CN113960572A - 一种过滤埋地灯噪声点云的处理方法和装置 - Google Patents
一种过滤埋地灯噪声点云的处理方法和装置 Download PDFInfo
- Publication number
- CN113960572A CN113960572A CN202111222690.1A CN202111222690A CN113960572A CN 113960572 A CN113960572 A CN 113960572A CN 202111222690 A CN202111222690 A CN 202111222690A CN 113960572 A CN113960572 A CN 113960572A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- data set
- underground lamp
- lamp
- 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.)
- Granted
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 34
- 238000003672 processing method Methods 0.000 title claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 84
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000012790 confirmation Methods 0.000 claims abstract description 20
- 238000002310 reflectometry Methods 0.000 claims description 53
- 238000009434 installation Methods 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 239000003550 marker Substances 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 230000004888 barrier function Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 241000283070 Equus zebra Species 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/495—Counter-measures or counter-counter-measures using electronic or electro-optical means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Image Processing (AREA)
Abstract
本发明实施例涉及一种过滤埋地灯噪声点云的处理方法和装置，所述方法包括：获取第一点云数据集合；获取第一地图；将与第一交通标线匹配的第一点云数据组成第一交通标线点云数据集合；对第一交通标线点云数据集合进行埋地灯点云数据识别和聚类处理；对第一埋地灯点云数据集合进行埋地灯点云数据去噪处理；将位于第二埋地灯点云数据集合上方指定范围内的所有第一点云数据作为第一上方点云数据集合；对第一上方点云数据集合进行疑似噪声点云标记处理；对第一标记点云数据集合按点云数据空间分布状况进行噪声点云确认标记处理；将所有第二标记点云数据集合的所有第一点云数据从第一点云数据集合中滤除。通过本发明，可以有效地清除埋地灯噪声点云。
Description
技术领域
本发明涉及数据处理技术领域，特别涉及一种过滤埋地灯噪声点云的处理方法和装置。
背景技术
激光雷达是无人驾驶系统重要的测距传感器之一。受限于测距原理，激光雷达生成的点云数据中很容易出现噪声。路面埋地灯就是一种典型的激光雷达噪声源。路面埋地灯通常安装于斑马线、车道线上，作为夜间辅助照明、引导所用。由于埋地灯上表面有很强的反射能力，激光雷达照射到埋地灯表面时，受限于激光测距的原理，通常会在高于地面的位置生成一定量的噪声点云。这些点云噪声如果不进行处理会生成障碍物，影响车辆的正常通行。
发明内容
本发明的目的，就是针对现有技术的缺陷，提供一种过滤埋地灯噪声点云的处理方法、装置、电子设备及计算机可读存储介质，以与环境点云匹配的先验地图的预标交通标线作为位置参考，从激光雷达扫描的环境点云集合中提取出与各个交通标线匹配的点云数据构成对应的交通标线点云集合；再根据点云反射率从交通标线点云集合中提取出与埋地灯目标对象有关的点云数据构成对应的埋地灯点云集合；再根据先验的埋地灯安装高度、形状尺寸等信息对各个埋地灯点云集合进行降噪以期达到更准确的埋地灯点云定位；再提取位于各个降噪后埋地灯点云集合上方指定范围内的点云数据作为疑似噪声点云；再根据点云反射率、点云空间分布的离散状况对疑似噪声点云进行进一步的噪声点云确认；最后，从环境点云集合中将所有确认的噪声点云滤除，从而达到清除埋地灯噪声点云的目的。通过本发明，可以有效地清除埋地灯噪声点云，提高无人驾驶系统对道路障碍物识别的准确度，保障车辆正常通行。
为实现上述目的，本发明实施例第一方面提供了一种过滤埋地灯噪声点云的处理方法，所述方法包括：
获取激光雷达对指定环境进行扫描产生的点云数据集合，作为对应的第一点云数据集合；所述第一点云数据集合包括多个第一点云数据；
获取与所述指定环境匹配的先验地图作为第一地图；所述第一地图包括多个第一交通标线；
将所述第一点云数据集合中与各个所述第一交通标线匹配的多个所述第一点云数据组成对应的第一交通标线点云数据集合；
根据预设的第一反射率阈值对各个所述第一交通标线点云数据集合进行埋地灯点云数据识别处理，并对识别出的埋地灯点云数据进行聚类处理从而得到多个第一埋地灯点云数据集合；
根据预设的第一埋地灯参数阈值组对各个所述第一埋地灯点云数据集合进行埋地灯点云数据去噪处理，生成对应的第二埋地灯点云数据集合；
在所述第一点云数据集合中，将位于各个所述第二埋地灯点云数据集合上方指定范围内的所有所述第一点云数据，作为对应的第一上方点云数据集合；
根据预设的第二反射率阈值，对各个所述第一上方点云数据集合进行疑似噪声点云标记处理，得到对应的第一标记点云数据集合；所述第一标记点云数据集合包括多个标记为疑似噪声点云数据的所述第一点云数据；
对各个所述第一标记点云数据集合，按点云数据空间分布状况进行噪声点云确认标记处理，得到对应的第二标记点云数据集合；所述第二标记点云数据集合包括多个标记为确认噪声点云数据的所述第一点云数据；
将所有所述第二标记点云数据集合的所有所述第一点云数据，从所述第一点云数据集合中滤除。
优选的，所述第一点云数据包括第一点云坐标数据和第一点云反射率数据；
所述第一埋地灯参数阈值组包括第一埋地灯安装高度阈值和第一埋地灯形状尺寸阈值组；
所述第二反射率阈值小于所述第一反射率阈值。
优选的，所述将所述第一点云数据集合中与各个所述第一交通标线匹配的多个所述第一点云数据组成对应的第一交通标线点云数据集合，具体包括：
将所述第一地图中与各个所述第一交通标线匹配的地图区域记为对应的第一交通标线地图区域；
根据在所述第一地图的地图坐标系中所述激光雷达与各个所述第一交通标线地图区域的相对位置关系，在以所述激光雷达为原点的点云空间坐标系中对与各个所述第一交通标线地图区域匹配的点云区域进行标记处理，从而得到多个第一交通标线点云区域；
将所述第一点云数据集合中所述第一点云坐标数据位于同一个所述第一交通标线点云区域的所述第一点云数据，纳入同一个点云数据集合组成对应的所述第一交通标线点云数据集合。
优选的，所述根据预设的第一反射率阈值对各个所述第一交通标线点云数据集合进行埋地灯点云数据识别处理，并对识别出的埋地灯点云数据进行聚类处理从而得到多个第一埋地灯点云数据集合，具体包括：
在所述第一交通标线点云数据集合中，将所述第一点云反射率数据不低于所述第一反射率阈值的所述第一点云数据，作为识别出的第一埋地灯点云数据；
在所述第一交通标线点云数据集合中，采用欧式聚类算法对识别出的所有所述第一埋地灯点云数据进行聚类处理，得到多个所述第一埋地灯点云数据集合。
优选的，所述根据预设的第一埋地灯参数阈值组对各个所述第一埋地灯点云数据集合进行埋地灯点云数据去噪处理，生成对应的第二埋地灯点云数据集合，具体包括：
根据所述第一埋地灯参数阈值组的所述第一埋地灯安装高度阈值对所述第一埋地灯点云数据集合进行第一去噪处理，将距离路面高度超过所述第一埋地灯安装高度阈值要求的所述第一点云数据从所述第一埋地灯点云数据集合中删除；
根据所述第一埋地灯参数阈值组的所述第一埋地灯形状尺寸阈值组对所述第一埋地灯点云数据集合进行第二去噪处理，将处于埋地灯形状之外的多个所述第一点云数据从所述第一埋地灯点云数据集合中删除；
将完成去噪处理的所述第一埋地灯点云数据集合作为对应的所述第二埋地灯点云数据集合。
优选的，所述根据预设的第二反射率阈值，对各个所述第一上方点云数据集合进行疑似噪声点云标记处理，得到对应的第一标记点云数据集合，具体包括：
将各个所述第一上方点云数据集合中，所述第一点云反射率数据低于所述第二反射率阈值的所述第一点云数据标记为所述疑似噪声点云数据；并由所有标记为所述疑似噪声点云数据的所述第一点云数据组成对应的所述第一标记点云数据集合。
优选的，所述对各个所述第一标记点云数据集合，按点云数据空间分布状况进行噪声点云确认标记处理，得到对应的第二标记点云数据集合，具体包括：
对各个所述第一标记点云数据集合中任一所述第一点云数据与其他所述第一点云数据的平均间距进行计算，生成对应的第一平均间距数据；并将所述第一平均间距数据超过预设间距阈值的所述第一点云数据标记为所述确认噪声点云数据；并由所有标记为所述确认噪声点云数据的所述第一点云数据组成对应的所述第二标记点云数据集合。
本发明实施例第二方面提供了一种用于执行上述第一方面所述的过滤埋地灯噪声点云的处理方法的装置,所述装置包括：点云获取模块、地图获取模块、埋地灯点云处理模块和埋地灯噪声点云处理模块；
所述点云获取模块用于获取激光雷达对指定环境进行扫描产生的点云数据集合，作为对应的第一点云数据集合；所述第一点云数据集合包括多个第一点云数据；
所述地图获取模块用于获取与所述指定环境匹配的先验地图作为第一地图；所述第一地图包括多个第一交通标线；
所述埋地灯点云处理模块用于将所述第一点云数据集合中与各个所述第一交通标线匹配的多个所述第一点云数据组成对应的第一交通标线点云数据集合；并根据预设的第一反射率阈值对各个所述第一交通标线点云数据集合进行埋地灯点云数据识别处理，并对识别出的埋地灯点云数据进行聚类处理从而得到多个第一埋地灯点云数据集合；并根据预设的第一埋地灯参数阈值组对各个所述第一埋地灯点云数据集合进行埋地灯点云数据去噪处理，生成对应的第二埋地灯点云数据集合；
所述埋地灯噪声点云处理模块用于在所述第一点云数据集合中，将位于各个所述第二埋地灯点云数据集合上方指定范围内的所有所述第一点云数据，作为对应的第一上方点云数据集合；并根据预设的第二反射率阈值，对各个所述第一上方点云数据集合进行疑似噪声点云标记处理，得到对应的第一标记点云数据集合，其中，所述第一标记点云数据集合包括多个标记为疑似噪声点云数据的所述第一点云数据；并对各个所述第一标记点云数据集合，按点云数据空间分布状况进行噪声点云确认标记处理，得到对应的第二标记点云数据集合，其中，所述第二标记点云数据集合包括多个标记为确认噪声点云数据的所述第一点云数据；并将所有所述第二标记点云数据集合的所有所述第一点云数据，从所述第一点云数据集合中滤除。
本发明实施例第三方面提供了一种电子设备，包括：存储器、处理器和收发器；
所述处理器用于与所述存储器耦合，读取并执行所述存储器中的指令，以实现上述第一方面所述的方法步骤；
所述收发器与所述处理器耦合，由所述处理器控制所述收发器进行消息收发。
本发明实施例第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，当所述计算机指令被计算机执行时，使得所述计算机执行上述第一方面所述的方法的指令。
本发明实施例提供了一种过滤埋地灯噪声点云的处理方法、装置、电子设备及计算机可读存储介质，以与环境点云匹配的先验地图的预标交通标线作为位置参考，从激光雷达扫描的环境点云集合中提取出与各个交通标线匹配的点云数据构成对应的交通标线点云集合；再根据点云反射率从交通标线点云集合中提取出与埋地灯目标对象有关的点云数据构成对应的埋地灯点云集合；再根据先验的埋地灯安装高度、形状尺寸等信息对各个埋地灯点云集合进行降噪以期达到更准确的埋地灯点云定位；再提取位于各个降噪后埋地灯点云集合上方指定范围内的点云数据作为疑似噪声点云；再根据点云反射率、点云空间分布的离散状况对疑似噪声点云进行进一步的噪声点云确认；最后，从环境点云集合中将所有确认的噪声点云滤除，从而达到清除埋地灯噪声点云的目的。通过本发明，可以有效地清除埋地灯噪声点云，提高无人驾驶系统对道路障碍物识别的准确度，保障车辆正常通行。
附图说明
图1为本发明实施例一提供的一种过滤埋地灯噪声点云的处理方法示意图；
图2为本发明实施例二提供的一种过滤埋地灯噪声点云的处理装置的模块结构图；
图3为本发明实施例三提供的一种电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本发明实施例一提供一种过滤埋地灯噪声点云的处理方法，如图1为本发明实施例一提供的一种过滤埋地灯噪声点云的处理方法示意图所示，本方法主要包括如下步骤：
步骤1，获取激光雷达对指定环境进行扫描产生的点云数据集合，作为对应的第一点云数据集合；
其中，第一点云数据集合包括多个第一点云数据；第一点云数据包括第一点云坐标数据和第一点云反射率数据。
这里，指定环境为带有交通标线路面的交通环境，交通标线指路面上按交通规定预绘的标线，例如，行驶道路路面的车道线、人行横道的斑马线等。第一点云数据集合也就是激光雷达对指定环境扫描后生成的环境点云集合；由点云数据的特征可知第一点云数据至少会包括一个基于点云坐标系的三维点云坐标和一个体现雷达扫描反射率的点云反射率，该三维点云坐标也就是第一点云坐标数据，该点云反射率也就是第一点云反射率数据。
步骤2，获取与指定环境匹配的先验地图作为第一地图；
其中，第一地图包括多个第一交通标线。
这里，第一地图为包含了指定环境所有路面信息的高精地图，该高精地图中对各种路面交通标线都给出了标定，每个交通标线对应一个标定数据对象也就是第一交通标线；每个第一交通标线数据对象对应一组详细的标定数据组，包括交通标线类型、交通标线曲率、交通标线起始位置、交通标线宽度等信息。
步骤3，将第一点云数据集合中与各个第一交通标线匹配的多个第一点云数据组成对应的第一交通标线点云数据集合；
这里，是以先验的第一地图中预先标定的第一交通标线为参考，从第一点云数据集合中筛查出位于各个第一交通标线位置附近的点云数据集合也就是第一交通标线点云数据集合；
具体包括：步骤31，将第一地图中与各个第一交通标线匹配的地图区域记为对应的第一交通标线地图区域；
这里，根据每个第一交通标线对应的标定数据组的交通标线曲率、交通标线起始位置和交通标线宽度，在第一地图中绘制出一个对应的带状区域作为第一交通标线地图区域；
步骤32，根据在第一地图的地图坐标系中激光雷达与各个第一交通标线地图区域的相对位置关系，在以激光雷达为原点的点云空间坐标系中对与各个第一交通标线地图区域匹配的点云区域进行标记处理，从而得到多个第一交通标线点云区域；
这里，通过定位安装了激光雷达的车辆的位置信息、以及已知的激光雷达在车身的安装位置信息，可以计算出激光雷达在第一地图的地图坐标系中的准确位置信息记为激光雷达位置数据；再根据激光雷达位置数据与各个第一交通标线点云区域上各个边缘点的相对位置关系(直线距离、高度差、角度差等)就可以得到在第一地图的地图坐标系中激光雷达与各个第一交通标线地图区域的相对位置关系；又已知点云空间坐标系的原点即为激光雷达，那么根据地图坐标系与点云空间坐标系的转换关系，再参考已知的激光雷达与各个第一交通标线地图区域的相对位置关系就可在点云空间坐标系中标记出与各个第一交通标线地图区域对应的三维空间区域也就是第一交通标线点云区域；
步骤33，将第一点云数据集合中第一点云坐标数据位于同一个第一交通标线点云区域的第一点云数据，纳入同一个点云数据集合组成对应的第一交通标线点云数据集合。
这里，把第一点云数据集合中点云坐标也就是第一点云坐标数据落入各个第一交通标线点云区域的第一点云数据视为与交通标线有关的点云也就是交通标线点云，将每个第一交通标线点云区域中的多个交通标线点云进行归类就可得到与每个第一交通标线点云区域对应的交通标线点云集合也就是第一交通标线点云数据集合。
步骤4，根据预设的第一反射率阈值对各个第一交通标线点云数据集合进行埋地灯点云数据识别处理，并对识别出的埋地灯点云数据进行聚类处理从而得到多个第一埋地灯点云数据集合；
这里，由埋地灯的原理我们可知埋地灯体的反射率是较高的，否则不能起到提示的作用，所以预设的第一反射率阈值也是一个较高的反射率阈值，该阈值会大于正常路面的反射率、也会大于普通障碍物的反射率；基于该特征设置第一反射率阈值可从各个第一交通标线点云数据集合中识别出与埋地灯相关的点云构成第一埋地灯点云数据集合；
具体包括：步骤41，在第一交通标线点云数据集合中，将第一点云反射率数据不低于第一反射率阈值的第一点云数据，作为识别出的第一埋地灯点云数据；
这里，首先从第一交通标线点云数据集合中选择点云反射率也就是第一点云反射率数据不低于第一反射率阈值的第一点云数据作为埋地灯点云也就是第一埋地灯点云数据；
步骤42，在第一交通标线点云数据集合中，采用欧式聚类算法对识别出的所有第一埋地灯点云数据进行聚类处理，得到多个第一埋地灯点云数据集合。
这里，在交通标线上存在一个或多个埋地灯，相邻埋地灯之间存在一定的安装间距，并且该安装间距远大于埋地灯的尺寸；基于这个特征，本发明实施例选用欧式聚类算法也就是欧式距离聚类方式对所有埋地灯点云也就是所有第一埋地灯点云数据进行聚类；欧式聚类算法为公知算法，这里不做进一步赘述，用于聚类的最大聚类距离阈值可根据已知的埋地灯尺寸参数等实际情况进行设定；完成聚类后可以得到多个聚类点云集合，每个聚类点云集合也就是第一埋地灯点云数据集合对应一个埋地灯。
步骤5，根据预设的第一埋地灯参数阈值组对各个第一埋地灯点云数据集合进行埋地灯点云数据去噪处理，生成对应的第二埋地灯点云数据集合；
其中，第一埋地灯参数阈值组包括第一埋地灯安装高度阈值和第一埋地灯形状尺寸阈值组；
这里，第一埋地灯参数阈值组由已知的埋地灯的安装高度阈值也就是第一埋地灯安装高度阈值、形状信息+尺寸阈值信息也就是第一埋地灯形状尺寸阈值组组成，形状信息包括多种几何形状类型，尺寸阈值信息则是对应形状信息的具体几何形状尺寸阈值；本发明实施例根据第一埋地灯参数阈值组对每个第一埋地灯点云数据集合中不属于埋地灯点云的噪声点云进行识别和过滤，以期达到更准确的埋地灯点云定位效果；
具体包括：步骤51，根据第一埋地灯参数阈值组的第一埋地灯安装高度阈值对第一埋地灯点云数据集合进行第一去噪处理，将距离路面高度超过第一埋地灯安装高度阈值要求的第一点云数据从第一埋地灯点云数据集合中删除；
这里，在进行第一去噪处理时，是将第一埋地灯点云数据集合中距离路面高度超过已知的第一埋地灯安装高度阈值的点云视为不属于埋地灯点云的噪声点云并将其进行过滤；实现该过滤的方式有多种，本发明实施给出其中一种具体实施方式的步骤如下所示：
步骤511，对与当前第一埋地灯点云数据集合对应的第一交通标线点云数据集合进行交通标线边缘点云识别，得到由多个标记为交通标线边缘点云数据的第一点云数据组成的对应的第一边缘点云数据集合；
这里，本发明实施例基于先验地图也就是第一地图中与各个第一交通标线点云数据集合对应的第一交通标线的交通标线曲率、交通标线起始位置和交通标线宽度，对第一交通标线点云数据集合进行交通标线边缘点云识别，并将识别出的第一点云数据标记为交通标线边缘点云数据，并由得到的多个交通标线边缘点云数据组成第一边缘点云数据集合；第一边缘点云数据集合实际就是位于第一交通标线边沿上的点云数据集合；
步骤512，根据第一边缘点云数据集合中所有第一点云数据的第一点云坐标数据的高度坐标值的变化状态判断对应路面的平坦状态；
具体的：若第一边缘点云数据集合中所有第一点云数据的高度坐标值全一致则认定对应路面的平坦状态为平坦状态；若第一边缘点云数据集合中所有第一点云数据的高度坐标值不全一致，则对第一边缘点云数据集合中任意两个第一点云数据的高度坐标值进行差值计算生成对应的第一数据对差值，并对超出预设细微高度差范围的第一数据对差值的数量进行统计生成第一统计数量，若第一统计数量未超出预设的数量阈值则认定对应路面的平坦状态为平坦状态，若第一统计数量超出预设的数量阈值则认定对应路面的平坦状态为不平坦状态；
这里，根据第一边缘点云数据集合中第一点云数据的高度坐标值的波动情况来区分对应的交通标线所在路面的平坦状况，若没有波动或波动细微则视为平坦，否则视为不平坦；
步骤513，根据对应路面的平坦状态和第一边缘点云数据集合，计算出与当前第一埋地灯点云数据集合对应的路面基准高度值；
具体的：步骤5131，当对应路面的平坦状态为平坦状态时，对第一边缘点云数据集合中所有第一点云数据的高度坐标值进行均值计算，并将计算结果作为对应的路面基准高度值；
这里，对应路面的平坦状态为平坦状态，意味着对应的交通标线所在路面没有明显的高低起伏，那么对第一边缘点云数据集合中所有第一点云数据的高度坐标值取平均值就能得到误差较小的路面基准高度值；
步骤5132，当对应路面的平坦状态为不平坦状态时，从第一边缘点云数据集合中提取与当前第一埋地灯点云数据集合相邻的多个第一点云数据组成对应的分段边缘点云数据集合，并对分段边缘点云数据集合中所有第一点云数据的高度坐标值做均值计算，并将计算结果作为对应的路面基准高度值；
这里，对应路面的平坦状态为不平坦状态，意味着对应的交通标线所在路面存在较为明显的分段高低起伏，若仍旧对整个第一边缘点云数据集合做高度坐标均值计算，可能会导致路面基准高度值出现较大误差；因为与埋地灯相邻的边缘点所在路面高度值不会与埋地灯所在路面高度值存在太大差异，所以本发明实施例在路面的平坦状态为不平坦状态时采取对第一边缘点云数据集合进行分段的方式提高计算精度；分段原则为以各个第一埋地灯点云数据集合为参照从第一边缘点云数据集合中提取与第一埋地灯点云数据集合相邻的多个第一点云数据组成对应的分段边缘点云数据集合，这里每个第一埋地灯点云数据集合对应一个分段边缘点云数据集合；在得第一埋地灯点云数据集合对应的分段边缘点云数据集合之后，再对该分段边缘点云数据集合中所有第一点云数据的高度坐标值取平均值就能得到与各个第一埋地灯点云数据集合对应的精度更高的路面基准高度值；
步骤514，在当前第一埋地灯点云数据集合中，计算各个第一点云数据的第一点云坐标数据的高度坐标值与路面基准高度值的高度差，生成对应的第一埋地灯点云高度值；并将第一埋地灯点云高度值超过第一埋地灯安装高度阈值的第一点云数据删除；
步骤52，根据第一埋地灯参数阈值组的第一埋地灯形状尺寸阈值组对第一埋地灯点云数据集合进行第二去噪处理，将处于埋地灯形状之外的多个第一点云数据从第一埋地灯点云数据集合中删除；
这里，在进行第二去噪处理时，是根据埋地灯的具体形状和尺寸信息也就是第一埋地灯形状尺寸阈值组对第一埋地灯点云数据集合进行埋地灯形状点元数据识别，将处于埋地灯形状内部和边缘的第一点云数据均标记为形状点元数据；完成埋地灯形状点元数据识别之后，通过将未被标记为形状点元数据的第一点云数据从第一埋地灯点云数据集合中删除来消除不属于埋地灯点云的噪声点云；
步骤53，将完成去噪处理的第一埋地灯点云数据集合作为对应的第二埋地灯点云数据集合。
步骤6，在第一点云数据集合中，将位于各个第二埋地灯点云数据集合上方指定范围内的所有第一点云数据，作为对应的第一上方点云数据集合。
这里，因为埋地灯上表面有很强的反射能力，会对其上方空间的点云反射率造成噪声干扰，从而使得无人驾驶系统对埋地灯上方空间的障碍物识别发生偏差甚至错误；要消除由埋地灯造成的噪声干扰，就需要对处于其上方的相邻环境点云集合进行埋地灯噪声点云识别和降噪。当前步骤就是对其上方的相邻环境点云集合进行定位的操作步骤，定位时设定的上方指定范围具体为第二埋地灯点云数据集合上方的一个柱状结构，该柱状结构的最小高度坐标为第二埋地灯点云数据集合中最高的高度坐标值Z，该柱状结构的最大高度坐标为Z+预设的上方高度间隔阈值H，该柱状结构的横截面形状参考第一埋地灯参数阈值组的第一埋地灯形状尺寸阈值组进行构建。
步骤7，根据预设的第二反射率阈值，对各个第一上方点云数据集合进行疑似噪声点云标记处理，得到对应的第一标记点云数据集合；
其中，第二反射率阈值小于第一反射率阈值；第一标记点云数据集合包括多个标记为疑似噪声点云数据的第一点云数据；
具体包括：将各个第一上方点云数据集合中，第一点云反射率数据低于第二反射率阈值的第一点云数据标记为疑似噪声点云数据；并由所有标记为疑似噪声点云数据的第一点云数据组成对应的第一标记点云数据集合。
这里，第二反射率阈值为预先设定的用于标识噪声反射率参考阈值的系统参数，因为埋地灯噪声点云的反射率通常都较低，所以第二反射率阈值远低于第一反射率阈值。但低于该阈值的第一点云数据并不一定就是埋地灯噪声点云，埋地灯噪声点云还具有空间分布比较离散这一特点，所以在得到第一标记点云数据集合之后，还需通过后续步骤进行进一步的确认。
步骤8，对各个第一标记点云数据集合，按点云数据空间分布状况进行噪声点云确认标记处理，得到对应的第二标记点云数据集合；
其中，第二标记点云数据集合包括多个标记为确认噪声点云数据的第一点云数据；
具体包括：对各个第一标记点云数据集合中任一第一点云数据与其他第一点云数据的平均间距进行计算，生成对应的第一平均间距数据；并将第一平均间距数据超过预设间距阈值的第一点云数据标记为确认噪声点云数据；并由所有标记为确认噪声点云数据的第一点云数据组成对应的第二标记点云数据集合。
这里，埋地灯噪声点云的空间分布特点是数量少、且呈离散的空间分布状态，所以本发明实施例通过计算各个第一点云数据与其他所有第一点云数据的平均间距来对各个第一点云数据进行埋地灯噪声点云确认；若对应的第一平均间距数据超过预设间距阈值说明当前第一点云数据与其他点云间距较大，是第一标记点云数据集合中一个离散点云，符合埋地灯噪声点云特征可被确认为噪声点云数据。
步骤9，将所有第二标记点云数据集合的所有第一点云数据，从第一点云数据集合中滤除。
图2为本发明实施例二提供的一种过滤埋地灯噪声点云的处理装置的模块结构图，该装置为实现前述方法实施例的终端设备或者服务器，也可以为能够使得前述终端设备或者服务器实现前述方法实施例的装置，例如该装置可以是前述终端设备或者服务器的装置或芯片系统。如图2所示，该装置包括：点云获取模块101、地图获取模块102、埋地灯点云处理模块103和埋地灯噪声点云处理模块104。
点云获取模块101用于获取激光雷达对指定环境进行扫描产生的点云数据集合，作为对应的第一点云数据集合；第一点云数据集合包括多个第一点云数据。
地图获取模块102用于获取与指定环境匹配的先验地图作为第一地图；第一地图包括多个第一交通标线。
埋地灯点云处理模块103用于将第一点云数据集合中与各个第一交通标线匹配的多个第一点云数据组成对应的第一交通标线点云数据集合；并根据预设的第一反射率阈值对各个第一交通标线点云数据集合进行埋地灯点云数据识别处理，并对识别出的埋地灯点云数据进行聚类处理从而得到多个第一埋地灯点云数据集合；并根据预设的第一埋地灯参数阈值组对各个第一埋地灯点云数据集合进行埋地灯点云数据去噪处理，生成对应的第二埋地灯点云数据集合。
埋地灯噪声点云处理模块104用于在第一点云数据集合中，将位于各个第二埋地灯点云数据集合上方指定范围内的所有第一点云数据，作为对应的第一上方点云数据集合；并根据预设的第二反射率阈值，对各个第一上方点云数据集合进行疑似噪声点云标记处理，得到对应的第一标记点云数据集合，其中，第一标记点云数据集合包括多个标记为疑似噪声点云数据的第一点云数据；并对各个第一标记点云数据集合，按点云数据空间分布状况进行噪声点云确认标记处理，得到对应的第二标记点云数据集合，其中，第二标记点云数据集合包括多个标记为确认噪声点云数据的第一点云数据；并将所有第二标记点云数据集合的所有第一点云数据，从第一点云数据集合中滤除。
本发明实施例提供的一种过滤埋地灯噪声点云的处理装置，可以执行上述方法实施例中的方法步骤，其实现原理和技术效果类似，在此不再赘述。
需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，点云获取模块可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上确定模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所描述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，ASIC)，或，一个或多个数字信号处理器(Digital Signal Processor，DSP)，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(CentralProcessing Unit，CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(System-on-a-chip，SOC)的形式实现。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时，全部或部分地产生按照前述方法实施例所描述的流程或功能。上述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。上述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，上述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线路((Digital Subscriber Line，DSL))或无线(例如红外、无线、蓝牙、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。上述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。上述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。
图3为本发明实施例三提供的一种电子设备的结构示意图。该电子设备可以为前述的终端设备或者服务器，也可以为与前述终端设备或者服务器连接的实现本发明实施例方法的终端设备或服务器。如图3所示，该电子设备可以包括：处理器301(例如CPU)、存储器302、收发器303；收发器303耦合至处理器301，处理器301控制收发器303的收发动作。存储器302中可以存储各种指令，以用于完成各种处理功能以及实现前述方法实施例描述的处理步骤。优选的，本发明实施例涉及的电子设备还包括：电源304、系统总线305以及通信端口306。系统总线305用于实现元件之间的通信连接。上述通信端口306用于电子设备与其他外设之间进行连接通信。
在图3中提到的系统总线305可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该系统总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(Random Access Memory，RAM)，也可能还包括非易失性存储器(Non-Volatile Memory)，例如至少一个磁盘存储器。
上述的处理器可以是通用处理器，包括中央处理器CPU、网络处理器(NetworkProcessor，NP)、图形处理器(Graphics Processing Unit，GPU)等；还可以是数字信号处理器DSP、专用集成电路ASIC、现场可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
需要说明的是，本发明实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中提供的方法和处理过程。
本发明实施例还提供一种运行指令的芯片，该芯片用于执行前述方法实施例描述的处理步骤。
本发明实施例提供了一种过滤埋地灯噪声点云的处理方法、装置、电子设备及计算机可读存储介质，以与环境点云匹配的先验地图的预标交通标线作为位置参考，从激光雷达扫描的环境点云集合中提取出与各个交通标线匹配的点云数据构成对应的交通标线点云集合；再根据点云反射率从交通标线点云集合中提取出与埋地灯目标对象有关的点云数据构成对应的埋地灯点云集合；再根据先验的埋地灯安装高度、形状尺寸等信息对各个埋地灯点云集合进行降噪以期达到更准确的埋地灯点云定位；再提取位于各个降噪后埋地灯点云集合上方指定范围内的点云数据作为疑似噪声点云；再根据点云反射率、点云空间分布的离散状况对疑似噪声点云进行进一步的噪声点云确认；最后，从环境点云集合中将所有确认的噪声点云滤除，从而达到清除埋地灯噪声点云的目的。通过本发明，可以有效地清除埋地灯噪声点云，提高无人驾驶系统对道路障碍物识别的准确度，保障车辆正常通行。
专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种过滤埋地灯噪声点云的处理方法，其特征在于，所述方法包括：
获取激光雷达对指定环境进行扫描产生的点云数据集合，作为对应的第一点云数据集合；所述第一点云数据集合包括多个第一点云数据；
获取与所述指定环境匹配的先验地图作为第一地图；所述第一地图包括多个第一交通标线；
将所述第一点云数据集合中与各个所述第一交通标线匹配的多个所述第一点云数据组成对应的第一交通标线点云数据集合；
根据预设的第一反射率阈值对各个所述第一交通标线点云数据集合进行埋地灯点云数据识别处理，并对识别出的埋地灯点云数据进行聚类处理从而得到多个第一埋地灯点云数据集合；
根据预设的第一埋地灯参数阈值组对各个所述第一埋地灯点云数据集合进行埋地灯点云数据去噪处理，生成对应的第二埋地灯点云数据集合；
在所述第一点云数据集合中，将位于各个所述第二埋地灯点云数据集合上方指定范围内的所有所述第一点云数据，作为对应的第一上方点云数据集合；
根据预设的第二反射率阈值，对各个所述第一上方点云数据集合进行疑似噪声点云标记处理，得到对应的第一标记点云数据集合；所述第一标记点云数据集合包括多个标记为疑似噪声点云数据的所述第一点云数据；
对各个所述第一标记点云数据集合，按点云数据空间分布状况进行噪声点云确认标记处理，得到对应的第二标记点云数据集合；所述第二标记点云数据集合包括多个标记为确认噪声点云数据的所述第一点云数据；
将所有所述第二标记点云数据集合的所有所述第一点云数据，从所述第一点云数据集合中滤除。
2.根据权利要求1所述的过滤埋地灯噪声点云的处理方法，其特征在于，
所述第一点云数据包括第一点云坐标数据和第一点云反射率数据；
所述第一埋地灯参数阈值组包括第一埋地灯安装高度阈值和第一埋地灯形状尺寸阈值组；
所述第二反射率阈值小于所述第一反射率阈值。
3.根据权利要求2所述的过滤埋地灯噪声点云的处理方法，其特征在于，所述将所述第一点云数据集合中与各个所述第一交通标线匹配的多个所述第一点云数据组成对应的第一交通标线点云数据集合，具体包括：
将所述第一地图中与各个所述第一交通标线匹配的地图区域记为对应的第一交通标线地图区域；
根据在所述第一地图的地图坐标系中所述激光雷达与各个所述第一交通标线地图区域的相对位置关系，在以所述激光雷达为原点的点云空间坐标系中对与各个所述第一交通标线地图区域匹配的点云区域进行标记处理，从而得到多个第一交通标线点云区域；
将所述第一点云数据集合中所述第一点云坐标数据位于同一个所述第一交通标线点云区域的所述第一点云数据，纳入同一个点云数据集合组成对应的所述第一交通标线点云数据集合。
4.根据权利要求2所述的过滤埋地灯噪声点云的处理方法，其特征在于，所述根据预设的第一反射率阈值对各个所述第一交通标线点云数据集合进行埋地灯点云数据识别处理，并对识别出的埋地灯点云数据进行聚类处理从而得到多个第一埋地灯点云数据集合，具体包括：
在所述第一交通标线点云数据集合中，将所述第一点云反射率数据不低于所述第一反射率阈值的所述第一点云数据，作为识别出的第一埋地灯点云数据；
在所述第一交通标线点云数据集合中，采用欧式聚类算法对识别出的所有所述第一埋地灯点云数据进行聚类处理，得到多个所述第一埋地灯点云数据集合。
5.根据权利要求2所述的过滤埋地灯噪声点云的处理方法，其特征在于，所述根据预设的第一埋地灯参数阈值组对各个所述第一埋地灯点云数据集合进行埋地灯点云数据去噪处理，生成对应的第二埋地灯点云数据集合，具体包括：
根据所述第一埋地灯参数阈值组的所述第一埋地灯安装高度阈值对所述第一埋地灯点云数据集合进行第一去噪处理，将距离路面高度超过所述第一埋地灯安装高度阈值要求的所述第一点云数据从所述第一埋地灯点云数据集合中删除；
根据所述第一埋地灯参数阈值组的所述第一埋地灯形状尺寸阈值组对所述第一埋地灯点云数据集合进行第二去噪处理，将处于埋地灯形状之外的多个所述第一点云数据从所述第一埋地灯点云数据集合中删除；
将完成去噪处理的所述第一埋地灯点云数据集合作为对应的所述第二埋地灯点云数据集合。
6.根据权利要求2所述的过滤埋地灯噪声点云的处理方法，其特征在于，所述根据预设的第二反射率阈值，对各个所述第一上方点云数据集合进行疑似噪声点云标记处理，得到对应的第一标记点云数据集合，具体包括：
将各个所述第一上方点云数据集合中，所述第一点云反射率数据低于所述第二反射率阈值的所述第一点云数据标记为所述疑似噪声点云数据；并由所有标记为所述疑似噪声点云数据的所述第一点云数据组成对应的所述第一标记点云数据集合。
7.根据权利要求2所述的过滤埋地灯噪声点云的处理方法，其特征在于，所述对各个所述第一标记点云数据集合，按点云数据空间分布状况进行噪声点云确认标记处理，得到对应的第二标记点云数据集合，具体包括：
对各个所述第一标记点云数据集合中任一所述第一点云数据与其他所述第一点云数据的平均间距进行计算，生成对应的第一平均间距数据；并将所述第一平均间距数据超过预设间距阈值的所述第一点云数据标记为所述确认噪声点云数据；并由所有标记为所述确认噪声点云数据的所述第一点云数据组成对应的所述第二标记点云数据集合。
8.一种用于执行权利要求1-7任一项所述的过滤埋地灯噪声点云的处理方法的装置，其特征在于，所述装置包括：点云获取模块、地图获取模块、埋地灯点云处理模块和埋地灯噪声点云处理模块；
所述点云获取模块用于获取激光雷达对指定环境进行扫描产生的点云数据集合，作为对应的第一点云数据集合；所述第一点云数据集合包括多个第一点云数据；
所述地图获取模块用于获取与所述指定环境匹配的先验地图作为第一地图；所述第一地图包括多个第一交通标线；
所述埋地灯点云处理模块用于将所述第一点云数据集合中与各个所述第一交通标线匹配的多个所述第一点云数据组成对应的第一交通标线点云数据集合；并根据预设的第一反射率阈值对各个所述第一交通标线点云数据集合进行埋地灯点云数据识别处理，并对识别出的埋地灯点云数据进行聚类处理从而得到多个第一埋地灯点云数据集合；并根据预设的第一埋地灯参数阈值组对各个所述第一埋地灯点云数据集合进行埋地灯点云数据去噪处理，生成对应的第二埋地灯点云数据集合；
所述埋地灯噪声点云处理模块用于在所述第一点云数据集合中，将位于各个所述第二埋地灯点云数据集合上方指定范围内的所有所述第一点云数据，作为对应的第一上方点云数据集合；并根据预设的第二反射率阈值，对各个所述第一上方点云数据集合进行疑似噪声点云标记处理，得到对应的第一标记点云数据集合，其中，所述第一标记点云数据集合包括多个标记为疑似噪声点云数据的所述第一点云数据；并对各个所述第一标记点云数据集合，按点云数据空间分布状况进行噪声点云确认标记处理，得到对应的第二标记点云数据集合，其中，所述第二标记点云数据集合包括多个标记为确认噪声点云数据的所述第一点云数据；并将所有所述第二标记点云数据集合的所有所述第一点云数据，从所述第一点云数据集合中滤除。
9.一种电子设备，其特征在于，包括：存储器、处理器和收发器；
所述处理器用于与所述存储器耦合，读取并执行所述存储器中的指令，以实现权利要求1-7任一项所述的方法步骤；
所述收发器与所述处理器耦合，由所述处理器控制所述收发器进行消息收发。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，当所述计算机指令被计算机执行时，使得所述计算机执行权利要求1-7任一项所述的方法的指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111222690.1A CN113960572B (zh) | 2021-10-20 | 2021-10-20 | 一种过滤埋地灯噪声点云的处理方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111222690.1A CN113960572B (zh) | 2021-10-20 | 2021-10-20 | 一种过滤埋地灯噪声点云的处理方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113960572A true CN113960572A (zh) | 2022-01-21 |
| CN113960572B CN113960572B (zh) | 2024-05-03 |
Family
ID=79465078
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111222690.1A Active CN113960572B (zh) | 2021-10-20 | 2021-10-20 | 一种过滤埋地灯噪声点云的处理方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113960572B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106845321A (zh) * | 2015-12-03 | 2017-06-13 | 高德软件有限公司 | 路面标记信息的处理方法和装置 |
| WO2018049998A1 (zh) * | 2016-09-13 | 2018-03-22 | 腾讯科技（深圳）有限公司 | 交通标志牌信息获取方法及装置 |
| WO2018133851A1 (zh) * | 2017-01-22 | 2018-07-26 | 腾讯科技（深圳）有限公司 | 一种点云数据处理方法、装置及计算机存储介质 |
| CN110109142A (zh) * | 2019-04-04 | 2019-08-09 | 深圳市速腾聚创科技有限公司 | 点云滤波方法、装置、计算机设备和存储介质 |
| US20210003684A1 (en) * | 2019-07-05 | 2021-01-07 | DeepMap Inc. | Online sensor calibration for autonomous vehicles |
| DE102019214628A1 (de) * | 2019-09-25 | 2021-03-25 | Zf Friedrichshafen Ag | Validierung von Umfelderfassung mittels Satelitenbildern und SAR-Radardaten |
| CN113409376A (zh) * | 2021-06-18 | 2021-09-17 | 北京轻舟智航科技有限公司 | 一种基于相机的深度估计进行激光雷达点云过滤的方法 |
-
2021
- 2021-10-20 CN CN202111222690.1A patent/CN113960572B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106845321A (zh) * | 2015-12-03 | 2017-06-13 | 高德软件有限公司 | 路面标记信息的处理方法和装置 |
| WO2018049998A1 (zh) * | 2016-09-13 | 2018-03-22 | 腾讯科技（深圳）有限公司 | 交通标志牌信息获取方法及装置 |
| WO2018133851A1 (zh) * | 2017-01-22 | 2018-07-26 | 腾讯科技（深圳）有限公司 | 一种点云数据处理方法、装置及计算机存储介质 |
| CN110109142A (zh) * | 2019-04-04 | 2019-08-09 | 深圳市速腾聚创科技有限公司 | 点云滤波方法、装置、计算机设备和存储介质 |
| US20210003684A1 (en) * | 2019-07-05 | 2021-01-07 | DeepMap Inc. | Online sensor calibration for autonomous vehicles |
| DE102019214628A1 (de) * | 2019-09-25 | 2021-03-25 | Zf Friedrichshafen Ag | Validierung von Umfelderfassung mittels Satelitenbildern und SAR-Radardaten |
| CN113409376A (zh) * | 2021-06-18 | 2021-09-17 | 北京轻舟智航科技有限公司 | 一种基于相机的深度估计进行激光雷达点云过滤的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113960572B (zh) | 2024-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109858460B (zh) | 一种基于三维激光雷达的车道线检测方法 | |
| US11506769B2 (en) | Method and device for detecting precision of internal parameter of laser radar | |
| CN106951879B (zh) | 基于摄像头与毫米波雷达的多特征融合车辆检测方法 | |
| CN112213725B (zh) | 车载雷达的多径虚警抑制方法、装置及终端设备 | |
| CN111712731A (zh) | 目标检测方法、系统及可移动平台 | |
| CN112513679B (zh) | 一种目标识别的方法和装置 | |
| CN109188382B (zh) | 一种基于毫米波雷达的目标识别方法 | |
| CN108859952B (zh) | 车辆变道预警方法、装置和雷达 | |
| CN108052921B (zh) | 一种车道线检测方法、装置及终端 | |
| CN115273018A (zh) | 障碍物识别方法、装置及电子设备 | |
| CN113325388A (zh) | 一种自动驾驶中激光雷达泛光噪点的过滤方法和装置 | |
| CN111126211B (zh) | 标牌识别方法和装置、电子设备 | |
| CN108693517B (zh) | 车辆定位方法、装置和雷达 | |
| CN116520353A (zh) | 基于激光点云的地面检测方法、装置、存储介质及设备 | |
| CN113960572A (zh) | 一种过滤埋地灯噪声点云的处理方法和装置 | |
| CN116310317A (zh) | 面向点云目标包围框拟合的异形大目标点云切割方法 | |
| CN116486130A (zh) | 障碍物识别的方法、装置、自移动设备及存储介质 | |
| CN111275715A (zh) | 点云分割方法、装置、电子设备、存储介质和机器人 | |
| CN115457506A (zh) | 一种目标检测方法、装置及存储介质 | |
| CN112906519B (zh) | 一种车辆类型识别方法及装置 | |
| CN114638848A (zh) | 车道边缘线变化的检测方法、装置、设备及存储介质 | |
| CN113920351A (zh) | 一种落叶目标点云的识别方法和装置 | |
| CN113514825A (zh) | 道路边缘的获取方法、装置和终端设备 | |
| CN114910881A (zh) | 一种负障碍物检测方法及其装置、车辆 | |
| CN117496165B (zh) | 雨雪噪点过滤方法、装置、电子设备及存储介质 |
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 |