CN114332257A - 处理点云数据的方法、装置、系统和计算可读存储介质 - Google Patents

Abstract

本申请涉及一种处理点云数据的方法、装置、系统和计算可读存储介质。该方法包括：获取激光雷达采集的点云数据，其中，点云数据包括云点携带的深度信息和反射率信息；将云点携带的深度信息和反射率信息变换为图像数据；对图像数据进行压缩，得到图像压缩数据后保存。本申请提供的方案能够在不增加硬件成本的前提下，降低点云数据对内存的消耗。

Description

处理点云数据的方法、装置、系统和计算可读存储介质

技术领域

本申请涉及智能驾驶领域，尤其涉及处理点云数据的方法、系统和计算可读存储介质。

背景技术

激光雷达是智能车辆的重要设备，通过激光雷达采集的数据被称为点云数据。由于智能驾驶对数据可靠性要求异常苛刻，激光雷达采集的点云数据通常是千万的数量级。海量的点云数据意味着对激光雷达的内存的巨大消耗。相关技术中，主要通过增大激光雷达的内存解决点云数据占用内存大这一矛盾。上述通过增大激光雷达的内存，虽然彰显了点云数据占用内存小，即点云数据占用内存与激光雷达内存比例变小，然而，这种方法不仅没有改变点云数据对内存的实际消耗仍然较大的事实，而且导致硬件成本的增加，制约了激光雷达在智能车辆的应用。

发明内容

为解决或部分解决相关技术中存在的问题，本申请提供一种处理点云数据的方法、装置、系统和计算可读存储介质，在不增加硬件成本的前提下，降低点云数据对内存的消耗。

本申请第一方面提供一种处理点云数据的方法，包括：

获取激光雷达采集的点云数据，所述点云数据包括云点携带的深度信息和反射率信息；

将所述云点携带的深度信息和反射率信息变换为图像数据；

对所述图像数据进行压缩，得到图像压缩数据后保存。

本申请第二方面提供一种处理点云数据的装置，包括：

获取模块，用于获取激光雷达采集的点云数据，所述点云数据包括云点携带的深度信息和反射率信息；

变换模块，用于将所述云点携带的深度信息和反射率信息变换为图像数据；

压缩模块，用于对所述图像数据进行压缩，得到图像压缩数据后保存。

本申请第三方面提供一种车辆，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。

本申请第四方面提供一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。

本申请提供的技术方案可以包括以下有益效果：通过对点云数据中的深度信息和反射率信息等关键信息转换为图像数据，再对图像数据进行压缩后保存。由于压缩后的图像数据，相对于压缩之前的原始的点云数据而言，尺寸显著减小，从而在保存时只需占用较小的存储空间，后续需要点云数据时对保存的图像压缩数据进行逆变换，还原得到点云数据。因此，相比于相关技术，本申请的技术方案在不增加硬件成本的前提下，不仅不影响对点云数据的使用，而且节省了点云数据对内存的占用，提升了开发效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

通过结合附图对本申请示例性实施方式进行更详细地描述，本申请的上述以及其它目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。

图1是本申请实施例示出的处理点云数据的方法的流程示意图；

图2是本申请实施例示出的处理点云数据的装置的结构示意图；

图3是本申请实施例示出的车辆的结构示意图。

具体实施方式

下面将参照附图更详细地描述本申请的实施方式。虽然附图中显示了本申请的实施方式，然而应该理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在汽车电子领域，由于智能驾驶对数据可靠性要求异常苛刻，激光雷达采集的点云数据通常是千万的数量级。海量的点云数据意味着对激光雷达的内存的巨大消耗。相关技术主要通过增大激光雷达的内存解决点云数据占用内存大这一矛盾。上述通过增大激光雷达的内存，虽然彰显了点云数据占用内存小，然而，这种方法不仅没有改变点云数据对内存的实际消耗大的事实，而且导致硬件成本的增加，制约了激光雷达在智能车辆的应用。

针对上述问题，本申请实施例提供一种处理点云数据的方法，能够在不增加硬件成本的前提下，降低点云数据对内存的消耗。

以下结合附图详细描述本申请实施例的技术方案。

参见图1，是本申请实施例示出的处理点云数据的方法的流程示意图，主要包括步骤S101至步骤S103，说明如下：

步骤S101：获取激光雷达采集的点云数据，其中，点云数据包括云点携带的深度信息和反射率信息。

在本申请实施例中，可通过激光雷达官方提供的软件开发工具包(SDK，SoftwareDevelopment Kit)，调用其中的应用程序编程接口(Application ProgrammingInterface，API)等方式，获取激光雷达采集的点云数据，其中主要包括云点携带的深度信息和反射率信息等点云数据的关键信息，除此之外，还可以通过调用SDK提供的API，获取每一云点的时间戳等信息。

步骤S102：将云点携带的深度信息和反射率信息变换为图像数据。

具体地，作为本申请一个实施例，将云点携带的深度信息和反射率信息变换为图像数据可以通过步骤S1021至步骤S1023实现，说明如下：

步骤S1021：将云点携带的深度信息和反射率信息分别编码为对应的深度矩阵和反射率矩阵。

考虑到点云携带的深度信息、反射率信息与激光通道的绑定关系，例如，一帧激光雷达采集的点云数据是由n个点云块(block)组成，其中，n为激光雷达的通道数(一般可以是512、1024或2048等)，而这些点云块中包含了每个云点对应的深度信息、反射率信息和时间戳等信息。因此，在本申请一个实施例中，可以将云点携带的深度信息编码为m*n阶的深度矩阵，将云点携带的反射率信息编码为m*n阶的反射率矩阵，其中，m为激光雷达的线束数，n为激光雷达的通道数。

步骤S1022：将深度矩阵的元素编码为RGB图像的第一通道数据和第二通道数据。

对于单帧RGB图像，其中的R、G和B通道的像素范围在0～255之间。然而，由深度信息编码得到的深度矩阵，其中的元素远远大于255，因此，可以将每个深度矩阵的元素编码为RGB图像中一个像素的第一通道数据和第二通道数据，具体而言，可以将每个深度矩阵的元素的低8位数值对8求模或取数，得到RGB图像中一个像素的第一通道数据，将每个深度矩阵的元素的高8位数值对8求模或取数，得到RGB图像中一个像素的第二通道数据。

步骤S1023：将反射率矩阵的元素编码为RGB图像的第三通道数据。

与由深度信息编码得到的深度矩阵不同，由于由深度信息编码得到的反射率矩阵，其中的元素一般不会大于255，因此，可以将反射率矩阵每个元素直接编码作为RGB图像中一个像素的第三通道数据。

步骤S103：对经步骤S102得到的图像数据进行压缩，得到图像压缩数据后保存。

在本申请实施例中，为了在后续将图像压缩数据完全还原为点云数据，作为本申请一个实施例，对经步骤S102得到的图像数据进行压缩，得到图像压缩数据后保存可以是：采用无损压缩算法对经步骤S102得到的图像数据进行压缩，得到图像压缩数据后保存。具体可以采用官方提供的库opencv，调用其中的cv.VideoWriter这一库函数，设置无损写入格式(‘p’，‘n’，‘g’，‘’)，实现对经步骤S102得到的图像数据进行无损压缩。具体的无损压缩算法可以是Deflate压缩算法、ABO布落格压缩算法、LZW压缩算法、ZIP压缩算法、RAR压缩算法或算术编码压缩算法中的任何一种或者结合。

尽管上述采用无损压缩算法对经步骤S102得到的图像数据进行压缩，可以将图像压缩数据完全还原为点云数据，然而，这种方式是以牺牲某些方面为代价的，例如，配备高品质的硬件、复杂的算法等等；进一步地，不是每个应用场景下都需要采用无损压缩算法对经步骤S102得到的图像数据进行压缩，或者，不是对经步骤S102得到的图像数据中每个部分都需要采用无损压缩算法，因此，作为本申请另一实施例，对经步骤S102得到的图像数据进行压缩，得到图像压缩数据后保存还可以是：对图像数据进行图像块的划分，得到n个图像块；按照n个图像块中每个图像块的属性，使用相应的无损压缩算法或有损压缩算法对n个图像块进行压缩，得到图像压缩数据后保存，其中，n为大于1的整数。

作为本申请一个实施例，上述按照n个图像块中每个图像块的属性，使用相应的无损压缩算法或有损压缩算法对n个图像块进行压缩，得到图像压缩数据后保存可以通过步骤S11至步骤S14实现，详细说明如下：

步骤S11：获取n个图像块中每个图像块的坐标。

由于每个图像块中的像素在像素坐标系下的坐标(u，v)是已知的，因此，可以根据每个图像块中的像素在像素坐标系下的坐标(u，v)，求取n个图像块中每个图像块的坐标，例如，求取每个图像块的中心像素的坐标作为每个图像块的坐标，或者，求取每个图像块所有像素的坐标的均值作为每个图像块的坐标。

步骤S12：根据n个图像块中每个图像块的坐标，确定n个图像块中属于无损压缩或有损压缩的区域。

如前所述，对于图像数据，并非每个区域的信息都有用，或者，并非每个区域的信息的价值一样，例如，对于目标识别，人脸图像就比其他部位的图像的信息价值大，或者，人脸图像中关键部位(眼睛、鼻子和嘴巴等)的信息的价值就大于非关键部位的信息；又如，对于目标检测，目标的质点的信息价值就大于非质点的信息价值，等等。因此，在本申请实施例中，n个图像块中，包含的信息价值较大的图像块可以归为无损压缩的区域，包含的信息价值较小的图像块可以归为有损损压缩的区域。

步骤S13：对属于无损压缩的区域的图像块采用无损压缩算法进行压缩，对属于有损压缩的区域的图像块采用有损压缩算法进行压缩。

对属于无损压缩的区域的图像块采用无损压缩算法进行压缩，对属于有损压缩的区域的图像块采用有损压缩算法进行压缩，如此，既避免了苛刻的无损压缩算法对其他方面的牺牲，又保证了原始图像数据中重要或价值大的信息不至于丢失。

步骤S14：合并采用无损压缩算法和采用有损压缩算法的压缩结果，得到图像压缩数据后保存。

作为本申请另一实施例，上述按照n个图像块中每个图像块的属性，使用相应的无损压缩算法或有损压缩算法对n个图像块进行压缩，得到图像压缩数据后保存可以通过步骤S21至步骤S24实现，详细说明如下：

步骤S21：统计n个图像块中每个图像块包含的色彩种类数。

具体地，可以通过获取n个图像块中每个图像块对应的RGB色彩空间的图像数据的直方图信息；根据每个图像块的直方图信息，判断每个图像块的图像数据的色彩种类的数量。

步骤S22：对于色彩种类数不大于预设阈值的图像块，釆用无损压缩算法进行压缩。

具体地，可以采用Deflate压缩算法、ABO布落格压缩算法、LZW压缩算法、ZIP压缩算法、RAR压缩算法或算术编码压缩算法中的任何一种或者结合，对色彩种类数不大于预设阈值的图像块进行无损压缩。

步骤S23：对于色彩种类数大于预设阈值的图像块，釆用有损压缩算法进行压缩。

具体地，对于色彩种类数大于第一预设阈值，且小于第二预设阈值的图像块，釆用第一数字化步长的有损压缩算法进行压缩；对于色彩种类数大于或等于第二预设阈值的图像块，釆用第二数字化步长的有损压缩算法进行压缩，其中，第二预设阈值大于第二预设阈值，第二数字化步长大于第一数字化步长。

步骤S24：合并采用无损压缩算法和采用有损压缩算法的压缩结果，得到图像压缩数据后保存。

作为本申请另一实施例，上述按照n个图像块中每个图像块的属性，使用相应的无损压缩算法或有损压缩算法对n个图像块进行压缩，得到图像压缩数据后保存可以通过步骤S31至步骤S36实现，详细说明如下：

步骤S31：采用多种压缩方案对n个图像块中任意一个图像块P_b以及图像块P_b的相邻图像块进行压缩，获得对应于多种压缩方案的多个试验压缩图像块。

由于对多种压缩方案的压缩效果不明确，因此，本申请实施例中，可以采用多种压缩方案对n个图像块中任意一个图像块P_b以及图像块P_b的相邻图像块进行压缩，获得对应于多种压缩方案的多个试验压缩图像块。

步骤S32：在满足目标压缩比条件下，根据多个试验压缩图像块，判断对图像块P_b以及图像块P_b的相邻图像块进行压缩的压缩方案是否属于预设的无损压缩算法。

步骤S33：若对图像块P_b以及图像块P_b的相邻图像块进行压缩的压缩方案属于预设的无损压缩算法，则采用预设的无损压缩算法对图像块P_b以及图像块P_b的相邻图像块进行压缩，得到图像压缩数据。

若对图像块P_b以及图像块P_b的相邻图像块进行压缩的多种压缩方案中，有一种压缩方案或者全部压缩方案属于预设的无损压缩算法，则说明预设的无损压缩算法压缩效果能够达到预定目标，因此，可以采用预设的无损压缩算法对图像块P_b以及图像块P_b的相邻图像块进行压缩，得到图像压缩数据。

步骤S34：若对图像块P_b以及图像块P_b的相邻图像块进行压缩的压缩方案不属于预设的无损压缩算法，则以多个试验压缩图像块中畸变度最小的试验压缩图像块对应的压缩方案对图像块P_b以及图像块P_b的相邻图像块进行压缩，得到图像压缩数据。

若对图像块P_b以及图像块P_b的相邻图像块进行压缩的压缩方案不属于预设的无损压缩算法，则退而求其次，可以多个试验压缩图像块中畸变度最小的试验压缩图像块对应的压缩方案对图像块P_b以及图像块P_b的相邻图像块进行压缩，得到图像压缩数据。

步骤S35：保存采用预设的无损压缩算法或多个试验压缩图像块中畸变度最小的试验压缩图像块对应的压缩方案进行压缩得到的图像压缩数据。

上述实施例描述的是采用无损压缩算法或者有损压缩算法和无损压缩算法相结合的方式对图像数据进行压缩。然而，如前所述，在某些场景下，是无需对经步骤S102得到的图像数据进行无损压缩、甚至无需进行有损压缩和无损压缩相结合的方式压缩。例如，有些场景下，虽然激光雷达采集到海量的稠密点云数据，但实际应用时，可能只需要稀疏的点云数据。因此，作为本申请一个实施例，对经步骤S102得到的图像数据进行压缩，得到图像压缩数据后保存可以是采用有损压缩算法对图像数据进行压缩，得到图像压缩数据后保存。如此，后续需要点云数据时，即使通过逆变换得到的点云数据有所减少，但由于场景只需要稀疏的点云数据，因此，仍然能够满足应用。

在上述实施例中，所述方法还可以包括当需要激光雷达采集的原始点云数据时，对保存的图像压缩数据进行逆变换得到该点云数据，具体可以是解压缩保存的图像压缩数据得到图像数据，对解压缩所得图像数据进行逆变换为云点携带的深度信息和反射率信息，得到激光雷达采集的原始点云数据。

从上述图1示例的处理点云数据的方法可知，通过对点云数据中的深度信息和反射率信息等关键信息转换为图像数据，再对图像数据进行压缩后保存。由于压缩后的图像数据，相对于压缩之前的原始的点云数据而言，尺寸显著减小，从而在保存时只需占用较小的存储空间，后续需要点云数据时对保存的图像压缩数据进行逆变换，还原得到点云数据。因此，相比于相关技术，本申请的技术方案在不增加硬件成本的前提下，不仅不影响对点云数据的使用，而且节省了点云数据对内存的占用，提升了开发效率。

与前述应用功能实现方法实施例相对应，本申请还提供了一种处理点云数据的装置、车辆及相应的实施例。

图2是本申请实施例示出的处理点云数据的装置的结构示意图。为了便于说明，仅是示出了与本申请实施例相关的部分。图2示例装置主要包括获取模块201、变换模块202和压缩模块203，其中：

获取模块201，用于获取激光雷达采集的点云数据，其中，点云数据包括云点携带的深度信息和反射率信息；

变换模块202，用于将云点携带的深度信息和反射率信息变换为图像数据；

压缩模块203，用于对图像数据进行压缩，得到图像压缩数据后保存。

从上述图2示例的处理点云数据的装置可知，通过对点云数据中的深度信息和反射率信息等关键信息转换为图像数据，再对图像数据进行压缩后保存。由于压缩后的图像数据，相对于压缩之前的原始的点云数据而言，尺寸显著减小，从而在保存时只需占用较小的存储空间，后续需要点云数据时对保存的图像压缩数据进行逆变换，还原得到点云数据。因此，相比于相关技术，本申请的技术方案在不增加硬件成本的前提下，不仅不影响对点云数据的使用，而且节省了点云数据对内存的占用，提升了开发效率。

参见图3，是本申请实施例示出的车辆的结构示意图。车辆300包括存储器310和处理器320。

处理器320可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器310可以包括各种类型的存储单元，例如系统内存、只读存储器(ROM)和永久存储装置。其中，ROM可以存储处理器320或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中，永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器310可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片(例如DRAM，SRAM，SDRAM，闪存，可编程只读存储器)，磁盘和/或光盘也可以采用。在一些实施方式中，存储器310可以包括可读和/或写的可移除的存储设备，例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM，双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等)、磁性软盘等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。

存储器310上存储有可执行代码，当可执行代码被处理器320处理时，可以使处理器320执行上文述及的方法中的部分或全部。

此外，根据本申请的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。

或者，本申请还可以实施为一种计算机可读存储介质(或非暂时性机器可读存储介质或机器可读存储介质)，其上存储有可执行代码(或计算机程序或计算机指令代码)，当可执行代码(或计算机程序或计算机指令代码)被车辆(或服务器等)的处理器执行时，使处理器执行根据本申请的上述方法的各个步骤的部分或全部。

以上已经描述了本申请的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其他普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种处理点云数据的方法，其特征在于，所述方法包括：

获取激光雷达采集的点云数据，所述点云数据包括云点携带的深度信息和反射率信息；

将所述云点携带的深度信息和反射率信息变换为图像数据；

对所述图像数据进行压缩，得到图像压缩数据后保存。

2.根据权利要求1所述的处理点云数据的方法，其特征在于，所述将所述云点携带的深度信息和反射率信息变换为图像数据，包括：

将所述云点携带的深度信息和反射率信息分别编码为对应的深度矩阵和反射率矩阵；

将所述深度矩阵的元素编码为RGB图像的第一通道数据和第二通道数据；

将所述反射率矩阵的元素编码为所述RGB图像的第三通道数据。

3.根据权利要求1所述的处理点云数据的方法，其特征在于，所述对所述图像数据进行压缩，得到图像压缩数据后保存包括：采用无损压缩算法或有损压缩算法对所述图像数据进行压缩，得到图像压缩数据后保存。

4.根据权利要求1所述的处理点云数据的方法，其特征在于，所述对所述图像数据进行压缩，得到图像压缩数据后保存包括：

对所述图像数据进行图像块的划分，得到n个图像块，所述n为大于1的整数；

按照所述n个图像块中每个图像块的属性，使用相应的无损压缩算法或有损压缩算法对所述n个图像块进行压缩，得到所述图像压缩数据后保存。

5.根据权利要求4所述的处理点云数据的方法，其特征在于，所述按照所述n个图像块中每个图像块的属性，使用相应的无损压缩算法或有损压缩算法对所述n个图像块进行压缩，得到所述图像压缩数据后保存，包括：

获取所述n个图像块中每个图像块的坐标；

根据所述每个图像块的坐标，确定所述n个图像块中属于无损压缩或有损压缩的区域；

对所述属于无损压缩的区域的图像块采用无损压缩算法进行压缩，对所述属于有损压缩的区域的图像块采用有损压缩算法进行压缩；

合并所述采用无损压缩算法和采用有损压缩算法的压缩结果，得到所述图像压缩数据后保存。

6.根据权利要求4所述的处理点云数据的方法，其特征在于，所述按照所述n个图像块中每个图像块的属性，使用相应的无损压缩算法或有损压缩算法对所述n个图像块进行压缩，得到所述图像压缩数据后保存，包括：

统计所述n个图像块中每个图像块包含的色彩种类数；

对于色彩种类数不大于预设阈值的图像块，釆用无损压缩算法进行压缩；

对于色彩种类数大于所述预设阈值的图像块，釆用有损压缩算法进行压缩；

合并所述采用无损压缩算法和采用有损压缩算法的压缩结果，得到所述图像压缩数据后保存。

7.根据权利要求4所述的处理点云数据的方法，其特征在于，所述按照所述n个图像块中每个图像块的属性，使用相应的无损压缩算法或有损压缩算法对所述n个图像块进行压缩，得到所述图像压缩数据后保存，包括：

采用多种压缩方案对所述n个图像块中任意一个图像块P_b以及所述图像块P_b的相邻图像块进行压缩，获得对应于所述多种压缩方案的多个试验压缩图像块；

在满足目标压缩比条件下，根据所述多个试验压缩图像块，判断对所述图像块P_b以及所述相邻图像块进行压缩的压缩方案是否属于预设的无损压缩算法；

若对所述图像块P_b以及所述相邻图像块进行压缩的压缩方案属于预设的无损压缩算法，则采用所述预设的无损压缩算法对所述图像块P_b以及所述相邻图像块进行压缩，得到所述图像压缩数据；

若对所述图像块P_b以及所述相邻图像块进行压缩的压缩方案不属于所述预设的无损压缩算法，则以所述多个试验压缩图像块中畸变度最小的试验压缩图像块对应的压缩方案对所述图像块P_b以及所述相邻图像块进行压缩得到所述图像压缩数据；

保存采用所述预设的无损压缩算法或多个试验压缩图像块中畸变度最小的试验压缩图像块对应的压缩方案进行压缩得到的图像压缩数据。

8.一种处理点云数据的装置，其特征在于，所述装置包括：

获取模块，用于获取激光雷达采集的点云数据，所述点云数据包括云点携带的深度信息和反射率信息；

变换模块，用于将所述云点携带的深度信息和反射率信息变换为图像数据；

压缩模块，用于对所述图像数据进行压缩，得到图像压缩数据后保存。

9.一种车辆，其特征在于，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1至7中任意一项所述的方法。

10.一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如权利要求1至7中任意一项所述的方法。

Images