CN113807182A - 用于处理点云的方法、装置、介质以及电子设备 - Google Patents

Abstract

本公开实施例公开了一种用于处理点云的方法、装置、介质以及电子设备，其中，方法包括：从待处理点云中确定出两个以上子点云；将子点云的全局坐标转换为局部坐标，得到归一化后的子点云，其中，全局坐标表征点在待处理点云的全局坐标系中的位置，局部坐标表征点在基于子点云构建的局部坐标系中的位置，该局部坐标系的坐标轴方向基于待处理点云的径向方向和切线方向确定；确定各归一化后的子点云的局部感知结果；将局部感知结果中点的局部坐标转换为全局坐标，得到子点云的全局感知结果；基于各全局感知结果，确定待处理点云的处理结果。本公开实施例可以简化点云数据，降低从点云中提取信息的难度。

Description

用于处理点云的方法、装置、介质以及电子设备

技术领域

本公开涉及计算机视觉技术，尤其是一种用于处理点云的方法、装置、介质以及电子设备。

背景技术

点云是在同一空间参考坐标系下表达目标空间分布和目标表面特性的海量点的集合，通常由激光雷达或RGB-D相机采集得到。点云是自动驾驶领域中一种极为重要的数据形式，如何从点云中高效准确地提取信息是自动驾驶领域中的一个难点。

相关技术中，点云的感知算法通常对原始点云进行体素化处理，以提高信息提取的效率。

发明内容

为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种用于处理点云的方法、装置、介质以及电子设备。

根据本公开实施例的一个方面，提供了一种用于处理点云的方法，该方法包括：从待处理点云中确定出两个以上子点云；将子点云的全局坐标转换为局部坐标，得到归一化后的子点云，其中，全局坐标表征点在待处理点云的全局坐标系中的位置，局部坐标表征点在基于子点云构建的局部坐标系中的位置，该局部坐标系的坐标轴方向基于待处理点云的径向方向和切线方向确定；确定各归一化后的子点云的局部感知结果；将局部感知结果中点的局部坐标转换为全局坐标，得到子点云的全局感知结果；基于各全局感知结果，确定待处理点云的处理结果。

根据本公开实施例的又一个方面，提供了一种用于处理点云的装置，该装置包括：点云划分模块，被配置成从待处理点云中确定出两个以上子点云；归一化模块，被配置成将子点云的全局坐标转换为局部坐标，得到归一化后的子点云，其中，全局坐标表征点在待处理点云的全局坐标系中的位置，局部坐标表征点在基于子点云构建的局部坐标系中的位置，该局部坐标系的坐标轴方向基于待处理点云的径向方向和切线方向确定；局部感知模块，被配置成确定各归一化后的子点云的局部感知结果；全局感知模块，被配置成将局部感知结果中点的局部坐标转换为全局坐标，得到子点云的全局感知结果；结果确定模块，被配置成基于各全局感知结果，确定待处理点云的处理结果。

根据本公开实施例的又一个方面，提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序用于执行上述实施例中的用于处理点云的方法。

根据本公开实施例的又一个方面，提供了一种电子设备，该电子设备包括：处理器；用于存储处理器可执行指令的存储器；处理器，用于从存储器中读取可执行指令，并执行指令以实现上述实施例中的用于处理点云的方法。

基于本公开上述实施例提供的用于处理点云的方法，将待处理点云划分两个以上子点云，并将各子点云的全局坐标表示转换为局部坐标表示，得到归一化后的子点云，其中局部坐标为基于待处理点云的径向方向和切线方向确定的局部坐标系中的坐标，之后分别确定各子点云的局部感知结果；然后将各子点云的局部感知结果中的局部坐标表示转换为全局坐标表示，得到各子点云的全局感知结果，最后基于各子点云的全局感知结果确定待处理点云的处理结果。通过基于待处理点云的径向方向和切线方向确定的局部坐标系，对待处理点云进行方位角的归一化，可以利用点云的径向对称性消除待处理点云的方向性，进而简化点云数据，降低从点云中提取信息的难度，提高了点云处理的效率。

下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。

附图说明

通过结合附图对本公开实施例进行更详细的描述，本公开的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解，并且构成说明书的一部分，与本公开实施例一起用于解释本公开，并不构成对本公开的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1(a)是本公开所适用的系统架构示意图。

图1(b)是本公开的用于处理点云的一个具体示例中的待处理点云的示意图。

图1(c)是本公开的用于处理点云的一个具体示例中的子点云的示意图。

图1(d)是本公开的用于处理点云的一个具体示例中的归一化后的子点云的示意图。

图2是本公开的用于处理点云的方法的一个实施例的流程示意图。

图3是本公开的用于处理点云的方法的一个实施例中确定子点云的流程示意图。

图4是本公开的用于处理点云的方法的一个实施例中确定待处理点云的处理结果的流程示意图。

图5是本公开的用于处理点云的方法的一个实施例中对融合后的全局感知结果中的冗余部分进行过滤的流程示意图。

图6是本公开的用于处理点云的方法的又一个实施例的流程示意图。

图7是本公开的用于处理点云的装置的一个实施例的结构示意图。

图8是本公开的用于处理点云的装置的一个实施例中点云划分模块的结构示意图。

图9是本公开的用于处理点云的装置的一个实施例中归一化模块的结构示意图。

图10是本公开的用于处理点云的装置的一个实施例中子区域确定单元的结构示意图。

图11是本公开的用于处理点云的装置的一个实施例中结果确定模块的结构示意图。

图12是本公开的用于处理点云的装置的一个实施例中过滤单元的结构示意图。

图13是本公开一示例性实施例提供的电子设备的结构图。

具体实施方式

下面，将参考附图详细地描述根据本公开的示例实施例。显然，所描述的实施例仅仅是本公开的一部分实施例，而不是本公开的全部实施例，应理解，本公开不受这里描述的示例实施例的限制。

应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。

本领域技术人员可以理解，本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。

还应理解，在本公开实施例中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。

还应理解，对于本公开实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。

另外，本公开中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本公开中字符“/”，一般表示前后关联对象是一种“或”的关系。

还应理解，本公开对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/ 或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统、大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。

终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。

申请概述

在实现本公开的过程中，发明人发现，目前的点云感知算法(点云目标检测或点云语义分割)在对点云进行处理时，忽略了点云的径向对称性。具体的，点云目标检测类算法是在笛卡尔坐标系下对点云进行体素化处理，在此过程中，点云的径向对称性被破坏；点云语义分割类算法通常是在极坐标下对点云的进行体素化，虽然保留了点云的径向对称性，但是极坐标系下的体素化破坏了点云的尺度不变性，即极坐标体素化后同一尺度的物体在不同距离下会有不同的表征，为后续的感知步骤引入了额外问题。

相关技术中，对点云的处理方法未能有效利用点云的径向对称性，导致点云的处理效率较低。

示例性系统

本公开的用于处理点云的方法，通过对待处理点云进行方位角的归一化，可以利用点云的径向对称性消除待处理点云的方向性，提高了点云处理的效率。

通常，RGB-D相机或雷达采集点云的过程中，可以绕竖直转轴在水平面内转动，以提高RGB-D相机或雷达的采集范围，如此采集到的点云在场景中的覆盖范围更大，对场景的刻画精度也就更高。点云的径向对称性是指点云在水平面内的投影相对于RGB-D相机或雷达的转轴中心对称。

图1示出了本公开的用于处理点云的方法的可以应用于其上的系统架构，如图1所示：RGB-D相机101、终端设备102以及装载有雷达的汽车103可以通过网络与执行主体104进行数据通信，执行主体104可以是终端设备，也可以是服务器，还可以是汽车103的车载电脑或云端服务器；RGB-D相机101以及汽车 103上装载的雷达可以实时采集点云，并将点云传递至执行主体103。

下面进一步结合图1(b)、图1(c)和图1(d)进行示例性说明。执行主体 103接收到待处理的点云之后，从待处理点云105中确定出两个以上的子点云(如图1(c)所示的106、107、108、109)，然后将子点云的全局坐标表示转换为局部坐标表示，得到归一化后的子点云(如图1(d)所示的1060、1070、1080、 1090)，并对各归一化后的子点云分别执行预设的点云感知算法(例如可以是目标检测或语义分割)，确定出各子点云的局部感知结果。之后，将各子点云的局部感知结果的局部坐标表示转换为全局坐标表示，得到各子点云的全局感知结果。最后，基于预设的融合策略，将各子点云的全局感知结果融合，得到待处理点云的处理结果。

从图1(b)中可以看出，各子点云的局部坐标系1061、1071、1081、1034 的坐标轴方向与全局坐标系1050的切线方向和径向方向对应，从图1(c)可以看出，各子点云在归一化之前存在方向差异，而在图1(d)中的各归一化后的子点云则消除了该差异，因而可以充分利用点云的径向对称性，提高处理点云的效率。

需要说明的是，图1(b)、图1(c)和图1(d)所示出的子点云的数量和区域，仅为示例性描述，并非对本公开的用于处理点云的方法的限定。

示例性方法

图2是本公开的用于处理点云的方法的一个实施例的流程示意图。本实施例可应用在电子设备上，如图2所示，该流程包括如下步骤：

步骤S201、从待处理点云中确定出两个以上子点云。

在本实施例中，执行主体(例如可以是终端设备)可以基于预设的点云划分策略从待处理点云确定出两个以上子点云，各子点云的覆盖范围可以相同也可以不同，在空间上相邻的子点云之间可以存在重叠区域。作为示例，点云划分策略可以是随机划分，还可以是根据点云覆盖的空间范围均匀划分。

在一个具体的示例中，执行主体可以首先从待处理点云中识别出兴趣点或关键点，例如可以是感知对象的中心点或角点。然后以兴趣点为中心，将与兴趣点的距离小于预设的距离阈值的点的集合确定为一个子点云，将待处理点云划分为至少两个子点云。

在本实施例的一个优选的实施方式中，从待处理点云中确定出的各子点云的覆盖范围相同，且相邻的子点云之间存在重叠区域，待处理点云中的每个点至少位于一个子点云中。这样一来，各个子点云可以包含待处理点云中所有的点，可以避免后续处理过程中点云信息的缺失。

步骤S202、将子点云的全局坐标转换为局部坐标，得到归一化后的子点云。

其中，全局坐标表征点在待处理点云的全局坐标系中的位置，局部坐标表征点在基于子点云构建的局部坐标系中的位置，该局部坐标系的坐标轴方向基于待处理点云的径向方向和切线方向确定。

通常，点云的全局坐标系为采集点云的设备的设备坐标系，例如可以是基于 RGB-D相机的内参构建的坐标系，还可以是雷达的雷达坐标系。以雷达为例，全局坐标系的原点可以是雷达的中心，x轴为激光发射器的朝向，y轴在水平面内垂直于x轴，z轴为竖直方向。结合点云的全局坐标表示和设备的外参(例如相机外参)，可以确定出点云中的点在真实世界中的世界坐标。

在本实施例中，基于待处理点云的径向方向和切线方向确定局部坐标系的坐标轴，以此构建的局部坐标系保留了局部坐标系的原点在待处理点云中的方位特征。

作为示例，执行主体可以将子点云的中心点作为局部坐标系的原点，并确定中心点的全局坐标以及中心点相对于全局坐标系原点的径向方向和切线方向；之后，基于该径向方向在水平面内的投影和该切线方向在水平面内的投影确定局部坐标系的水平坐标轴，局部坐标系的竖直坐标轴与全局坐标系的方向保持一致，得到子点云的局部坐标系；然后，根据子点云中每个点的全局坐标与中心点的全局坐标，确定出每个点相对于中心点的偏移向量，该偏移向量在各个坐标轴上的投影即为该点在局部坐标系内的局部坐标，得到归一化后的子点云。

步骤S203、确定各归一化后的子点云的局部感知结果。

在本实施例中，局部感知结果表征子点云在局部坐标系下的感知结果，是执行主体对归一化后的子点云执行点云感知步骤得到的，局部感知结果中的点为局部坐标表示。

作为示例，执行主体上可以预存有点云感知算法的计算机指令，例如可以是 PV-RCNN、SECOND、Point-RCNN、PointPillar或BirdNet等。执行主体分别对步骤S202中得到的归一化后的子点云执行上述点云感知算法，得到各个子点云的局部感知结果。

在一个具体的示例中，执行主体还可以将步骤S202中得到的各个归一化后的子点云输入预训练的深度学习模型中，由深度学习模型根据学习到的感知策略对归一化后的子点云进行感知，并输出子点云的局部感知结果，深度学习模型例如可以是卷积神经网络、多层感知机等。

步骤S204、将局部感知结果中点的局部坐标转换为全局坐标，得到子点云的全局感知结果。

在本实施例中，全局感知结果表征子点云在全局坐标系下的感知结果，执行主体可以将局部感知结果中的点的局部坐标替换为点的全局坐标，即可得到子点云的全局感知结果。

步骤S205、基于各全局感知结果，确定待处理点云的处理结果。

在本实施例中，执行主体可以基于预设的融合策略将各个子点云的全局感知结果融合，得到待处理点云的处理结果。作为示例，执行主体可以装载有封装好的BlockMerging(块组合)算法或ICP(Iterative Closest Point，迭代最近点)算法，以此实现各子点云的全局感知结果的融合。

在一个具体的示例中，执行主体可以首先根据各子点云的全局感知结果中的点的全局坐标或语义标签，将各个全局感知结果拼接成一个整体，对于各个全局感知结果中的重叠部分，执行主体可以采用体素栅格算法，将位于同一个栅格中的点确定为重合点，然后随机保留其中的一个点，如此，可以拼接后的数据中的重合点删除，得到待处理点云的处理结果。

在另一个具体的示例中，执行主体还可以将各子点云的全局感知结果输入预训练的深度学习模型，由深度学习模型根据学习到的点云融合策略，将各个全局感知结果融合为待处理点云的处理结果，其中，深度学习模型表征各子点云的全局感知结果与待处理点云的处理结果之间的对应关系，例如可以是AlexNet、 ResNet等。

本实施例提出的用于处理点云的方法，将待处理点云划分两个以上子点云，并将各子点云的全局坐标表示转换为局部坐标表示，得到归一化后的子点云，其中局部坐标为基于待处理点云的径向方向和切线方向确定的局部坐标系中的坐标，之后分别确定各子点云的局部感知结果；然后将各子点云的局部感知结果中的局部坐标表示转换为全局坐标表示，得到各子点云的全局感知结果，最后基于各子点云的全局感知结果确定待处理点云的处理结果。通过基于待处理点云的径向方向和切线方向确定的局部坐标系，对待处理点云进行方位角的归一化，可以利用点云的径向对称性消除待处理点云的方向性，进而简化点云数据，降低从点云中提取信息的难度，提高了点云处理的效率。

接着参考图3，在图2所示的实施例的一些可选的实现方式中，步骤S201 还可以采用图3所示的流程实现，该流程包括如下步骤：

步骤S301、将待处理点云向水平平面投影，得到待处理点云在水平平面内的投影。

作为示例，执行主体可以将待处理点云中点的竖直坐标(z坐标)缺省，即可得到点处理点云在水平平面内的投影。

步骤S302、在投影中确定出两个以上圆形的子区域。

其中，投影中的每个投影点至少位于一个子区域中，子区域的半径大于相邻两个子区域的圆心距离。

作为示例，执行主体可以根据投影点的空间位置，从投影中选取出预设数量个投影点作为子区域的圆心，例如可以是随机选取或均匀选取。之后，根据预设半径确定子区域，其中，相邻两个子区域存在重叠区域，即可得到多个部分重叠的圆形子区域，可以确保每个投影点至少位于一个子区域中。

在本实现方式中的一个可选的示例中，该步骤可以进一步包括：

基于预先估计的待处理点云中待感知目标的尺寸参数，确定子区域的半径以及相邻两个子区域的圆心距离；基于半径和圆心距离，从投影中确定出两个以上子区域，每个待感知目标的投影至少被一个子区域包含。

在本示例中，待感知目标被子区域包含是指待感知目标对应的投影点全部位于该子区域中。

作为示例，执行主体可以先估计待处理点云中的各个待感知目标的尺寸参数，然后将尺寸参数的最大值与第一预设系数的乘积作为子区域的半径，再将半径与第二预设系数的乘积作为相邻子区域的圆心距离。优选的，第一预设系数可以取 0.5至1.0的区间中的数值，第二预设系数也可以取1至1.5的区间中的数值。

示例性的，执行主体中可以预存有经验参数，该经验参数可以是对参考点云进行统计分析确定的待感知目标的参考尺寸。执行主体可以根据经验参数对待处理点云中的待感知目标的尺寸参数进行估计。

再例如，实践中相同或相似的场景中存在的实体的类型也相似度，例如户外场景中通常会存在建筑、车辆和行人等实体，户内场景中通常会存在家具和电器等实体。通过对各种场景下的参考点云的感知结果进行统计分析，可以确定出各种场景下的点云中的待感知目标的参考尺寸，然后建立场景类型与待感知目标的参考尺寸的对应关系列表。如此，执行主体可以根据待处理点云的场景类型，估计出待处理点云中的待感知目标的尺寸参数。

在本实例中，根据待感知目标的尺寸参数确定子区域的半径以及相邻子区域之间的圆心距离，以确保每个待感知目标至少被一个子区域包含，可以避免同一个待感知目标被不同子区域截断，导致待感知目标的信息不完整，进而影响到感知结果的准确度，有助于提高点云处理的准确度。

步骤S303、将每个子区域中的投影点在待处理点云中对应的点的集合确定为该子区域对应的子点云。

在本实现方式的一个可选的示例中，在步骤S303之前，该流程300还可以包括：响应于确定子区域中的投影点的数量小于预设的数量阈值，删除该子区域。

继续参考图1(b)，点云中通常会存在空白区域或点的数量较少的区域，这些区域中的信息量较少，对于点云的处理结果的影响较小。本示例可以将这些区域中的子区域删除，以降低运算量，提高点云的处理效率。

在本实现方式的另一个可选的示例中，在步骤S303之前，该流程300还可以包括：响应于确定子区域的圆心与投影的边界的距离小于预设的距离阈值，删除该子区域。

在点云中，边缘区域包含的信息量较少，且通常会存在较多数量的噪声点，本示例可以将边缘区域的子区域删除，以降低运算量和噪声干扰，从而降低运算量，有助于提高点云的处理效率和准确度。

图3所示的流程体现了将待处理点云向水平平面投影后确定子点云的步骤，可以避免将点云的竖直坐标引入运算过程中，从而降低了划分子点云的运算量，提高处理效率。

接着参考图4，在图2所示的实施例的一些可选的实现方式中，步骤S205 还可以采用图4所示的流程实现，该流程包括如下步骤：

步骤S401、融合各全局感知结果，得到融合后的全局感知结果。

在本实现方式中，执行主体中可以预先装载有封装好的点云融合算法，例如可以是基于视图的点云融合算法、基于卷积的点云融合算法或基于点的点云融合算法。执行主体对各子点云的全局感知结果执行上述点云融合算法，即可得到融合后的全局感知结果。

步骤S402、对融合后的全局感知结果中的冗余部分进行过滤，得到待处理点云的处理结果。

在本实现方式中，每个子点云均对应一个全局感知结果，位于两个或多个子点云的重叠区域中的每个点都会存在多个全局感知结果，这就导致融合后的全局感知结果中存在冗余数据。执行主体中可以根据预设的过滤策略，将冗余数据过滤，得到待处理点云的处理结果，过滤策略例如可以是随机法、均值法或非极大值抑制法。

从图4可以看出，图4所示的流程体现了基于预设的过滤策略对融合后的全局感知结果进行过滤的步骤，可以避免处理结果中存在冗余数据。

进一步结合图5，如图5所示，在本实现方式的一个可选的示例中，步骤S402 可以进一步包括：

步骤S501、确定用于感知子点云的感知算法的类型。

作为示例，执行主体接收待处理点云时，可以接收用户指定的点云处理策略，例如可以是目标检测或语义分割，然后从点云处理策略中确定用于感知子点云的感知算法的类型。

步骤S502、若感知算法的类型为第一类型，将包含有重叠区域的各子点云的全局感知结果的均值确定为该重叠区域的处理结果。

在本实现方式中，第一类型的感知算法可以包括语义分割类的点云感知算法，例如RandLA-Net、FusionNet等，在该类型的感知结果中包括每个点对应各个类别标签的置信度，执行主体可以将同一个点在多个全局感知结果中置信度均值作为该点的处理结果，可以提高语义分割类感知算法的处理结果的准确度。

在一个具体的示例中，点A位于子区域1和子区域2的重叠区域，执行主体分别对子区域1和子区域2执行语义分割类的点云感知算法后，在子区域1的全局感知结果中，点A对应类别标签a的置信度为0.8，类别标签b的置信度为0.2。在子区域2中的全局感知结果中，点A对应类别标签a的置信度为0.3，类别标签b的置信度为0.7。则执行主体可以确定A对应类别标签a的置信度均值为0.55，类别标签b的置信度均值为0.45，之后，执行主体可以确定点A在融合后的全局感知结果中的类别标签为a，并将其他感知结果过滤。

步骤S503、若感知算法的类型为第二类型，将包含有重叠区域的各子点云的全局感知结果中的极大值确定为该重叠区域的处理结果。

在本实现方式中，第二类型的感知算法可以包括目标检测类点云感知算法，例如可以包括PV-RCNN、SECOND、Point-RCNN、PointPillar或BirdNet等，在该类算法的感知结果中，每个感知对象会生成不同尺寸的检测框，对于重叠区域中的点，每个点在不同的子点云的全局感知结果中所属的检测框的尺寸和/或置信度可能会存在差异，执行主体可以将尺寸最大和/或置信度最高的检测框确定为该点的处理结果，并过滤掉其他检测框，可以兼顾目标检测类点云感知算法的处理效率和准确度。

接下来参考图6，图6示出了本公开的用于处理点云的方法的又一个实施例的流程图，如图6所示，该实施例包括如下步骤：

步骤S601、将待处理点云向水平平面投影，得到待处理点云在水平平面内的投影；

步骤S602、在投影中确定出两个以上圆形的子区域，投影中的每个投影点至少位于一个子区域中，子区域的半径大于相邻两个子区域的圆心距离；

步骤S603、将每个子区域中的投影点在待处理点云中对应的点的集合确定为该子区域对应的子点云。

本实施例中的步骤S601至步骤S603与前述步骤S301至步骤S303相对应，此处不再赘述，可以理解是，前述步骤S301至步骤S303的可选的实施方式或示例同样适应用于本实施例。

步骤S604、确定子区域的圆心与投影的中心的连线。

在本实施例中，子区域的圆心与投影的中心的连线可以表征子区域的圆心在待处理点云中的径向方向。

步骤S605、基于子区域的圆心、连线的方向以及连线在水平平面内的垂直方向，确定子区域的局部平面坐标系。

在本实施例中，连线在水平平面内的垂直方向表征圆心在待处理点云中的切线方向。

作为示例，执行主体可以将子区域的圆心确定为局部平面坐标系的原点，将投影的中心沿连线指向圆心的方向确定为第一坐标轴的方向，将连线在水平平面内的垂直方向确定为第二坐标轴的方向，得到该子区域的局部平面坐标系。

步骤S606、确定子区域中的投影点在该子区域的局部平面坐标系中的局部平面坐标。

在本实施例中，执行主体可以根据投影点与原点的相对位置，确定子区域中各个投影点的局部平面坐标。

步骤S607、将投影点在待处理点云中对应的点的全局坐标中的水平坐标替换为该投影点的局部平面坐标，得到子区域对应的归一化后的子点云。

作为示例，投影点m在待处理点云中对应的点为点M，点m的局部平面坐标为(c，d)，点M的全局坐标为(e，f，g)，则归一化后的点M的坐标为(c， d，g)。

步骤S608、确定各归一化后的子点云的局部感知结果。

步骤S609、将局部感知结果中点的局部坐标转换为全局坐标，得到子点云的全局感知结果。

步骤S610、基于各全局感知结果，确定待处理点云的处理结果。

本实施例中的步骤S608至步骤S610与前述步骤S201至步骤S205相对应，此处不再赘述，可以理解是，前述骤S201至步骤S205的可选的实施方式或示例同样适应用于本实施例。

图6所示的实施例体现了构建局部平面坐标系以及基于局部平面坐标系对子点云进行基于方位角的归一化的步骤，可以提高基于方位角的归一化的处理效率。

本公开实施例提供的任一种用于处理点云可以由任意适当的具有数据处理能力的设备执行，包括但不限于：终端设备和服务器等。或者，本公开实施例提供的任一种用于处理点云可以由处理器执行，如处理器通过调用存储器存储的相应指令来执行本公开实施例提及的任一种用于处理点云。下文不再赘述。

示例性装置

本公开还提供了一种用于处理点云的装置，该装置包括：点云划分模块701，被配置成从待处理点云中确定出两个以上子点云；归一化模块702，被配置成将子点云的全局坐标转换为局部坐标，得到归一化后的子点云，其中，全局坐标表征点在待处理点云的全局坐标系中的位置，局部坐标表征点在基于子点云构建的局部坐标系中的位置，该局部坐标系的坐标轴方向基于待处理点云的径向方向和切线方向确定；局部感知模块703，被配置成确定各归一化后的子点云的局部感知结果；全局感知模块704，被配置成将局部感知结果中点的局部坐标转换为全局坐标，得到子点云的全局感知结果；结果确定模块705，被配置成基于各全局感知结果，确定待处理点云的处理结果。

接着参考图8，图8示出了本公开的用于处理点云的装置的一个实施例中点云划分模块的结构示意图。如图8所示，点云划分模块701包括：投影单元7011，被配置成将待处理点云向水平平面投影，得到待处理点云在水平平面内的投影；子区域确定单元7012，被配置成在投影中确定出两个以上圆形的子区域，投影中的每个投影点至少位于一个子区域中，子区域的半径大于相邻两个子区域的圆心距离；子点云确定单元7013，被配置成将每个子区域中的投影点在待处理点云中对应的点的集合确定为该子区域对应的子点云。

接着参考图9，图9示出了本公开的用于处理点云的装置的一个实施例中归一化模块的结构示意图。如图9所示，归一化模块702包括：连线确定单元7021，被配置成确定子区域的圆心与投影的中心的连线；局部坐标系确定单元7022，被配置成基于子区域的圆心、连线的方向以及连线在水平平面内的垂直方向，确定子区域的局部平面坐标系；局部坐标确定单元7023，被配置成确定子区域中的投影点在该子区域的局部平面坐标系中的局部平面坐标；坐标替换单元7024，被配置成将投影点在待处理点云中对应的点的全局坐标中的水平坐标替换为该投影点的局部平面坐标，得到子区域对应的归一化后的子点云。

接着参考图10，图10示出了本公开的用于处理点云的装置的一个实施例中子区域确定单元的结构示意图。如图10所示，子区域确定单元7012包括：参数确定子单元70121，被配置成基于预先估计的待处理点云中待感知目标的尺寸参数，确定子区域的半径以及相邻两个子区域的圆心距离；子区域确定子单元 70122，被配置成基于半径和圆心距离，从投影中确定出两个以上子区域，每个待感知目标的投影至少被一个子区域包含。

接着参考图11，图11示出了本公开的用于处理点云的装置的一个实施例中结果确定模块的结构示意图。如图11所示，结果确定模块705包括：融合单元 7051，被配置成融合各全局感知结果，得到融合后的全局感知结果；过滤单元7052，被配置成对融合后的全局感知结果中的冗余部分进行过滤，得到待处理点云的处理结果。

接着参考图12，图12示出了本公开的用于处理点云的装置的一个实施例中过滤单元的结构示意图。如图12所示，过滤单元7052包括：算法类型确定子单元70521，被配置成确定用于感知子点云的感知算法的类型；第一过滤子单元 70522，被配置成若感知算法的类型为第一类型，将包含有重叠区域的各子点云的全局感知结果的均值确定为该重叠区域的处理结果；第二过滤子单元70523，被配置成若感知算法的类型为第二类型，将包含有重叠区域的各子点云的全局感知结果中的极大值确定为该重叠区域的处理结果。

在本实施例中，点云划分模块701还包括：第一筛选单元，被配置成响应于确定子区域中的投影点的数量小于预设的数量阈值，删除该子区域。

在本实施例中，点云划分模块还701还包括：第二筛选单元，被配置成响应于确定子区域的圆心与投影的边界的距离小于预设的距离阈值，删除该子区域。

示例性电子设备

图13示出了根据本公开实施例的电子设备的框图。

如图13所示，电子设备1300包括一个或多个处理器1301和存储器1302。

处理器1301可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备1300中的其他组件以执行期望的功能。

存储器1302可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器 (cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器1301可以运行所述程序指令，以实现上文所述的本公开的各个实施例的用于处理点云的方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。

在一个示例中，电子设备1300还可以包括：输入装置1303和输出装置1304，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。

当然，为了简化，图13中仅示出了该电子设备1300中与本公开有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备1300还可以包括任何其他适当的组件。

示例性计算机程序产品和计算机可读存储介质

除了上述方法和设备以外，本公开的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的用于处理点云的方法中的步骤。

所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。

此外，本公开的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的用于处理点云的方法中的步骤。

所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器 (CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

以上结合具体实施例描述了本公开的基本原理，但是，需要指出的是，在本公开中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本公开为必须采用上述具体的细节来实现。

本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，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。

本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。

可能以许多方式来实现本公开的方法和装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。

还需要指出的是，在本公开的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。

提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此，本公开不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。

为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (11)

1.一种用于处理点云的方法，包括：

从待处理点云中确定出两个以上子点云；

将所述子点云的全局坐标转换为局部坐标，得到归一化后的子点云，其中，所述全局坐标表征点在所述待处理点云的全局坐标系中的位置，所述局部坐标表征点在基于所述子点云构建的局部坐标系中的位置，该局部坐标系的坐标轴方向基于所述待处理点云的径向方向和切线方向确定；

确定各所述归一化后的子点云的局部感知结果；

将所述局部感知结果中点的局部坐标转换为全局坐标，得到所述子点云的全局感知结果；

基于各所述全局感知结果，确定所述待处理点云的处理结果。

2.根据权利要求1所述的方法，其中，从待处理点云中确定出两个以上子点云，包括：

将所述待处理点云向水平平面投影，得到所述待处理点云在所述水平平面内的投影；

在所述投影中确定出两个以上圆形的子区域，所述投影中的每个投影点至少位于一个所述子区域中，所述子区域的半径大于相邻两个所述子区域的圆心距离；

将每个所述子区域中的投影点在所述待处理点云中对应的点的集合确定为该子区域对应的子点云。

3.根据权利要求2所述的方法，其中，将所述子点云的全局坐标转换为局部坐标，得到归一化后的子点云，包括：

确定所述子区域的圆心与所述投影的中心的连线；

基于所述子区域的圆心、所述连线的方向以及所述连线在所述水平平面内的垂直方向，确定所述子区域的局部平面坐标系；

确定所述子区域中的投影点在该子区域的局部平面坐标系中的局部平面坐标；

将所述投影点在所述待处理点云中对应的点的全局坐标中的水平坐标替换为该投影点的局部平面坐标，得到所述子区域对应的归一化后的子点云。

4.根据权利要求2所述的方法，其中，在所述投影中确定出两个以上圆形的子区域，包括：

基于预先估计的所述待处理点云中待感知目标的尺寸参数，确定所述子区域的半径以及相邻两个所述子区域的圆心距离；

基于所述半径和所述圆心距离，从所述投影中确定出两个以上所述子区域，每个所述待感知目标的投影至少被一个所述子区域包含。

5.根据权利要求1至4之一所述的方法，其中，基于各所述全局感知结果，确定所述待处理点云的处理结果，包括：

融合各所述全局感知结果，得到融合后的全局感知结果；

对所述融合后的全局感知结果中的冗余部分进行过滤，得到所述待处理点云的处理结果。

6.根据权利要求5所述的方法，其中，对所述融合后的全局感知结果中的冗余部分进行过滤，包括：

确定用于感知所述子点云的感知算法的类型；

若所述感知算法的类型为第一类型，将包含有重叠区域的各所述子点云的全局感知结果的均值确定为该重叠区域的处理结果；

若所述感知算法的类型为第二类型，将包含有重叠区域的各所述子点云的全局感知结果中的极大值确定为该重叠区域的处理结果。

7.根据权利要求2或6所述的方法，其中，将每个所述子区域中的投影点在所述待处理点云中对应的点的集合确定为该子区域对应的子点云，之前所述方法还包括：

响应于确定所述子区域中的投影点的数量小于预设的数量阈值，删除该子区域。

8.根据权利要求2或7所述的方法，其中，将每个所述子区域中的投影点在所述待处理点云中对应的点的集合确定为该子区域对应的子点云，之前所述方法还包括：

响应于确定所述子区域的圆心与所述投影的边界的距离小于预设的距离阈值，删除该子区域。

9.一种用于处理点云的装置，包括：

点云划分模块，被配置成从待处理点云中确定出两个以上子点云；

归一化模块，被配置成将所述子点云的全局坐标转换为局部坐标，得到归一化后的子点云，其中，所述全局坐标表征点在所述待处理点云的全局坐标系中的位置，所述局部坐标表征点在基于所述子点云构建的局部坐标系中的位置，该局部坐标系的坐标轴方向基于所述待处理点云的径向方向和切线方向确定；

局部感知模块，被配置成确定各所述归一化后的子点云的局部感知结果；

全局感知模块，被配置成将所述局部感知结果中点的局部坐标转换为全局坐标，得到所述子点云的全局感知结果；

结果确定模块，被配置成基于各所述全局感知结果，确定所述待处理点云的处理结果。

10.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-8任一所述的用于处理点云的方法。

11.一种电子设备，所述电子设备包括：

处理器；

用于存储所述处理器可执行指令的存储器；

所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述权利要求1-8任一所述的用于处理点云的方法。

Images