CN114549467A - 单线激光玻璃噪点过滤方法、装置、探测设备及存储介质 - Google Patents
单线激光玻璃噪点过滤方法、装置、探测设备及存储介质 Download PDFInfo
- Publication number
- CN114549467A CN114549467A CN202210165974.XA CN202210165974A CN114549467A CN 114549467 A CN114549467 A CN 114549467A CN 202210165974 A CN202210165974 A CN 202210165974A CN 114549467 A CN114549467 A CN 114549467A
- Authority
- CN
- China
- Prior art keywords
- noise
- point
- points
- point cloud
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种单线激光玻璃噪点过滤方法、装置、探测设备及存储介质。该方法包括:根据点云中的点的入射角度确定可能为玻璃噪点的目标点云,其中,所述目标点云由入射角度在设定范围内的点构成;从所述目标点云中过滤出设定类型的玻璃噪点。上述技术方案首先确定可能为玻璃噪点的目标点云,将部分非玻璃噪点的点云排除;然后按照玻璃噪点的类型进一步从目标点云中过滤出相应类型玻璃噪点,使玻璃噪点的识别更有针对性,提高了玻璃噪点过滤的准确性。
Description
技术领域
本发明实施例涉及点云识别技术领域,尤其涉及一种单线激光玻璃噪点过滤方法、装置、探测设备及存储介质。
背景技术
随着城市现代化的发展,环卫需求要求越来越高,人工清洁难以满足一些场景需求,无人驾驶在环卫清洁领域起到了越来越重要的作用。其中,单线激光雷达由于其能直接获得环境深度信息、测距远、精度高、价格便宜等特征,在低速无人驾驶机器人领域中应用广泛。
但在商场超市等环境中玻璃、大理石墙面等高反环境经常产生噪点。图1为一种点云的示意图。如图1所示,激光在玻璃环境中,一部分激光光束会在玻璃表面返回,形成玻璃上的点(正常点);一部分光束会透射过玻璃,打到玻璃后面的障碍物之后再返回;还有一部分点在玻璃前面返回,发射波束和反射波束干扰导致形成了玻璃噪点。如果无法准确过滤玻璃噪点,误将玻璃噪点识别为障碍物,将影响机器人导航的流畅性。
发明内容
本发明提供了一种单线激光玻璃噪点过滤方法、装置、探测设备及存储介质,以提高玻璃噪点过滤的准确性。
第一方面,本发明实施例提供了一种单线激光玻璃噪点过滤方法,包括:
根据点云中的点的入射角度确定可能为玻璃噪点的目标点云,其中,所述目标点云由入射角度在设定范围内的点构成;
从所述目标点云中过滤出设定类型的玻璃噪点。
第二方面,本发明实施例提供了一种单线激光玻璃噪点过滤装置,包括:
目标点云确定模块,用于根据点云中的点的入射角度确定可能为玻璃噪点的目标点云,其中,所述目标点云由入射角度在设定范围内的点构成;
玻璃噪点过滤模块,用于从所述目标点云中过滤出设定类型的玻璃噪点。
第三方面,本发明实施例提供了一种探测设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面所述的单线激光玻璃噪点过滤方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面所述的单线激光玻璃噪点过滤方法。
本发明实施例提供了一种单线激光玻璃噪点过滤方法、装置、探测设备及存储介质,该方法包括:根据点云中的点的入射角度确定可能为玻璃噪点的目标点云,其中,所述目标点云由入射角度在设定范围内的点构成;从所述目标点云中过滤出设定类型的玻璃噪点。上述技术方案首先确定可能为玻璃噪点的目标点云,将部分非玻璃噪点的点云排除;然后按照玻璃噪点的类型进一步从目标点云中过滤出相应类型玻璃噪点,使玻璃噪点的识别更有针对性,提高了玻璃噪点过滤的准确性。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1为一种点云的示意图;
图2为本发明实施例一提供的一种单线激光玻璃噪点过滤方法的流程图;
图3为本发明实施例二提供的一种入射角度的示意图;
图4为本发明实施例二提供的一种单线激光玻璃噪点过滤方法的流程图;
图5为本发明实施例二提供的一种凸出曲线式噪点的示意图;
图6为本发明实施例二提供的一种过滤凸出曲线形式噪点的示意图;
图7为本发明实施例二提供的一种根据外凸特效和内凹特性过滤凸出曲线形式噪点的示意图;
图8为本发明实施例二提供的一种锯齿状噪点的示意图;
图9为本发明实施例二提供的一种锯齿状点云的示意图;
图10为本发明实施例二提供的一种团状闪动噪点的示意图;
图11A为本发明实施例二提供的一种构建时空图的示意图;
图11B为本发明实施例二提供的一种提取边缘的示意图;
图11C为本发明实施例二提供的一种提取边缘的示意图;
图12为本发明实施例二提供的一种根据时域跟踪结果进行过滤的实现示意图;
图13为本发明实施例二提供的一种对目标进行剪枝的示意图;
图14为本发明实施例二提供的一种对目标进行剪枝的实现示意图;
图15为本发明实施例三提供的一种单线激光玻璃噪点过滤装置的结构示意图;
图16为本发明实施例四提供的一种探测设备的硬件结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。此外,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理,但是其中的许多步骤可以被并行地、并发地或者同时实施。此外,各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
需要注意,本发明实施例中提及的“第一”、“第二”等概念仅用于对不同的装置、模块、单元或其他对象进行区分,并非用于限定这些装置、模块、单元或其他对象所执行的功能的顺序或者相互依存关系。
实施例一
图2为本发明实施例一提供的一种单线激光玻璃噪点过滤方法的流程图,本实施例可适用于从单线激光测得的点云中过滤玻璃噪点的情况。具体的,该单线激光玻璃噪点过滤方法可以由单线激光玻璃噪点过滤装置执行,该单线激光玻璃噪点过滤装置可以通过软件和/或硬件的方式实现,并集成在探测设备中。进一步的,探测设备是可移动的,例如可以为车辆,探测设备中设置有单线激光雷达,激光源发出的线束是单线,在角频率及灵敏度上反应更快捷,在测试障碍物的距离和精度上都更加精准。本实施例提供了一种系统的结构加时域方法,在过滤玻璃噪点的同时,尽可能降低误过滤风险。
如图3所示,该方法具体包括如下步骤:
S110、根据点云中的点的入射角度确定可能为玻璃噪点的目标点云,其中,所述目标点云由入射角度在设定范围内的点构成。
具体的,玻璃噪点一般出现在入射角度约等于90度的情况下,对于一些能够提取出玻璃墙线的环境,可以实时根据点云中的点所照射到环境的位置信息,得到点的入射角度,从而筛选出可能为玻璃噪点的目标点云。对于一些不能够主动提取玻璃墙线的场景,例如,探测设备中没有装备超声雷达,或者不具备提取墙线的传感器设备或者相关软件功能,则可以仅考虑探测设备沿着玻璃墙行走的情况。
本实施例中,采用点云中的点与X轴方向的夹角作为入射角度。根据采集到的点云,确定激光照射玻璃各个位置的入射角度,点云中有多少个点,就照射了多少个位置,也就有多少个入射角度,其中,入射角度90°周围设定范围的点构成目标点云,后续的过滤操作针对目标点云即可,从而排除部分非玻璃噪点的点。
在一实施例中,在根据点云中的点的入射角度确定可能为玻璃噪点的目标点云之前,还包括:建立笛卡尔坐标系;将点云中的每个点与笛卡尔坐标系的X轴方向的夹角,作为相应点的入射角度。
图3为本发明实施例二提供的一种入射角度的示意图。如图3所示,点云坐标是以激光雷达为中心建立的迪卡尔坐标系(具体可为前左天坐标系,即前-x、左-y、天-右)。点云是有序点云,图3中,-120度是起始点,120度是终止点,不同的激光雷达分辨率可能不同,例如激光雷达的分辨率为0.5度,则在每帧中可以采集到481个点。图3中的黑色填充区域,即与x轴方向夹角在设定范围内(90度左右)的点构成的目标点云的范围。
S120、从所述目标点云中过滤出设定类型的玻璃噪点。
本实施例中,照玻璃噪点的类型进一步从目标点云中过滤出相应类型玻璃噪点。示例性的,按照结构形态,玻璃噪点总共可分为四种类型:凸出的曲线形式、锯齿状、偶尔出现的闪动团状噪点、同一位置长时间出现的团状闪动噪点。其中,对于凸出的曲线形式可以根据其结构特征,例如采用多线段拟合、根据线段的斜率和截距信息进行过滤;对于锯齿状聚类噪点,也可以根据其结构特征,例如采用尖锐角度在聚类中的占比来进行过滤;对于偶尔出现或同一位置长时间出现闪动团状噪点,由于在结构上难以提取有效的特征,可以采用时域跟踪方式进行过滤。
本发明实施例一提供的一种单线激光玻璃噪点过滤方法,首先确定可能为玻璃噪点的目标点云,将部分非玻璃噪点的点云排除;然后按照玻璃噪点的类型进一步从目标点云中过滤出相应类型玻璃噪点,使玻璃噪点的识别更有针对性,针对不同类型的玻璃噪点,可以充分利用其结构特征或时域特征进行过滤,提高了玻璃噪点过滤的准确性,避免玻璃噪点对探测设备导航的影响。
实施例二
图4为本发明实施例二提供的一种单线激光玻璃噪点过滤方法的流程图,本实施例是在上述实施例的基础上进行优化,对单线激光玻璃噪点过滤进行具体描述。需要说明的是,未在本实施例中详尽描述的技术细节可参见上述任意实施例。
具体的,如图4所示,该方法具体包括如下步骤:
S210、根据点云中的点的入射角度确定可能为玻璃噪点的目标点云,其中,所述目标点云由入射角度在设定范围内的点构成。
S220、根据所述目标点云中的点与原点之间的距离差异以及点的序号进行聚类。
本实施例中,对于预先筛选出来的疑似为玻璃噪点的目标点云,可以先通过点与点之间的距离(Range)差异、序号(Index)差异等特征进行初步的聚类。单线激光雷达的点云数据就是一系列有序点云,Index指的是点的序号,Range指的是点到激光雷达原点的距离,利用距离、序号等信息可以对目标点云进行聚类,得到多个聚类结果,然后针对每个聚类结果分别过滤出设定类型的玻璃噪点,提高识别的准确性,降低误过滤风险。
S230、对每个聚类结果中的点进行多线段拟合,根据拟合得到的线段的斜率和截距信息过滤出凸出曲线形式噪点。
其中,设定类型的玻璃噪点包括凸出曲线式噪点。
图5为本发明实施例二提供的一种凸出曲线式噪点的示意图。如图5所示,凸出曲线式噪点在形态上表现为指向激光雷达原点并与X轴正方向呈90度夹角的形式。为识别这类凸出曲线式噪点,可以对于每个聚类依次进行多线段拟合,对于拟合出来的直线,根据斜率和截距特征过滤出玻璃噪点所构成的线段,这些线段中的点即为玻璃噪点。
图6为本发明实施例二提供的一种过滤凸出曲线形式噪点的示意图。如图6所示,最左侧的图为目标点云中原始的点云形态;中间的图为多线段拟合效果,其中拟合得到了两条线段:线段0和线段1;右图展示了多线段拟合的一种方法,为拆分线拟合。对于线段0和线段1,可以分别计算其斜率以及截距,若一条线段的斜率与截距符合凸出曲线形式噪点形态(斜率与截距分别属于凸出曲线形式噪点的斜率范围与截距范围),则这条线段是指向激光雷达原点并且与X轴正方向呈90度夹角,该线段中的点即为凸出曲线形式噪点形态。
在一实施例中,该方法还包括:根据聚类结果中的连续线段的外凸特效和内凹特性,去除墙角线段以及矩形形状的线段。
具体的,考虑到玻璃噪点为从墙面上向外伸出的线段,可以预先根据连续线段的外凸特性和内凹特性,将聚类结果中墙角对应的线段以及矩形形状(例如箱子或其他具有矩形轮廓的障碍物等)对应的非玻璃噪点的线段去除,避免将墙角或矩形形状对应的点误识别为玻璃噪点。
图7为本发明实施例二提供的一种根据外凸特效和内凹特性过滤凸出曲线形式噪点的示意图。如图7所示,在左侧拟合线段的部分,(a)拟合出来的线段为满足凸出曲线形式噪点的斜率范围与截距范围的线段,相应的点可被识别为凸出曲线形式噪点从而被过滤,(b)拟合出来的线段为不满足凸出曲线形式噪点的斜率范围与截距范围的线段,相应的点不会被识别为凸出曲线形式噪点;在右侧根据外凸特效和内凹特性排除非玻璃噪点的线段的部分,(c)表示外凸线段,这种情况对应的并不是玻璃噪点的形态,而是环境中存在的真实障碍物,所以相应的点不会被识别为凸出曲线形式噪点,(d)表示内凹线段,符合玻璃噪点从玻璃墙面伸出的形态,所以相应的点可被识别为凸出曲线形式噪点从而被过滤。
在一实施例中,该方法还包括:将在设定时间段内累计拟合得到的斜率和截距信息不符合凸出曲线形式噪点特征的线段保留;在处理当前帧的点云的过程中,将当前帧中斜率和截距信息不符合凸出曲线形式噪点特征的线段与所保留的线段进行匹配;若匹配,则将当前帧中斜率和截距信息不符合凸出曲线形式噪点特征的线段中的点识别为真实障碍物。
具体的,对于一些扁平物体,其表面的点云形态在探测设备与障碍物的某些特定角度下,也会出现与凸出曲线形式相似的线段形态。为了避免将这类点云识别为玻璃噪点,考虑到玻璃噪点是跟随探测设备的移动而移动的,而静态的扁平物体是稳定存在于特定位置的,在探测设备移动的情况下,相对位置姿态不同,玻璃噪点的点云形态是不同的,因此,在逐帧处理过程中,在设定时间段内(多个历史帧中)累计检测到的斜率和截距信息不符合凸出曲线形式噪点特征的线段保留(可被识别为稳定存在的真实障碍物,因此不会被过滤),当处理最新的当前帧点云时,对不符合凸出曲线形式噪点特征的线段,根据其位置以及长度、方向等特征,与累计检测到的线段进行匹配,若匹配成功,则说明当前帧中不符合凸出曲线形式噪点特征的线段也为稳定存在的真实障碍物,从而避免对真实障碍物的误过滤情况,提高对玻璃噪点过滤的准确率。
S240、根据每个聚类结果中锯齿状点云中的点的占比过滤出锯齿状噪点。
其中,设定类型的玻璃噪点包括锯齿状噪点。
图8为本发明实施例二提供的一种锯齿状噪点的示意图。如图8所示,一部分玻璃噪点呈现出连续点之间的连线,与当前点与激光雷达原点之间连线之间,呈0度或180度左右的特征,且连续点之间的距离与真实障碍物表面形成的点云的距离形态存在差异,根据这两个特征对锯齿状噪点进行过滤。
在一实施例中,根据每个聚类结果中锯齿状点云中的点的占比过滤出所述锯齿状噪点,包括:每个聚类结果中,若一个点与其相邻点之间的连线,与该点与原点之间的连线之间的角度在0°或180°周围指定范围内,则该点为锯齿状点云中的点(这些连续点或相邻点构成锯齿状点云);若锯齿状点云中的点占相应聚类结果的占比超过设定阈值,则将锯齿状点云中的点确定为锯齿状噪点。
图9为本发明实施例二提供的一种锯齿状点云的示意图。如图9所示,1/2/3号点为一个聚类,对应的角度分别是θ1、θ2、θ3,其中θ1角度接近0度,θ2角度接近于180度,则该聚类中有两个锯齿状点云,在此基础上,可以得到一个聚类中锯齿状点云中的点占总该聚类中点的总数的占比,若占比超过设定阈值,则可将锯齿状点云中的点识别为锯齿状噪点。其中,设定阈值可以根据统计结果和实际需求设定。
S250、对每个聚类结果中的点进行时域跟踪,根据跟踪结果过滤出第一类团状闪动噪点。
其中,设定类型的玻璃噪点包括第一类团状闪动噪点,第一类团状闪动噪点的出现频率低于阈值(可以理解为偶尔出现的团状闪动噪点)。
图10为本发明实施例二提供的一种团状闪动噪点的示意图。如图10所示,本实施例中,在结构过滤之后,还有一些没有明显结构特征的团状闪动噪点的点云,从结构特征上暂时无法与真实障碍物区分出来,对于这些点,可以采用构建时空图的方式,对连续多帧点云进行时域和空间结构上的跟踪。
在一实施例中,对每个聚类结果中的点进行时域跟踪,根据跟踪结果过滤出第一类团状闪动噪点,包括:
根据每个聚类结果中的点在连续多帧中的位置提取边缘(edge);
根据边缘连接构成目标(obj);
对目标进行剪枝;
根据剪枝结果,基于边缘的层数筛选得到第一类团状闪动噪点和真实障碍物点。
图11A为本发明实施例二提供的一种构建时空图的示意图。如图11A所示,可以使用当前帧与历史帧(如7帧)构建8帧的时空图(graph)。将采集到的连续8帧点云数据在同一立体空间中进行层叠,例如将该连续8帧点云数据以8层特征点层叠的形式同时构建在同一立体空间中,其中,每一帧点云数据对应一层特征点。
图11B为本发明实施例二提供的一种提取边缘的示意图。如图11B所示,累计连续8帧点云建立edge,具体的,将立体空间中的特征点以点对点的形式进行连接,以建立对应于目标的多条边缘线。在建立edge的过程中,对于同一帧相邻特征点之间的连接(横向连接)可通过欧式距离判断(若欧式距离满足第一预设范围,则进行横向连接);对于一帧中的特征点与历史帧之间的连接(上下连接)是通过向上查找两帧范围内,对历史帧点云经过位置预测之后与当前帧点云计算欧式距离进行判断(若欧式距离满足第二预设范围,则进行上下连接)。
图11C为本发明实施例二提供的一种提取边缘的示意图。如图11C所示,根据edge连接构成obj。当所有的edge都建立起来之后,就可以根据点与点之间的连接关系划分成一个个object。
本实施例可在obj基础上先对obj进行剪枝,在剪枝的基础上根据edge层数(age)粗略筛选出噪点和真实障碍物点。考虑到仅考虑obj的age可能会把移动的障碍物点误识别为第一类团状闪动噪点,所以还可以对跟踪之后的动态obj进行校正,目的是区分移动障碍物和第一类团状闪动噪点。
图12为本发明实施例二提供的一种根据时域跟踪结果进行过滤的实现示意图。如图12所示,在根据结构过滤之后,对于团状闪动噪点,一方面可以根据edge层数区分出噪点和真实障碍物,另一方面可以通过区分点的状态(动态点、静态点或不稳定点),对噪点和真实障碍物进行校正。其中,如果噪点对应于静态点或不稳定点,那可以最终认为是第一类团状闪动噪点;如果噪点对应于动态点,那可以最终认为是动态障碍物的动态点;而真实障碍物的点可以直接对应于为动态点、静态点或不稳定的点。
在一实施例中,对目标进行剪枝,包括:根据边缘的层数、每层的边缘个数、点的个数、边缘长度以及方向的连续性、目标的动静态性质得到置信度;根据置信度对目标进行剪枝。
本实施例中,考虑到第一类团状闪动噪点和旁边的真实obj建立edge连接的情况下,容易造成漏过滤,所以需要先对每个obj进行剪枝处理。在obj基础上考虑层数、每层的edge个数、点的个数、edge长度以及方向的连续性、obj的动静态性质得到一个置信度,作为剪枝的依据。例如,高于该置信度的上下连接可以被认为是真实obj的edge连接,可以被保留;低于该置信度的上下连接可能是第一类团状闪动噪点和旁边的真实obj建立的edge连接,这类edge连接需要被裁剪。
图13为本发明实施例二提供的一种对目标进行剪枝的示意图。如图13所示,椭圆区域内的连接表示要裁掉的上下连接。
图14为本发明实施例二提供的一种对目标进行剪枝的实现示意图。如图14所示,根据obj的edge形态可以区分obj状态(包括静态obj、动态obj以及不确定obj,也称不稳定obj);通过计算一个特征,即上下连接的edge在xy平面上的投影长度,得到静态目标和不稳定目标对应的阈值;对于动态obj不剪枝;对于静态obj,如果上下连接的edge在xy平面上的投影长度大于对应阈值(0.05)则将上下连接裁剪;对于不稳定obj,如果上下连接的edge在xy平面上的投影长度大于对应阈值(0.2)则将上下连接裁剪。根据剪枝的结果,基于边缘的age筛选得到噪点和真实障碍物点。此外,还可以利用obj状态对噪点和真实障碍物进行校正,得到第一类团状闪动噪点和真实障碍物点。
S260、根据每个聚类结果中的目标的位置、点云形态以及连续跟踪次数过滤出第二类团状玻璃噪点。
其中,设定类型的玻璃噪点包括第二类团状闪动噪点,第二类团状闪动噪点的出现频率高于或等于阈值(可以理解为在同一位置长时间出现的团状闪动噪点)。本实施例中,第二类团状玻璃噪点主要指探测设备静止状态下检测到的玻璃噪点,可根据目标的位置(例如目标在激光雷达坐标系中的位置,具体可以是目标与激光雷达坐标系Y方向之间的位置关系等)、点云形态(例如目标中的尖锐夹角角度大小以及目标中点的个数等)以及连续跟踪次数(在一段时间内检测到目标的次数)综合确定。
在一实施例中,对每个聚类结果中的目标的位置、点云形态以及连续跟踪次数过滤出所述第二类团状玻璃噪点,包括:
根据以下条件对每个聚类结果中的目标进行过滤:
目标状态,目标状态包括移动、静态或不确定,目标状态可根据连续跟踪次数判定,在对目标进行多次跟踪的基础上,判定目标状态的方式可参见上述对于团状闪动噪点区分点的状态的过程;
目标在激光雷达坐标系Y方向正负15度范围内且变化范围在设定范围内(即根据目标的位置进行过滤);
目标中存在尖锐夹角度(即根据目标的点云形态进行过滤),例如,尖锐夹角的角度小于设定角度阈值;
目标中点的个数在设定数量范围内(即根据目标的点云形态进行过滤);
移动速度在0周围的设定速度范围内,可表明探测设备处于静止状态,从而为过滤第二类团状闪动噪点提供前提条件。
符合上述各条件的点即为第二类团状闪动噪点。
本发明实施例二提供的一种单线激光玻璃噪点过滤方法,在上述实施例的基础上进行优化,首先确定可能为玻璃噪点的目标点云,将部分非玻璃噪点的点云排除;然后按照玻璃噪点的类型进一步从目标点云中过滤出相应类型玻璃噪点,使玻璃噪点的识别更有针对性,针对不同类型的玻璃噪点,可以充分利用其结构特征或时域特征进行过滤;此外,利用距离、序号等信息可以对目标点云进行聚类,得到多个聚类结果,然后针对每个聚类结果分别过滤出设定类型的玻璃噪点,提高识别的准确性;根据连续线段的外凸特性和内凹特性,将聚类结果中墙角对应的线段以及矩形形状对应的非玻璃噪点的线段去除,避免将墙角或矩形形状对应的点误识别为玻璃噪点;通过将当前帧中斜率和截距信息不符合凸出曲线形式噪点特征的线段与所保留的线段进行匹配,避免对真实障碍物的误过滤情况,提高对玻璃噪点过滤的准确率;在结构过滤的基础上,还通过构建时空图、剪枝和动态校正等操作对团状闪动噪点进行过滤,提高对玻璃噪点过滤的全面性。
实施例三
图15为本发明实施例三提供的一种单线激光玻璃噪点过滤装置的结构示意图。如图15所示,本实施例提供的单线激光玻璃噪点过滤装置包括:
目标点云确定模块310,用于根据点云中的点的入射角度确定可能为玻璃噪点的目标点云,其中,所述目标点云由入射角度在设定范围内的点构成;
玻璃噪点过滤模块320,用于从所述目标点云中过滤出设定类型的玻璃噪点。
本发明实施例三提供的一种单线激光玻璃噪点过滤装置,首先确定可能为玻璃噪点的目标点云,将部分非玻璃噪点的点云排除;然后按照玻璃噪点的类型进一步从目标点云中过滤出相应类型玻璃噪点,使玻璃噪点的识别更有针对性,提高了玻璃噪点识别的准确性。
在上述实施例的基础上,所述装置还包括:
建系模块,用于在根据点云中的点的入射角度确定可能为玻璃噪点的目标点云之前,建立笛卡尔坐标系;
入射角度确定模块,用于将所述点云中的每个点与所述笛卡尔坐标系的X轴方向的夹角,作为相应点的入射角度。
在上述实施例的基础上,玻璃噪点过滤模块320,包括:
聚类单元,用于根据所述目标点云中的点与原点之间的距离差异以及点的序号进行聚类;
过滤单元,用于从每个聚类结果中过滤出设定类型的玻璃噪点。
在上述实施例的基础上,所述设定类型的玻璃噪点包括凸出曲线式噪点;
过滤单元,具体用于:
对每个聚类结果中的点进行多线段拟合,根据拟合得到的线段的斜率和截距信息过滤出所述凸出曲线形式噪点。
在上述实施例的基础上,该装置还包括:
去除模块,用于根据所述聚类结果中的连续线段的外凸特效和内凹特性,去除墙角线段以及矩形形状的线段。
在上述实施例的基础上,还包括:
将在设定时间段内累计拟合得到的斜率和截距信息不符合所述凸出曲线形式噪点特征的线段保留;
在处理当前帧的点云的过程中,将所述当前帧中斜率和截距信息不符合所述凸出曲线形式噪点特征的线段与所保留的线段进行匹配;
若匹配,则将所述当前帧中斜率和截距信息不符合所述凸出曲线形式噪点特征的线段中的点识别为真实障碍物。
在上述实施例的基础上,设定类型的玻璃噪点包括锯齿状噪点;
过滤单元,具体用于:
根据每个聚类结果中锯齿状点云中的点的占比过滤出所述锯齿状噪点。
在上述实施例的基础上,根据每个聚类结果中锯齿状点云中的点的占比过滤出所述锯齿状噪点,包括:
每个聚类结果中,若一个点与其相邻点之间的连线,与该点与原点之间的连线之间的角度在0°或180°周围指定范围内,则该点为锯齿状点云中的点;
若所述锯齿状点云中的点占相应聚类结果的占比超过设定阈值,则将所述锯齿状点云中的点确定为所述锯齿状噪点。
在上述实施例的基础上,所述设定类型的玻璃噪点包括第一类团状闪动噪点,所述第一类团状闪动噪点的出现频率低于阈值;
过滤单元,具体用于:
对每个聚类结果中的点进行时域跟踪,根据跟踪结果过滤出所述第一类团状闪动噪点。
在上述实施例的基础上,所述对每个聚类结果中的点进行时域跟踪,根据跟踪结果过滤出所述第一类团状闪动噪点,包括:
根据每个聚类结果中的点在连续多帧中的位置提取边缘;
根据所述边缘连接构成目标;
对所述目标进行剪枝;
根据剪枝结果,基于所述边缘的层数筛选得到所述第一类团状闪动噪点和真实障碍物点。
在上述实施例的基础上,对所述目标进行剪枝,包括:
根据所述边缘的层数、每层的边缘个数、点的个数、边缘长度以及方向的连续性、所述目标的动静态性质得到置信度;
根据所述置信度对所述目标进行剪枝。
在上述实施例的基础上,所述设定类型的玻璃噪点包括第二类团状闪动噪点,所述第二类团状闪动噪点的出现频率高于或等于阈值;
过滤单元,具体用于:
对每个聚类结果中的目标的位置、点云形态以及连续跟踪次数过滤出所述第二类团状玻璃噪点。
在上述实施例的基础上,根据每个聚类结果中的目标的位置、点云形态以及连续跟踪次数过滤出所述第二类团状玻璃噪点,包括:
根据以下条件对每个聚类结果中的目标进行过滤:
目标状态,所述目标状态包括移动、静态或不确定;
目标在激光雷达坐标系Y方向正负15度范围内且变化范围在设定范围内;
目标中存在尖锐夹角度;
目标中点的个数在设定数量范围内;
移动速度在0周围的设定速度范围内。
本发明实施例三提供的单线激光玻璃噪点过滤装置可以用于执行上述任意实施例提供的单线激光玻璃噪点过滤方法,具备相应的功能和有益效果。
实施例四
图16为本发明实施例四提供的一种探测设备的硬件结构示意图。探测设备可移动。如图16所示,本申请提供的探测设备,包括单线激光雷达400、存储装置420、处理器410以及存储在存储装置上并可在处理器上运行的计算机程序,处理器410执行所述程序时实现上述的单线激光玻璃噪点过滤方法。
探测设备还可以包括存储装置420;该探测设备中的处理器410可以是一个或多个,图16中以一个处理器410为例;存储装置420用于存储一个或多个程序;所述一个或多个程序被所述一个或多个处理器410执行,使得所述一个或多个处理器410实现如本申请实施例中所述的单线激光玻璃噪点过滤方法。
探测设备还包括:通信装置430、输入装置440和输出装置450。
探测设备中的处理器410、存储装置420、通信装置430、输入装置440和输出装置450可以通过总线或其他方式连接,图16中以通过总线连接为例。
输入装置440可用于接收输入的数字或字符信息,以及产生与探测设备的用户设置以及功能控制有关的按键信号输入。输出装置450可包括显示屏等显示设备。
通信装置430可以包括接收器和发送器。通信装置430设置为根据处理器410的控制进行信息收发通信。
存储装置420作为一种计算机可读存储介质,可设置为存储软件程序、计算机可执行程序以及模块,如本申请实施例所述单线激光玻璃噪点过滤方法对应的程序指令/模块(例如,单线激光玻璃噪点过滤装置中的目标点云确定模块310、玻璃噪点过滤模块320)。存储装置420可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据探测设备的使用所创建的数据等。此外,存储装置420可以包括高速随机存取存储装置,还可以包括非易失性存储装置,例如至少一个磁盘存储装置件、闪存器件、或其他非易失性固态存储装置件。在一些实例中,存储装置420可进一步包括相对于处理器410远程设置的存储装置,这些远程存储装置可以通过网络连接至探测设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
在上述实施例的基础上,本实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被单线激光玻璃噪点过滤装置执行时实现本发明上述任意实施例中的单线激光玻璃噪点过滤方法,该方法包括:根据点云中的点的入射角度确定可能为玻璃噪点的目标点云,其中,所述目标点云由入射角度在设定范围内的点构成;从所述目标点云中过滤出设定类型的玻璃噪点。
本发明实施例所提供的一种包含计算机可执行指令的存储介质,可以采用一个或多个计算机可读的介质的任意组合,例如计算机可读信号介质或者存储介质。计算机可读存储介质例如可以是,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。计算机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、便携式计算机磁盘、硬盘、随机存取存储装置(Random AccessMemory,RAM)、只读存储装置(Read Only Memory,ROM)、可擦式可编程只读存储装置(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式CD-ROM、光存储装置件、磁存储装置件、或者上述的任意合适的组合。计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于:电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、无线电频率(Radio Frequency,RF)等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++,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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储装置(Read-Only Memory,ROM)、随机存取存储装置(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (16)
1.一种单线激光玻璃噪点过滤方法,其特征在于,包括:
根据点云中的点的入射角度确定可能为玻璃噪点的目标点云,其中,所述目标点云由入射角度在设定范围内的点构成;
从所述目标点云中过滤出设定类型的玻璃噪点。
2.根据权利要求1所述的方法,其特征在于,在根据点云中的点的入射角度确定可能为玻璃噪点的目标点云之前,还包括:
建立笛卡尔坐标系;
将所述点云中的每个点与所述笛卡尔坐标系的X轴方向的夹角,作为相应点的入射角度。
3.根据权利要求1所述的方法,其特征在于,所述从所述目标点云中过滤出设定类型的玻璃噪点,包括:
根据所述目标点云中的点与原点之间的距离差异以及点的序号进行聚类;
从每个聚类结果中过滤出设定类型的玻璃噪点。
4.根据权利要求3所述的方法,其特征在于,所述设定类型的玻璃噪点包括凸出曲线式噪点;
从每个聚类结果中过滤出设定类型的玻璃噪点,包括:
对每个聚类结果中的点进行多线段拟合,根据拟合得到的线段的斜率和截距信息过滤出所述凸出曲线形式噪点。
5.根据权利要求4所述的方法,其特征在于,还包括:
根据所述聚类结果中的连续线段的外凸特效和内凹特性,去除墙角线段以及矩形形状的线段。
6.根据权利要求4所述的方法,其特征在于,还包括:
将在设定时间段内累计拟合得到的斜率和截距信息不符合所述凸出曲线形式噪点特征的线段保留;
在处理当前帧的点云的过程中,将所述当前帧中斜率和截距信息不符合所述凸出曲线形式噪点特征的线段与所保留的线段进行匹配;
若匹配,则将所述当前帧中斜率和截距信息不符合所述凸出曲线形式噪点特征的线段中的点识别为真实障碍物。
7.根据权利要求3所述的方法,其特征在于,所述设定类型的玻璃噪点包括锯齿状噪点;
从每个聚类结果中过滤出设定类型的玻璃噪点,包括:
根据每个聚类结果中锯齿状点云中的点的占比过滤出所述锯齿状噪点。
8.根据权利要求7所述的方法,其特征在于,根据每个聚类结果中锯齿状点云中的点的占比过滤出所述锯齿状噪点,包括:
每个聚类结果中,若一个点与其相邻点之间的连线,与该点与原点之间的连线之间的角度在0°或180°周围指定范围内,则该点为锯齿状点云中的点;
若所述锯齿状点云中的点占相应聚类结果的占比超过设定阈值,则将所述锯齿状点云中的点确定为所述锯齿状噪点。
9.根据权利要求3所述的方法,其特征在于,所述设定类型的玻璃噪点包括第一类团状闪动噪点,所述第一类团状闪动噪点的出现频率低于阈值;
从每个聚类结果中过滤出设定类型的玻璃噪点,包括:
对每个聚类结果中的点进行时域跟踪,根据跟踪结果过滤出所述第一类团状闪动噪点。
10.根据权利要求9所述的方法,其特征在于,所述对每个聚类结果中的点进行时域跟踪,根据跟踪结果过滤出所述第一类团状闪动噪点,包括:
根据每个聚类结果中的点在连续多帧中的位置提取边缘;
根据所述边缘连接构成目标;
对所述目标进行剪枝;
根据剪枝结果,基于所述边缘的层数筛选得到所述第一类团状闪动噪点和真实障碍物点。
11.根据权利要求10所述的方法,其特征在于,所述对所述目标进行剪枝,包括:
根据所述边缘的层数、每层的边缘个数、点的个数、边缘长度以及方向的连续性、所述目标的动静态性质得到置信度;
根据所述置信度对所述目标进行剪枝。
12.根据权利要求3所述的方法,其特征在于,所述设定类型的玻璃噪点包括第二类团状闪动噪点,所述第二类团状闪动噪点的出现频率高于或等于阈值;
从每个聚类结果中过滤出设定类型的玻璃噪点,包括:
根据每个聚类结果中的目标的位置、点云形态以及连续跟踪次数过滤出所述第二类团状玻璃噪点。
13.根据权利要求12所述的方法,其特征在于,根据每个聚类结果中的目标的位置、点云形态以及连续跟踪次数过滤出所述第二类团状玻璃噪点,包括:
根据以下条件对每个聚类结果中的目标进行过滤:
目标状态,所述目标状态包括移动、静态或不确定;
目标在激光雷达坐标系Y方向正负15度范围内且变化范围在设定范围内;
目标中存在尖锐夹角度;
目标中点的个数在设定数量范围内;
移动速度在0周围的设定速度范围内。
14.一种单线激光玻璃噪点过滤装置,其特征在于,包括:
目标点云确定模块,用于根据点云中的点的入射角度确定可能为玻璃噪点的目标点云,其中,所述目标点云由入射角度在设定范围内的点构成;
玻璃噪点过滤模块,用于从所述目标点云中过滤出设定类型的玻璃噪点。
15.一种探测设备,其特征在于,包括:
单线激光雷达;
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-13中任一所述的单线激光玻璃噪点过滤方法。
16.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-13中任一所述的单线激光玻璃噪点过滤方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210165974.XA CN114549467A (zh) | 2022-02-21 | 2022-02-21 | 单线激光玻璃噪点过滤方法、装置、探测设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210165974.XA CN114549467A (zh) | 2022-02-21 | 2022-02-21 | 单线激光玻璃噪点过滤方法、装置、探测设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114549467A true CN114549467A (zh) | 2022-05-27 |
Family
ID=81678304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210165974.XA Pending CN114549467A (zh) | 2022-02-21 | 2022-02-21 | 单线激光玻璃噪点过滤方法、装置、探测设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114549467A (zh) |
-
2022
- 2022-02-21 CN CN202210165974.XA patent/CN114549467A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210311167A1 (en) | Multisensor Data Fusion Method and Apparatus | |
US20210350149A1 (en) | Lane detection method and apparatus,lane detection device,and movable platform | |
CN112634181B (zh) | 用于检测地面点云点的方法和装置 | |
WO2020133449A1 (zh) | 目标航迹确定方法、目标跟踪系统与车辆 | |
CN112513679B (zh) | 一种目标识别的方法和装置 | |
CN110794406B (zh) | 多源传感器数据融合系统和方法 | |
CN112083441B (zh) | 激光雷达和毫米波雷达深度融合的障碍物检测方法及系统 | |
CN112949782A (zh) | 一种目标检测方法、装置、设备及存储介质 | |
US20220215197A1 (en) | Data processing method and apparatus, chip system, and medium | |
US20230011475A1 (en) | Object recognition device and object recognition method | |
CN111402160A (zh) | 一种点云数据去噪方法、装置、设备和存储介质 | |
CN114677655A (zh) | 多传感器目标检测方法、装置、电子设备以及存储介质 | |
CN115187941A (zh) | 目标检测定位方法、系统、设备及存储介质 | |
CN114528941A (zh) | 传感器数据融合方法、装置、电子设备及存储介质 | |
CN113734176A (zh) | 智能驾驶车辆的环境感知系统、方法、车辆及存储介质 | |
CN112630798B (zh) | 用于估计地面的方法和装置 | |
JP2022537557A (ja) | 運転可能な領域情報を決定するための方法及び装置 | |
EP4160269A1 (en) | Systems and methods for onboard analysis of sensor data for sensor fusion | |
CN114549467A (zh) | 单线激光玻璃噪点过滤方法、装置、探测设备及存储介质 | |
CN112558035A (zh) | 用于估计地面的方法和装置 | |
CN113313654B (zh) | 激光点云滤波去噪方法、系统、设备及存储介质 | |
CN115728772A (zh) | 激光扫描点的类别检测方法、装置及终端设备 | |
CN115376105A (zh) | 可行驶区域的确定方法、装置、电子设备以及存储介质 | |
CN113514825A (zh) | 道路边缘的获取方法、装置和终端设备 | |
CN116228603B (zh) | 一种挂车周围障碍物的报警系统及装置 |
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 |