相对于所述激光雷达的水平角度,以及各个点云点与所述激光雷达之间的测距距离,确定第二点云数据。
6.根据权利要求5所述的方法,其特征在于,所述根据所述激光雷达的垂直角度、各个点云点相对于所述激光雷达的水平角度,以及各个点云点与所述激光雷达之间的测距距离,确定第二点云数据,包括:
根据所述激光雷达的垂直角度、各个点云点相对于所述激光雷达的水平角度,以及各个点云点与所述激光雷达之间的测距距离,确定各个点云点在以所述激光雷达为原点的极坐标系中的极坐标值;
将各个点云点的极坐标值转换为直角坐标值,得到第二点云数据。
7.根据权利要求3所述的方法,其特征在于,所述根据所述激光雷达与所述车辆的相对位置信息以及所述第二点云数据,确定目标点云数据,包括:
基于所述激光雷达与所述车辆的相对位置信息对所述第二点云数据中各个点云点的第二位置信息进行平移和旋转处理,得到目标点云数据。
8.一种数据处理装置,其特征在于,所述装置包括:
第一点云数据接收模块,用于接收来自于激光雷达的第一点云数据;
位置确定模块,用于确定所述激光雷达与安装所述激光雷达的车辆的相对位置信息;
目标点云数据确定模块,用于根据所述第一点云数据和所述激光雷达与所述车辆的相对位置信息确定目标点云数据,所述目标点云数据包含所述第一点云数据中各个点云点相对于所述车辆的第一位置信息;
数据渲染模块,用于对所述目标点云数据进行数据渲染处理,得到目标视频切片并存储。
9.一种电子设备,其特征在于,包括:
处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7中一个或多个所述的数据处理方法。
10.一种可读存储介质,其特征在于,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如方法权利要求1至7中一个或多个所述的数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110838577.XA CN113688282A (zh) | 2021-07-23 | 2021-07-23 | 一种数据处理方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110838577.XA CN113688282A (zh) | 2021-07-23 | 2021-07-23 | 一种数据处理方法、装置、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113688282A true CN113688282A (zh) | 2021-11-23 |
Family
ID=78577794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110838577.XA Withdrawn CN113688282A (zh) | 2021-07-23 | 2021-07-23 | 一种数据处理方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113688282A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115015955A (zh) * | 2022-05-23 | 2022-09-06 | 天津卡尔狗科技有限公司 | 运动信息的确定方法、装置、设备、存储介质和程序产品 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135599A (zh) * | 2019-05-15 | 2019-08-16 | 南京林业大学 | 无人机电力巡检点云智能化处理与分析服务平台 |
CN111308499A (zh) * | 2020-03-09 | 2020-06-19 | 中振同辂(江苏)机器人有限公司 | 一种基于多线激光雷达的障碍物检测方法 |
CN113141526A (zh) * | 2021-04-27 | 2021-07-20 | 合肥工业大学 | QoE驱动下的联合资源分配的点云视频自适应传输方法 |
-
2021
- 2021-07-23 CN CN202110838577.XA patent/CN113688282A/zh not_active Withdrawn
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135599A (zh) * | 2019-05-15 | 2019-08-16 | 南京林业大学 | 无人机电力巡检点云智能化处理与分析服务平台 |
CN111308499A (zh) * | 2020-03-09 | 2020-06-19 | 中振同辂(江苏)机器人有限公司 | 一种基于多线激光雷达的障碍物检测方法 |
CN113141526A (zh) * | 2021-04-27 | 2021-07-20 | 合肥工业大学 | QoE驱动下的联合资源分配的点云视频自适应传输方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115015955A (zh) * | 2022-05-23 | 2022-09-06 | 天津卡尔狗科技有限公司 | 运动信息的确定方法、装置、设备、存储介质和程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8817025B1 (en) | Efficiently implementing and displaying independent 3-dimensional interactive viewports of a virtual world on multiple client devices | |
CN111402374B (zh) | 多路视频与三维模型融合方法及其装置、设备和存储介质 | |
CN112950785B (zh) | 点云标注方法、装置及系统 | |
JP2019532268A (ja) | プロペラの羽根に統合された撮像装置を用いたステレオ距離情報の判定 | |
CN109743626B (zh) | 一种图像显示方法、图像处理方法和相关设备 | |
CN113196197A (zh) | 使用有效载荷组件执行实时地图构建的可移动物体 | |
CN108269305A (zh) | 一种二维、三维数据联动展示方法和系统 | |
WO2018040480A1 (zh) | 一种调整扫描状态的方法及装置 | |
US11210864B2 (en) | Solution for generating virtual reality representation | |
CN110060230B (zh) | 三维场景分析方法、装置、介质及设备 | |
US11818361B2 (en) | Data compression apparatus, data compression method, and program | |
KR20230015446A (ko) | 모델 생성 방법, 이미지 투시도 결정 방법, 장치, 설비 및 매체 | |
WO2020088414A1 (en) | A movable object performing real-time mapping using a payload assembly | |
CN113873264A (zh) | 显示图像的方法、装置、电子设备及存储介质 | |
CN113688282A (zh) | 一种数据处理方法、装置、电子设备及可读存储介质 | |
CN115588040A (zh) | 一种基于全视图成像点坐标统计定位系统及方法 | |
CN115065867B (zh) | 基于无人机视频金字塔模型的动态处理方法及装置 | |
CN115565092A (zh) | 一种获取目标对象的地理位置信息的方法与设备 | |
CN116045921A (zh) | 基于数字高程模型的目标定位方法、装置、设备及介质 | |
Stødle et al. | High-performance visualisation of UAV sensor and image data with raster maps and topography in 3D | |
CN112254653B (zh) | 一种用于3d信息采集的程序控制方法 | |
CN114567742A (zh) | 全景视频的传输方法、装置及存储介质 | |
CN114011066A (zh) | 一种适用于ROS系统的Unity3D下视觉传感器的仿真方法 | |
WO2022133569A1 (en) | Methods and system for reconstructing textured meshes from point cloud data | |
CN117612046B (zh) | 一种基于ai和gis交互实现目标区域地物识别的方法和系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211123 |