CN115047471B - 确定激光雷达点云分层的方法、装置、设备及存储介质 - Google Patents
确定激光雷达点云分层的方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115047471B CN115047471B CN202210328377.4A CN202210328377A CN115047471B CN 115047471 B CN115047471 B CN 115047471B CN 202210328377 A CN202210328377 A CN 202210328377A CN 115047471 B CN115047471 B CN 115047471B
- Authority
- CN
- China
- Prior art keywords
- point
- view
- field
- determining
- candidate
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 91
- 230000004044 response Effects 0.000 claims description 55
- 239000013598 vector Substances 0.000 claims description 36
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 238000013517 stratification Methods 0.000 claims description 12
- 238000006073 displacement reaction Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 7
- 230000006399 behavior Effects 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 4
- 238000012888 cubic function Methods 0.000 description 4
- 230000032798 delamination Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002310 reflectometry Methods 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
-
- 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
- G01S7/481—Constructional features, e.g. arrangements of optical elements
- G01S7/4817—Constructional features, e.g. arrangements of optical elements relating to scanning
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本公开实施例涉及激光雷达技术领域但不限于激光雷达技术领域,提供了一种确定激光雷达点云分层的方法、装置、设备及存储介质。激光雷达包括第一视场和第二视场,第一视场和第二视场之间存在交叠区域;该方法包括:获取激光雷达的点云的第一备选点,其中,第一备选点为包含于第一视场且位于交叠区域中的点;获取激光雷达的点云的第二备选点,其中,第二备选点为包含于第二视场且位于交叠区域中的点;根据第一备选点的预定特征和第二备选点的预定特征之间的比较结果,确定点云是否发生分层。本公开实施例中,确定点云分层的准确率高,能够提升激光雷达工作的可靠性,减少与激光雷达关联业务的安全隐患。
Description
技术领域
本发明涉及激光雷达技术领域,尤其涉及一种确定激光雷达点云分层的方法、装置、设备及存储介质。
背景技术
激光雷达(LiDAR,Light Detection and Ranging)是激光探测及测距系统的简称。一般采用红外激光器作为发射光源,向LiDAR周围某个方向发射出一束激光,激光光束遇到物体后发生漫反射,部分激光的散射光返回至激光接收系统。激光雷达信息处理模块根据发射和接收激光信号的时间间隔,就可根据光速计算出激光雷达与物体之间的距离。
在极短的时间内,朝LiDAR周围多个方向发射激光光束并测量距离,即可输出一帧3D激光点云图。在把激光雷达作为感知周围环境的关键传感器的各应用领域中,可以根据点云的空间位置等信息感知障碍物。因此,LiDAR被广泛应用于自动驾驶、机器人避障、智慧城市的车路协同以及测绘等领域。
在相关技术中,如果激光雷达出现故障,可能会产生点云分层现象,使得激光形成的点云与实际场景不相符,使得使用激光雷达的可靠性变低,给与激光雷达关联的业务带来安全隐患。
发明内容
本发明实施例提供了一种确定激光雷达点云分层的方法、装置、设备及存储介质。
本公开实施例第一方面提供一种确定激光雷达点云分层的方法,所述激光雷达包括第一视场和第二视场,所述第一视场和所述第二视场之间存在交叠区域;所述方法包括:
获取所述激光雷达的点云的第一备选点,其中,所述第一备选点为包含于所述第一视场且位于所述交叠区域中的点;
获取所述激光雷达的点云的第二备选点,其中,所述第二备选点为包含于所述第二视场且位于所述交叠区域中的点;
根据所述第一备选点的预定特征和所述第二备选点的所述预定特征之间的比较结果,确定所述点云是否发生分层。
在一个实施例中,所述方法还包括:
响应于确定所述点云发生分层,确定所述激光雷达出现以下至少之一的异常:
激光器的位移、光电探测器的位移、MEMS振镜行为异常和内部时钟异常。
在一个实施例中,所述预定特征包括以下一种或者多种:
备选点的测距值;
备选点的强度;
备选点的法向量。
在一个实施例中,当所述预定特征包括备选点的测距值时,所述根据所述第一备选点的预定特征和所述第二备选点的所述预定特征之间的比较结果,确定所述点云是否发生分层,包括:
响应于所述第一备选点的所述测距值的均值和所述第二备选点的所述测距值的均值之间的差值在第一阈值范围内,确定所述点云未发生分层;
和/或,
响应于所述第一备选点的所述测距值的均值和所述第二备选点的所述测距值的均值之间的差值在第一阈值范围外,确定所述点云发生分层。
在一个实施例中,所述响应于所述第一备选点的所述测距值的均值和所述第二备选点的所述测距值的均值之间的差值在第一阈值范围内,确定所述点云未发生分层,包括:
响应于所述第一备选点的所述测距值的均值和所述第二备选点的所述测距值的均值之间的差值在第一阈值范围内,且所述第一备选点的所述测距值的标准差和所述第二备选点的所述测距值的标准差之间的差值在第二阈值范围内,确定所述点云未发生分层。
在一个实施例中,当所述预定特征包括备选点的强度时,所述根据所述第一备选点的预定特征和所述第二备选点的所述预定特征之间的比较结果,确定所述点云是否发生分层,包括:
响应于所有所述第一备选点的所述强度与最近邻点的所述强度之间的差值的均值在第三阈值范围内,确定所述点云未发生分层,其中,所述最近邻点为从所述第二视场的所述第二备选点中确定出的与所述第一视场中每个所述第一备选点之间的距离最近的点;
和/或,
响应于所有所述第一备选点的所述强度与最近邻点的所述强度之间的差值的均值在第三阈值范围外,确定所述点云发生分层,其中,所述最近邻点为从所述第二视场的所述第二备选点中确定出的与所述第一视场中每个所述第一备选点之间的距离最近的点。
在一个实施例中,当所述预定特征包括备选点的法向量时,所述根据所述第一备选点的预定特征和所述第二备选点的所述预定特征之间的比较结果,确定所述点云是否发生分层,包括:
响应于基于所述第一备选点确定的第一法向量和基于所述第二备选点确定的第二法向量之间的夹角在第四阈值范围内,确定所述点云未发生分层;
和/或,
响应于基于所述第一备选点确定的第一法向量和基于所述第二备选点确定的第二法向量之间的夹角在第四阈值范围外,确定所述点云发生分层。
在一个实施例中,所述确定所述点云是否发生分层,包括:
响应于M帧点云中的N帧点云的所述比较结果为预定比较结果,确定所述点云发生分层,其中,所述M和所述N为大于0的整数,M≥N。
在一个实施例中,所述方法还包括:
根据所述激光雷达的标定角度及固定距离生成参考点云;
在所述参考点云中确定所述第一视场中的第一最近邻点;将所述第二视场中的点与所述第一最近邻点之间的距离在预定范围内的点确定为第二参考点,其中,所述第一最近邻点为从所述第一视场中的点中确定出的与所述第二视场中每个点之间的距离最近的点;在所述参考点云中确定所述第二视场中的第二最近邻点;将所述第一视场中的点与所述第二最近邻点之间的距离在预定范围内的点确定为第一参考点,其中,所述第二最近邻点为从所述第二视场中的点中确定出的与所述第一视场中每个点之间的距离最近的点;
或者,在所述参考点云中根据交叠区域的边界拟合函数,确定第一参考点和第二参考点。
在一个实施例中,所述方法还包括:
确定所述第一参考点和所述第二参考点的序号;
根据所述第一参考点和所述第二参考点的序号确定所述第一备选点和所述第二备选点。
在一个实施例中,所述方法还包括:获取感兴趣区域ROI,在所述ROI中确定出所述第一参考点和所述第二参考点。
本公开实施例第二方面提供一种确定激光雷达点云分层的装置,所述激光雷达包括第一视场和第二视场,所述第一视场和所述第二视场之间存在交叠区域;所述装置包括:
获取模块,用于:获取所述激光雷达的点云的第一备选点,其中,所述第一备选点为包含于所述第一视场且位于所述交叠区域中的点;获取所述激光雷达的点云的第二备选点,其中,所述第二备选点为包含于所述第二视场且位于所述交叠区域中的点;
确定模块,用于:根据所述第一备选点的预定特征和所述第二备选点的所述预定特征之间的比较结果,确定所述点云是否发生分层。
本公开实施例第三方面提供一种确定激光雷达点云分层的设备,包括:
存储器,存储有计算机可执行指令;
处理器,与所述存储器连接,用于通过执行所述计算机可执行指令,实现第一方面任意方案提供的确定点云分层的方法。
本公开实施例第四方面提供的一种计算机存储介质,所述计算机存储介质存储有计算机可执行指令;所述计算机可执行指令被处理器执行后,能够实现如第一方面任意方案提供的确定点云分层的方法。
本公开实施例提供的技术方案与现有技术相比存在的有益效果是:可以根据包含于第一视场且位于交叠区域中的第一备选点的预定特征,以及包含于第二视场且位于交叠区域中的第二备选点的预定特征,获得预定特征之间的比较结果,并基于比较结果确定点云是否发生分层。相较于利用人眼确定点云分层的方式,准确率更高,且在确定点云发生分层后就可以及时对激光雷达的异常进行处置,能够提升激光雷达工作的可靠性,减少与激光雷达关联业务的安全隐患。
附图说明
图1是本发明实施例提供的一种分层现象产生的原因的示意图;
图2是本发明实施例提供的一种正常点云的示意图。
图3是本发明实施例提供的一种分层点云的示意图。
图4是本发明实施例提供的一种确定激光雷达点云分层的方法的流程示意图。
图5是本发明实施例提供的一种交叠区域的示意图。
图6是本发明实施例提供的一种确定激光雷达点云分层的方法的流程示意图。
图7是本发明实施例提供的一种确定激光雷达点云分层的方法的流程示意图。
图8是本发明实施例提供的一种确定激光雷达点云分层的方法的流程示意图。
图9是本发明实施例提供的一种确定激光雷达点云分层的方法的流程示意图。
图10是本发明实施例提供的一种确定激光雷达点云分层的方法的流程示意图。
图11是本发明实施例提供的一种确定激光雷达点云分层的方法的流程示意图。
图12是本发明实施例提供的一种确定交叠区域的示意图。
图13是本发明实施例提供的一种确定激光雷达点云分层的方法的流程示意图。
图14是本发明实施例提供的一种确定激光雷达点云分层的方法的流程示意图。
图15是本发明实施例提供的一种确定交叠区域的示意图。
图16是本发明实施例提供的一种确定激光雷达点云分层的装置的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了更好地理解本公开实施例,首先,通过示例性实施例对相关应用场景进行说明:
激光雷达可以获取指示点在三维空间中的位置(例如,在X、Y和Z平面中的位置)的信息。还可以获取属性信息,例如,颜色属性(例如,RGB值)、纹理属性、强度(Intensity)属性、反射率属性、运动相关属性、模态属性和/或各种其他属性。在一些情况下,可以将附加属性分配给相应点,例如,获取该点时的时间戳。激光雷达获取到的点可以构成“点云”,该“点云”包括各自具有相关联的空间信息和一个或多个相关联的属性的一组点。在一些情况下,点云可以包括数千个点、数十万个点、数百万个点或甚至更多的点。另外,在一些情况下,可以在软件中生成点云。需要说明的是,“点”为“三维点”。
在一个实施例中,激光雷达中的微机电系统(MEMS,micro-electro-mechanicalsystem)扫描式激光的激光器为固定连接,光只能沿着相应的角度传播,使得MEMS扫描式激光中的单个激光器往往只具有有限的视场。为了实现激光大视场,甚至全视场覆盖的应用要求,可以在MEMS扫描式激光中配置多个不同角度的激光器,不同角度的激光器通过小视场拼接的方式扩大MEMS扫描式激光的视场变为大视场。同时,为了防止不同小视场之间具有盲区,影响探测准确性,小视场之间常常具有一定的交叠区域。
由于雪崩型光电二极管(APD,Avalanche Photo Diode)位移、MEMS行为异常和内部时钟异常等原因会造成交叠区域点云分层的现象。
产生点云分层现象的根本原因是实际测距与标定好的发射角度不匹配。示例性地,请参见图1,激光雷达O发射出一道激光OP,正常情况下测距值应该为d。但由于上述造成点云分层的原因,测距点发生了变化,从P变为P',测距值也相应从d变为d'。但激光雷达仍会按照预定参数计算,根据异常的测距值和预定参数中对应的发射角度计算得到了错误的三维点P”。若相邻视场中,有一个视场中的点都正常(例如,点P),而另一个视场中的点都如P”,就会产生点云分层现象。请参见图2,为未发生点云分层现象的点云图;请参见图3,为发生点云分层现象的点云图。本公开中,“点云图”也可以理解为“点云”。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
如图4所示,本公开实施例提供一种确定激光雷达点云分层的方法,所述激光雷达包括第一视场和第二视场,所述第一视场和所述第二视场之间存在交叠区域;所述方法包括:
步骤41、获取所述激光雷达的点云的第一备选点,其中,所述第一备选点为包含于所述第一视场且位于所述交叠区域中的点;
步骤42、获取所述激光雷达的点云的第二备选点,其中,所述第二备选点为包含于所述第二视场且位于所述交叠区域中的点;
步骤43、根据所述第一备选点的预定特征和所述第二备选点的所述预定特征之间的比较结果,确定所述点云是否发生分层。
本公开实施例提供的确定激光雷达点云分层的方法可以应用于LiDAR中,上述步骤的执行可以是由LiDAR的处理模块完成。但是,本公开实施例提供的确定点云分层的方法不限于应用于LiDAR中,也可以应用于其他各种类型的包含光电探测器或者光电接收电路的光电设备或光电传感器中,在此不做限定。需要说明的是,确定激光雷达点云分层的方法还可以是由激光雷达连接的上位机执行。
在一个实施例中,激光雷达的点云可以是基于多个视场确定的。视场可以是由三维点构成的(例如,所述第一备选点和所述第二备选点都是三维点,三维点可以通过三维坐标或者其他特征信息量化表示)。本公开中,相邻的视场之间存在相互交叠的交叠区域,相互交叠的交叠区域也可以理解为相互重叠的重叠区域。例如,请参见图5,点云包括A视场和B视场,A视场和B视场之间的重叠区域为C区域,则C区域为交叠区域。需要说明的是,每个视场可以与激光雷达的扫描角度范围对应,激光雷达可以划分出不同的扫描角度范围,例如,激光雷达的一个扫描角度范围为30度,则该30度角度范围的扫描区域可以对应一个视场。不同的扫描角度范围可以重合,从而不同的视场也可以重合。需要说明的是,扫描角度可以包括方位角的角度和俯仰角的角度。上述例举中的扫描角度范围可以是所述方位角的角度范围和/或俯仰角的角度范围,在此不做限定。
在一个实施例中,每个视场都可以通过该视场所包含的三维点构成的一个点集表示。例如,第一视场包括多个三维点,则第一视场中的该多个三维点就可以构成一个点集,如,P1点集,即第一视场可以通过该点集表示。本公开中与所述第一视场关联的三维点可以是P1点集中的任一三维点。又例如,第二视场包括多个三维点,则第二视场中的该多个三维点就可以构成一个点集,如,P2点集,即第二视场可以通过该点集表示。本公开中与第一视场关联的三维点可以是P2点集中的任一三维点。这里,视场对应的点集可以用于本公开方案的运算实现。在一个实施例中,所述第一视场和所述第二视场可以是相邻的视场。需要说明的是,所述第一视场和所述第二视场并不特指视场中的某两个视场。可以理解的是,所述第一视场和所述第二视场可以为视场中的任意相邻的视场,在此不做限定。
在一个实施例中,所述预定特征包括以下一种或者多种:
备选点的测距值;
备选点的强度;
备选点的法向量。
在一个实施例中,获取所述第一备选点和所述第二备选点;按照预定周期,根据所述第一备选点的预定特征和所述第二备选点的所述预定特征之间的比较结果,周期性确定所述点云是否发生分层。其中,可以是根据要求的异常响应时延确定所述预定周期。示例性地,响应于要求的异常响应时延小于时延阈值,确定所述预定周期小于周期阈值;或者,响应于要求的异常响应时延大于时延阈值,确定所述预定周期大于周期阈值。如此,所述预定周期可以适应于要求的异常响应时延。
在一个实施例中,获取第一备选点,其中,所述第一备选点为包含于所述第一视场且位于所述交叠区域中的点;获取第二备选点,其中,所述第二备选点为包含于所述第二视场且位于所述交叠区域中的点;根据所述第一备选点的预定特征和所述第二备选点的所述预定特征之间的比较结果,确定所述点云是否发生分层。响应于确定所述点云发生分层,确定所述激光雷达出现以下至少之一的异常:激光器的位移、光电探测器的位移、MEMS行为异常和内部时钟异常。如此,在确定所述点云发生分层后,可以及时进行异常处置,提升激光雷达工作的可靠性。示例性地,响应于确定所述点云发生分层,输出激光雷达出现上述异常的提示信息。需要说明的是,光电探测器可以是APD或者单光子雪崩二极管(SPAD,SinglePhoton Avalanche Diode)等。
在一个实施例中,获取第一备选点,其中,所述第一备选点为包含于所述第一视场且位于所述交叠区域中的点;获取第二备选点,其中,所述第二备选点为包含于所述第二视场且位于所述交叠区域中的点;根据所述第一备选点的单个预定特征和所述第二备选点的所述单个预定特征之间的比较结果,确定所述点云是否发生分层。
在一个实施例中,获取第一备选点,其中,所述第一备选点为包含于所述第一视场且位于所述交叠区域中的点;获取第二备选点,其中,所述第二备选点为包含于所述第二视场且位于所述交叠区域中的点;根据所述第一备选点的测距值和所述第二备选点的测距值之间的比较结果,确定所述点云是否发生分层。
在一个实施例中,获取第一备选点,其中,所述第一备选点为包含于所述第一视场且位于所述交叠区域中的点;获取第二备选点,其中,所述第二备选点为包含于所述第二视场且位于所述交叠区域中的点;根据第一备选点的测距值的均值和第二备选点的所述测距值的均值之间的差值,确定所述点云是否发生分层。示例性地,响应于该差值在第一阈值范围内,确定所述点云未发生分层;或者,响应于该差值在第一阈值范围外,确定所述点云发生分层。
在一个实施例中,获取第一备选点,其中,所述第一备选点为包含于所述第一视场且位于所述交叠区域中的点;获取第二备选点,其中,所述第二备选点为包含于所述第二视场且位于所述交叠区域中的点;根据第一备选点的测距值的均值和第二备选点的测距值的均值之间的差值,以及根据第一备选点的测距值的标准差和第二备选点的测距值的标准差之间的差值,确定所述点云是否发生分层。示例性地,响应于该两个差值均在预定范围内(例如,均值的差值在第一阈值范围内,标准差的差值在第二阈值范围内),确定所述点云未发生分层;或者,响应于该两个差值均在预定范围外,确定所述点云发生分层,或者,响应于该两个差值中的一个在预定范围外,确定所述点云发生分层。
在一个实施例中,获取第一备选点,其中,所述第一备选点为包含于所述第一视场且位于所述交叠区域中的点;获取第二备选点,其中,所述第二备选点为包含于所述第二视场且位于所述交叠区域中的点;响应于所有所述第一备选点的所述强度与最近邻点的所述强度之间的差值的均值在第三阈值范围内,确定所述点云未发生分层,其中,所述最近邻点为从所述第二视场的所述第二备选点中确定出的与所述第一视场中每个所述第一备选点之间的距离最近的点。
在一个实施例中,获取第一备选点,其中,所述第一备选点为包含于所述第一视场且位于所述交叠区域中的点;获取第二备选点,其中,所述第二备选点为包含于所述第二视场且位于所述交叠区域中的点;响应于所有所述第一备选点的所述强度与最近邻点的所述强度之间的差值的均值在第三阈值范围外,确定所述点云发生分层,其中,所述最近邻点为从所述第二视场的所述第二备选点中确定出的与所述第一视场中每个所述第一备选点之间的距离最近的点。
在一个实施例中,获取第一备选点,其中,所述第一备选点为包含于所述第一视场且位于所述交叠区域中的点;获取第二备选点,其中,所述第二备选点为包含于所述第二视场且位于所述交叠区域中的点;根据第一备选点的第一法向量和第二备选点的第二法向量之间的夹角,确定所述点云是否发生分层。示例性地,响应于基于所述第一备选点确定的第一法向量和基于所述第二备选点确定的第二法向量之间的夹角在第四阈值范围内,确定所述点云未发生分层。
在一个实施例中,获取第一备选点,其中,所述第一备选点为包含于所述第一视场且位于所述交叠区域中的点;获取第二备选点,其中,所述第二备选点为包含于所述第二视场且位于所述交叠区域中的点;根据第一备选点的第一法向量和第二备选点的第二法向量之间的夹角,确定所述点云是否发生分层。示例性地,响应于基于所述第一备选点确定的第一法向量和基于所述第二备选点确定的第二法向量之间的夹角在第四阈值范围外,确定所述点云发生分层。
在一个实施例中,获取第一备选点,其中,所述第一备选点为包含于所述第一视场且位于所述交叠区域中的点;获取第二备选点,其中,所述第二备选点为包含于所述第二视场且位于所述交叠区域中的点;根据所述第一备选点的多个预定特征和所述第二备选点的多个所述预定特征之间的比较结果,确定所述点云是否发生分层。其中,多个预定特征包括以下多种:备选点的测距值;备选点的强度;备选点的法向量。这里,基于多个所述预定特征之间的比较结果,确定所述点云是否发生分层,可以提升确定所述点云是否发生分层的准确性。
本公开实施例提供的技术方案与现有技术相比存在的有益效果是:可以根据包含于所述第一视场且位于所述交叠区域中的第一备选点的预定特征,以及包含于所述第二视场且位于所述交叠区域中的第二备选点的所述预定特征,获得预定特征之间的比较结果,并基于所述比较结果确定点云是否发生分层。相较于利用人眼确定点云分层的方式,准确率更高,且在确定点云发生分层后就可以及时对激光雷达的异常进行处置,能够提升激光雷达工作的可靠性,减少与激光雷达关联业务的安全隐患。
需要说明的是,本领域内技术人员可以理解,本公开实施例提供的方法,可以被单独执行,也可以与本公开实施例中一些方法或相关技术中的一些方法一起被执行。
如图6所示,本公开实施例提供一种确定激光雷达点云分层的方法,所述激光雷达包括第一视场和第二视场,所述第一视场和所述第二视场之间存在交叠区域;所述方法包括:
步骤61、响应于确定所述点云发生分层,确定所述激光雷达出现以下至少之一的异常:激光器的位移、光电探测器的位移、MEMS行为异常和内部时钟异常。
在一个实施例中,获取所述激光雷达的点云的第一备选点,其中,所述第一备选点为包含于所述第一视场且位于所述交叠区域中的点;获取所述激光雷达的点云的第二备选点,其中,所述第二备选点为包含于所述第二视场且位于所述交叠区域中的点;根据所述第一备选点的预定特征和所述第二备选点的所述预定特征之间的比较结果,确定所述点云是否发生分层。响应于确定n帧点云中的m帧所述点云发生分层,确定所述激光雷达出现以下至少之一的异常:激光器的位移、光电探测器的位移、MEMS行为异常和内部时钟异常。如此,在确定所述点云发生分层后,可以及时进行异常处置,提升激光雷达工作的可靠性。这里,n和m为正整数,m和n的比值大于预定阈值。在一个实施例中,响应于异常处置的要求准确率大于准确率阈值,确定所述预定阈值大于参考值;或者,响应于异常处置的要求准确率小于准确率阈值,确定所述预定阈值小于参考值。
需要说明的是,本领域内技术人员可以理解,本公开实施例提供的方法,可以被单独执行,也可以与本公开实施例中一些方法或相关技术中的一些方法一起被执行。
如图7所示,本公开实施例提供一种确定激光雷达点云分层的方法,所述激光雷达包括第一视场和第二视场,所述第一视场和所述第二视场之间存在交叠区域;当所述预定特征包括备选点的测距值时,所述方法包括:
步骤71、响应于所述第一备选点的所述测距值的均值和所述第二备选点的所述测距值的均值之间的差值在第一阈值范围内,确定所述点云未发生分层;
和/或,
响应于所述第一备选点的所述测距值的均值和所述第二备选点的所述测距值的均值之间的差值在第一阈值范围外,确定所述点云发生分层。
在一个实施例中,响应于所述第一备选点的所述测距值的均值和所述第二备选点的所述测距值的均值之间的差值在第一阈值范围内,且所述第一备选点的所述测距值的标准差和所述第二备选点的所述测距值的标准差之间的差值在第二阈值范围内,确定所述点云未发生分层。
本公开实施例中步骤71部分的的具体说明,请参见步骤41、步骤42和步骤43部分的描述,在此不再赘述。
需要说明的是,本领域内技术人员可以理解,本公开实施例提供的方法,可以被单独执行,也可以与本公开实施例中一些方法或相关技术中的一些方法一起被执行。
如图8所示,本公开实施例提供一种确定激光雷达点云分层的方法,所述激光雷达包括第一视场和第二视场,所述第一视场和所述第二视场之间存在交叠区域;当所述预定特征包括备选点的强度时,所述方法包括:
步骤81、响应于所有所述第一备选点的所述强度与最近邻点的所述强度之间的差值的均值在第三阈值范围内,确定所述点云未发生分层,其中,所述最近邻点为从所述第二视场的所述第二备选点中确定出的与所述第一视场中每个所述第一备选点之间的距离最近的点;
和/或,
响应于所有所述第一备选点的所述强度与最近邻点的所述强度之间的差值的均值在第三阈值范围外,确定所述点云发生分层,其中,所述最近邻点为从所述第二视场的所述第二备选点中确定出的与所述第一视场中每个所述第一备选点之间的距离最近的点;
和/或,
响应于所有所述第二备选点的所述强度与最近邻点的所述强度之间的差值的均值在第三阈值范围内,确定所述点云未发生分层,其中,所述最近邻点为从所述第一视场的所述第一备选点中确定出的与所述第二视场中每个所述第二备选点之间的距离最近的点;
和/或,
响应于所有所述第二备选点的所述强度与最近邻点的所述强度之间的差值的均值在第三阈值范围外,确定所述点云发生分层,其中,所述最近邻点为从所述第一视场的所述第一备选点中确定出的与所述第二视场中每个所述第二备选点之间的距离最近的点。
本公开实施例中步骤81部分的的具体说明,请参见步骤41、步骤42和步骤43部分的描述,在此不再赘述。
需要说明的是,本领域内技术人员可以理解,本公开实施例提供的方法,可以被单独执行,也可以与本公开实施例中一些方法或相关技术中的一些方法一起被执行。
如图9所示,本公开实施例提供一种确定激光雷达点云分层的方法,所述激光雷达包括第一视场和第二视场,所述第一视场和所述第二视场之间存在交叠区域;当所述预定特征包括备选点的法向量时,所述方法包括:
步骤91、响应于基于所述第一备选点确定的第一法向量和基于所述第二备选点确定的第二法向量之间的夹角在第四阈值范围内,确定所述点云未发生分层;
和/或,
响应于基于所述第一备选点确定的第一法向量和基于所述第二备选点确定的第二法向量之间的夹角在第四阈值范围外,确定所述点云发生分层。
本公开实施例中步骤91部分的的具体说明,请参见步骤41和步骤42和步骤43部分的描述,在此不再赘述。
需要说明的是,本领域内技术人员可以理解,本公开实施例提供的方法,可以被单独执行,也可以与本公开实施例中一些方法或相关技术中的一些方法一起被执行。
如图10所示,本公开实施例提供一种确定激光雷达点云分层的方法,所述激光雷达包括第一视场和第二视场,所述第一视场和所述第二视场之间存在交叠区域;所述方法包括:
步骤101、响应于M帧点云中的N帧点云的所述比较结果为预定比较结果,确定所述点云发生分层,其中,所述M和所述N为大于0的整数,M≥N。
在一个实施例中,获取所述激光雷达的点云的第一备选点,其中,所述第一备选点为包含于所述第一视场且位于所述交叠区域中的点;获取所述激光雷达的点云的第二备选点,其中,所述第二备选点为包含于所述第二视场且位于所述交叠区域中的点;根据所述第一备选点的预定特征和所述第二备选点的所述预定特征之间的比较结果,确定所述点云是否发生分层。示例性地,响应于M帧点云中的N帧点云的所述比较结果为预定比较结果,确定所述点云发生分层,其中,所述M和所述N为大于0的整数,M≥N。
在一个实施例中,响应于M帧点云中的N帧点云的所述第一备选点的所述测距值的均值和所述第二备选点的所述测距值的均值之间的差值在第一阈值范围内,确定所述比较结果不为预定比较结果。
在一个实施例中,响应于M帧点云中的N帧点云的所述第一备选点的所述测距值的均值和所述第二备选点的所述测距值的均值之间的差值在第一阈值范围外,确定所述比较结果为预定比较结果。
在一个实施例中,响应于M帧点云中的N帧点云的每个所述第一备选点的所述强度与最近邻点的所述强度之间的差值的均值在第三阈值范围内,确定所述比较结果不为预定比较结果,其中,所述最近邻点为从所述第二视场的所述第二备选点中确定出的与所述第一视场中每个所述第一备选点之间的距离最近的点。
在一个实施例中,响应于M帧点云中的N帧点云的每个所述第一备选点的所述强度与最近邻点的所述强度之间的差值的均值在第三阈值范围外,确定所述比较结果为预定比较结果,其中,所述最近邻点为从所述第二视场的所述第二备选点中确定出的与所述第一视场中每个所述第一备选点之间的距离最近的点。
在一个实施例中,响应于M帧点云中的N帧点云的每个所述第二备选点的所述强度与最近邻点的所述强度之间的差值的均值在第三阈值范围内,确定所述比较结果不为预定比较结果,其中,所述最近邻点为从所述第一视场的所述第一备选点中确定出的与所述第二视场中每个所述第二备选点之间的距离最近的点。
在一个实施例中,响应于M帧点云中的N帧点云的每个所述第二备选点的所述强度与最近邻点的所述强度之间的差值的均值在第三阈值范围外,确定所述比较结果为预定比较结果,其中,所述最近邻点为从所述第一视场的所述第一备选点中确定出的与所述第二视场中每个所述第二备选点之间的距离最近的点。
在一个实施例中,响应于M帧点云中的N帧点云的响应于基于所述第一备选点确定的第一法向量和基于所述第二备选点确定的第二法向量之间的夹角在第四阈值范围内,确定所述比较结果不为预定比较结果。
在一个实施例中,响应于M帧点云中的N帧点云的响应于基于所述第一备选点确定的第一法向量和基于所述第二备选点确定的第二法向量之间的夹角在阈值范围外,确定所述点云发生分层,确定所述比较结果为预定比较结果。
需要说明的是,本领域内技术人员可以理解,本公开实施例提供的方法,可以被单独执行,也可以与本公开实施例中一些方法或相关技术中的一些方法一起被执行。
如图11所示,本公开实施例提供一种确定激光雷达点云分层的方法,所述激光雷达包括第一视场和第二视场,所述第一视场和所述第二视场之间存在交叠区域;所述方法包括:
步骤111、根据所述激光雷达的标定角度及固定距离生成参考点云;
步骤112、在所述参考点云中确定所述第一视场中的第一最近邻点;将所述第二视场中的点与所述第一最近邻点之间的距离在预定范围内的点确定为第二参考点,其中,所述第一最近邻点为从所述第一视场中的点中确定出的与所述第二视场中每个点之间的距离最近的点;
在所述参考点云中确定所述第二视场中的第二最近邻点;将所述第一视场中的点与所述第二最近邻点之间的距离在预定范围内的点确定为第一参考点,其中,所述第二最近邻点为从所述第二视场中的点中确定出的与所述第一视场中每个点之间的距离最近的点;
或者,在所述参考点云中根据交叠区域的边界拟合函数,确定第一参考点和第二参考点。
在一些实施例中,标定角度是所述激光雷达的标定文件中指示的标定信息,而固定距离是根据应用场景设置的距离。
需要说明的是,标定信息可以是所述激光雷达出厂时所述激光雷达工作在实际工作状态下的参数的信息;标定信息可以至少包含所述扫描角度信息。根据扫描角度信息和预定距离(distance)可以生成参考点云。参考点云也可以被称为辅助点云。
在一个实施例中,根据所述激光雷达的标定角度及固定距离生成参考点云;在所述参考点云中确定所述第一视场中的第一最近邻点;将所述第二视场中的点与所述第一最近邻点之间的距离在预定范围内的点确定为第二参考点,其中,所述第一最近邻点为从所述第一视场中的点中确定出的与所述第二视场中每个点之间的距离最近的点;在所述参考点云中确定所述第二视场中的第二最近邻点;将所述第一视场中的点与所述第二最近邻点之间的距离在预定范围内的点确定为第一参考点,其中,所述第二最近邻点为从所述第二视场中的点中确定出的与所述第一视场中每个点之间的距离最近的点;基于所述第一参考点和所述第二参考点的序号确定所述第一备选点和所述第二备选点。根据所述第一备选点的预定特征和所述第二备选点的所述预定特征之间的比较结果,确定所述点云是否发生分层。
需要说明的是,视场中的点可以都对应唯一的序号,以实现快速的遍历运算。本公开中,在确定出所述第一参考点和所述第二参考点后,可以确定所述第一参考点和所述第二参考点的序号,如此,在确定所述序号后,就可以快速基于所述序号确定所述第一备选点和所述第二备选点。
在一个实施例中,可以是根据标定信息(包含所述扫描角度信息)以及预定距离生成单帧参考点云;遍历视场A中的三维点,利用KD-Tree在相邻视场B中搜索与A视场中每个三维点的一个最邻近的最近邻点;如果该视场A中的三维点与该最近邻点之间的欧式距离小于预定值,则可以确定该视场A中的三维点位于不同视场的所述交叠区域,为用于确定备选点的参考点。例如,请参见图12,以视场A左上角三维点P1和右上角三维点P2为例进行说明,分别计算P1和P2到视场B中最近邻点的欧氏距离,如果P1到B中最近邻点的距离远大于设定的阈值X(例如,0.02米)。则P1不属于A视场和B视场的交叠区域,如果P2点到视场B中最近邻点的距离在阈值范围内,则P2属于A视场和B视场的交叠区域,为用于确定备选点的参考点。需要说明的是,上述示例中,若A为第一视场,则B为第二视场,对应的最近邻点为第二最近邻点,对应的参考点为第一参考点;若A为第二视场,则B为第一视场,对应的最近邻点为第一最近邻点,对应的参考点为第二参考点。
在一个实施例中,根据所述激光雷达的标定角度及固定距离生成参考点云;根据交叠区域的边界拟合函数,从所述参考点云中确定出第一参考点和第二参考点。基于所述第一参考点和所述第二参考点的序号确定所述第一备选点和所述第二备选点。根据所述第一备选点的预定特征和所述第二备选点的所述预定特征之间的比较结果,确定所述点云是否发生分层。
在一个实施例中,可以是根据标定信息生成单帧参考点云(或者辅助点云),其中,所述参考点云包含多个视场;由于每个视场的边缘点号(可以是视场边界的点的序号)在激光雷达出厂标定时已经确定,因此,可以根据基于标定信息确定的边缘点号确定每个视场的边缘点,根据边缘点的信息可以拟合出不同视场的一组边界曲线的方程组,如此,将视场中每个点的坐标代入该方程组,即可确定该点是否属于不同视场的交叠区域。如果该点属于所述交叠区域,就为参考点。这样,就可以确定出交叠区域中参考点的序号。该序号可以用于快速确定所述第一备选点和所述第二备选点。需要说明的是,如果边界拟合函数对应为第一视场,则参考点为第一参考点;或者,如果边界拟合函数对应为第二视场,则参考点为第二参考点。
在一个实施例中,每个视场的上、下、左和右四个边界曲线都可以采用三次函数来进行拟合。示例性地,该三次函数可以是:Ax3+Bx2+Cx+D=0。如此,通过不同视场的多个三次函数确定的三次函数方程组就可以确定第一参考点或者第二参考点。
需要说明的是,本领域内技术人员可以理解,本公开实施例提供的方法,可以被单独执行,也可以与本公开实施例中一些方法或相关技术中的一些方法一起被执行。
如图13所示,本公开实施例提供一种确定激光雷达点云分层的方法,所述激光雷达包括第一视场和第二视场,所述第一视场和所述第二视场之间存在交叠区域;所述方法包括:
步骤131、获取感兴趣区域ROI,在所述ROI中确定出所述第一参考点和所述第二参考点。
在一个实施例中,可以是根据激光雷达的发射角度确定感兴趣区域(ROI,Regionof Interest),仅在该ROI确定所述第一参考点和所述第二参考点。示例性地,ROI为水平发射角度在B视场Azimuth方位角的最小值到A视场Azimuth方位角的最大值之间的区域,则可以基于该ROI确定A视场和B视场的交叠区域中的三维点的水平发射角度在B视场Azimuth方位角的最小值到A视场Azimuth方位角的最大值之间。基于步骤112的方法,只需要遍历ROI中的点云,来确定第一参考点和所述第二参考点。通过该方式,可以减少计算量,因此可以加速确定出第一参考点和所述第二参考点。
在一个实施例中,获取感兴趣区域ROI,在所述ROI中确定出所述第一参考点和所述第二参考点。基于所述第一参考点和所述第二参考点的序号确定所述第一备选点和所述第二备选点。根据所述第一备选点的预定特征和所述第二备选点的所述预定特征之间的比较结果,确定所述点云是否发生分层。
为了更好地理解本公开实施例,以下通过一个示例性实施例对本公开实施例进行进一步说明:
示例1:
请参见图14,本示例提供一种确定激光雷达点云分层的方法,包括:
步骤a1:根据激光激光雷达出厂标定文件(例如,角度标定文件)和固定距离,确定每两个视场交叠区域分别属于两个视场的点集的所有三维点。其中,每个三维点都对应一个序号。示例性地,可以是根据角度标定文件,根据固定距离生成一帧参考点云,遍历该某个视场点云,利用KD-Tree在相邻视场搜索每个三维点的一个最近邻点,判断该三维点到相邻视场中最近邻点的欧式距离小于设定阈值则认为该点属于视场交叠区域。请再次参图12,以视场A左上角三维点P1和右上角三维点P2为例,分别计算P1和P2到视场B中最近邻点的欧氏距离,显然P1到B中最近邻的距离远大于我们设定的阈值0.02米,因此P1不属于AB视场交叠区点,而P2点到B中最近邻点的距离在阈值范围内,因此P2属于AB视场交叠区点集,该点集包含的点为参考点(例如,第一参考点或者第二参考点),该参考点都对应有一个序号。需要说明的是,步骤a1只用在激光激光雷达上电或检测算法起始时执行一次即可,为了加速搜索可以先根据发射角度确定一个ROI。示例性地,A视场和B视场交叠区的点水平发射角度在B视场Azimuth方位角最小值到A视场Azimuth方位角最大值之间。然后,只在在所述ROI中确定出所述参考点。
步骤a2:在激光激光雷达正常使用过程中,计算每个交叠区分别属于两个视场的点集P1和P2的特征值。以图15为例,主要的交叠区一共有10个,如图15所示。以编号为①的视场交叠区域为例,该交叠区域上视场点集为P1,下视场点集为P2,统计该交叠区域分属两个视场的两个点集P1和P2中距离值(这里,可以是在排序后,删除最大和最小各10%数量的距离值)的均值和/或标准差作为特征值A。需要说明的是,还可以利用的特征值还有强度(特征值B)以及点云的法向量(特征值C)等。
步骤a3:根据特征值判断单帧点云是否发生分层。可以根据单个特征值进行判断,以特征值A为例,若某个交叠区域两组点集P1,P2的距离值均值的差值与标准差的差值均在设定阈值内,则认为该交叠区没有发生分层现象,否则判断该帧的该交叠区发生了分层现象(离散程度相近,但均值相差较大)。
特征值还可以是特征B的值,特征B是点云的强度信息,跟距离一样属于原始测量信息,理论上交叠区域相近点的强度也应该是一致的。判断方法为:遍历P1中每个点,寻找P2中对应最近邻点,记录两个点的强度差值,遍历结束后求所有差值的均值,若超过阈值则判断点云发生分层。
特征值还可以是特征C的值,特征C是点云的法向量,根据法向量的夹角设定阈值判断是否发生分层,计算两组点云P1和P2的法向量x1和x2的夹角θ,若θ超过阈值则判断点云发生分层。
也可以将上述三个特征值综合进行判断,多个特征结合的方案可以根据三个特征中有两个特征满足分层的条件即可判断点云发生分层,提高判断的准确性。
步骤a4:统计多帧中出现分层的帧的数量占比,若分层点云数超过一定阈值则上报异常。如:连续50帧点云中至少有40帧发生了分层,则判断该设备发生了分层现象,上报异常。
如图16所示,本公开实施例提供一种确定激光雷达点云分层的装置,所述激光雷达包括第一视场和第二视场,所述第一视场和所述第二视场之间存在交叠区域;所述装置包括:
获取模块161,用于:获取所述激光雷达的点云的第一备选点,其中,所述第一备选点为包含于所述第一视场且位于所述交叠区域中的点;获取所述激光雷达的点云的第二备选点,其中,所述第二备选点为包含于所述第二视场且位于所述交叠区域中的点;
确定模块162,用于:根据所述第一备选点的预定特征和所述第二备选点的所述预定特征之间的比较结果,确定所述点云是否发生分层。
本公开实施例提供一种确定激光雷达点云分层的设备,包括:
存储器,存储有计算机可执行指令;
处理器,与所述存储器连接,用于通过执行所述计算机可执行指令,实现前述任意技术方案提供的信号接收组件的失效检测方法,示例性地,该处理器通过执行所述可执行指令,可以实现本公开任意方法。
该存储器可为各种类型的存储设备,例如,该存储器可包括:只读存储器、随机存储器、闪存和/或硬盘等。示例性地,所述存储器至少包括:非瞬间存储器。
所述处理器可包括各种具有信息处理能力的芯片或者集成电路。所述处理器包括但不限于:中央处理器、微处理器或者微控制器等。
所述处理器与所述存储器之间可以通过总线等通信接口连接。
本公开实施例还提供一种计算机存储介质,所述计算机存储介质存储有计算机可执行指令;所述计算机可执行指令被处理器执行后,能够实现前述任意技术方案提供的确定激光雷达点云分层的方法,示例性地,该处理器通过执行所述可执行指令,可以实现本公开任意方法。
该计算机存储介质为计算机可读存储介质,至少可为非瞬间存储介质。所述计算机存储介质的具体可包括:光盘、闪存器、光盘和/或各种类型的硬盘等。
本领域技术人员可以理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (13)
1.一种确定激光雷达点云分层的方法,其特征在于,所述激光雷达包括第一视场和第二视场,所述第一视场和所述第二视场之间存在交叠区域;所述方法包括:
获取所述激光雷达的点云的第一备选点,其中,所述第一备选点为包含于所述第一视场且位于所述交叠区域中的点;
获取所述激光雷达的点云的第二备选点,其中,所述第二备选点为包含于所述第二视场且位于所述交叠区域中的点;
根据所述第一备选点的预定特征和所述第二备选点的所述预定特征之间的比较结果,确定所述点云是否发生分层;其中,所述预定特征包括以下一种或者多种:备选点的测距值、备选点的强度和备选点的法向量。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
响应于确定所述点云发生分层,确定所述激光雷达出现以下至少之一的异常:
激光器的位移、光电探测器的位移、MEMS振镜行为异常和内部时钟异常。
3.根据权利要求1所述的方法,其特征在于,当所述预定特征包括备选点的测距值时,所述根据所述第一备选点的预定特征和所述第二备选点的所述预定特征之间的比较结果,确定所述点云是否发生分层,包括:
响应于所述第一备选点的所述测距值的均值和所述第二备选点的所述测距值的均值之间的差值在第一阈值范围内,确定所述点云未发生分层;
和/或,
响应于所述第一备选点的所述测距值的均值和所述第二备选点的所述测距值的均值之间的差值在第一阈值范围外,确定所述点云发生分层。
4.根据权利要求3所述的方法,其特征在于,所述响应于所述第一备选点的所述测距值的均值和所述第二备选点的所述测距值的均值之间的差值在第一阈值范围内,确定所述点云未发生分层,包括:
响应于所述第一备选点的所述测距值的均值和所述第二备选点的所述测距值的均值之间的差值在第一阈值范围内,且所述第一备选点的所述测距值的标准差和所述第二备选点的所述测距值的标准差之间的差值在第二阈值范围内,确定所述点云未发生分层。
5.根据权利要求1所述的方法,其特征在于,当所述预定特征包括备选点的强度时,所述根据所述第一备选点的预定特征和所述第二备选点的所述预定特征之间的比较结果,确定所述点云是否发生分层,包括:
响应于所有所述第一备选点的所述强度与最近邻点的所述强度之间的差值的均值在第三阈值范围内,确定所述点云未发生分层,其中,所述最近邻点为从所述第二视场的所述第二备选点中确定出的与所述第一视场中每个所述第一备选点之间的距离最近的点;
和/或,
响应于所有所述第一备选点的所述强度与最近邻点的所述强度之间的差值的均值在第三阈值范围外,确定所述点云发生分层,其中,所述最近邻点为从所述第二视场的所述第二备选点中确定出的与所述第一视场中每个所述第一备选点之间的距离最近的点。
6.根据权利要求1所述的方法,其特征在于,当所述预定特征包括备选点的法向量时,所述根据所述第一备选点的预定特征和所述第二备选点的所述预定特征之间的比较结果,确定所述点云是否发生分层,包括:
响应于基于所述第一备选点确定的第一法向量和基于所述第二备选点确定的第二法向量之间的夹角在第四阈值范围内,确定所述点云未发生分层;
和/或,
响应于基于所述第一备选点确定的第一法向量和基于所述第二备选点确定的第二法向量之间的夹角在第四阈值范围外,确定所述点云发生分层。
7.根据权利要求1至6任一项所述的方法,其特征在于,所述确定所述点云是否发生分层,包括:
响应于M帧点云中的N帧点云的所述比较结果为预定比较结果,确定所述点云发生分层,其中,所述M和所述N为大于0的整数,M≥N。
8.根据权利要求1至6任一项所述的方法,其特征在于,所述方法还包括:
根据所述激光雷达的标定角度及固定距离生成参考点云;
在所述参考点云中确定所述第一视场中的第一最近邻点;将所述第二视场中的点与所述第一最近邻点之间的距离在预定范围内的点确定为第二参考点,其中,所述第一最近邻点为从所述第一视场中的点中确定出的与所述第二视场中每个点之间的距离最近的点;在所述参考点云中确定所述第二视场中的第二最近邻点;将所述第一视场中的点与所述第二最近邻点之间的距离在预定范围内的点确定为第一参考点,其中,所述第二最近邻点为从所述第二视场中的点中确定出的与所述第一视场中每个点之间的距离最近的点;
或者,在所述参考点云中根据交叠区域的边界拟合函数,确定第一参考点和第二参考点。
9.根据权利要求8所述的方法,其特征在于,所述方法还包括:
确定所述第一参考点和所述第二参考点的序号;
根据所述第一参考点和所述第二参考点的序号确定所述第一备选点和所述第二备选点。
10.根据权利要求8所述的方法,其特征在于,所述方法还包括:获取感兴趣区域ROI,在所述ROI中确定出所述第一参考点和所述第二参考点。
11.一种确定激光雷达点云分层的装置,其特征在于,所述激光雷达包括第一视场和第二视场,所述第一视场和所述第二视场之间存在交叠区域;所述装置包括:
获取模块,用于:获取所述激光雷达的点云的第一备选点,其中,所述第一备选点为包含于所述第一视场且位于所述交叠区域中的点;获取所述激光雷达的点云的第二备选点,其中,所述第二备选点为包含于所述第二视场且位于所述交叠区域中的点;
确定模块,用于:根据所述第一备选点的预定特征和所述第二备选点的所述预定特征之间的比较结果,确定所述点云是否发生分层;其中,所述预定特征包括以下一种或者多种:备选点的测距值、备选点的强度和备选点的法向量。
12.一种确定激光雷达点云分层的设备,其特征在于,包括:
存储器,存储有计算机可执行指令;
处理器,与所述存储器连接,用于通过执行所述计算机可执行指令,实现权利要求1至10任一项提供的所述方法。
13.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机可执行指令;所述计算机可执行指令被处理器执行后,能够实现如权利要求1至10任一项提供的所述方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210328377.4A CN115047471B (zh) | 2022-03-30 | 2022-03-30 | 确定激光雷达点云分层的方法、装置、设备及存储介质 |
PCT/CN2023/084709 WO2023185927A1 (zh) | 2022-03-30 | 2023-03-29 | 确定激光雷达点云分层的方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210328377.4A CN115047471B (zh) | 2022-03-30 | 2022-03-30 | 确定激光雷达点云分层的方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115047471A CN115047471A (zh) | 2022-09-13 |
CN115047471B true CN115047471B (zh) | 2023-07-04 |
Family
ID=83157950
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210328377.4A Active CN115047471B (zh) | 2022-03-30 | 2022-03-30 | 确定激光雷达点云分层的方法、装置、设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115047471B (zh) |
WO (1) | WO2023185927A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115047471B (zh) * | 2022-03-30 | 2023-07-04 | 北京一径科技有限公司 | 确定激光雷达点云分层的方法、装置、设备及存储介质 |
CN117689536A (zh) * | 2024-02-01 | 2024-03-12 | 浙江华是科技股份有限公司 | 激光雷达拼接配准方法、系统、装置及计算机存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109993700A (zh) * | 2019-04-03 | 2019-07-09 | 百度在线网络技术(北京)有限公司 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
CN111487641A (zh) * | 2020-03-19 | 2020-08-04 | 福瑞泰克智能系统有限公司 | 一种利用激光雷达检测物体的方法、装置、电子设备及存储介质 |
WO2020223594A2 (en) * | 2019-05-02 | 2020-11-05 | Kodak Alaris, Inc | Automated 360-degree dense point object inspection |
CN112106370A (zh) * | 2018-03-20 | 2020-12-18 | Pcms控股公司 | 基于优先化排序的变换而优化动态点云的系统和方法 |
CN112816993A (zh) * | 2020-12-25 | 2021-05-18 | 北京一径科技有限公司 | 激光雷达点云处理方法和装置 |
WO2021232227A1 (zh) * | 2020-05-19 | 2021-11-25 | 深圳市大疆创新科技有限公司 | 构建点云帧的方法、目标检测方法、测距装置、可移动平台和存储介质 |
WO2022028753A1 (en) * | 2020-08-05 | 2022-02-10 | Siemens Energy Global GmbH & Co. KG | Computer-implemented correlation between monitoring data and according inspection data in powder-bed additive manufacturing |
CN114252870A (zh) * | 2021-11-30 | 2022-03-29 | 深圳元戎启行科技有限公司 | 激光雷达自检方法及其自检设备、计算机可读存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11041957B2 (en) * | 2018-06-25 | 2021-06-22 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for mitigating effects of high-reflectivity objects in LiDAR data |
CN110335295B (zh) * | 2019-06-06 | 2021-05-11 | 浙江大学 | 一种基于tof相机的植物点云采集配准与优化方法 |
CN115047471B (zh) * | 2022-03-30 | 2023-07-04 | 北京一径科技有限公司 | 确定激光雷达点云分层的方法、装置、设备及存储介质 |
-
2022
- 2022-03-30 CN CN202210328377.4A patent/CN115047471B/zh active Active
-
2023
- 2023-03-29 WO PCT/CN2023/084709 patent/WO2023185927A1/zh unknown
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112106370A (zh) * | 2018-03-20 | 2020-12-18 | Pcms控股公司 | 基于优先化排序的变换而优化动态点云的系统和方法 |
CN109993700A (zh) * | 2019-04-03 | 2019-07-09 | 百度在线网络技术(北京)有限公司 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
WO2020223594A2 (en) * | 2019-05-02 | 2020-11-05 | Kodak Alaris, Inc | Automated 360-degree dense point object inspection |
CN111487641A (zh) * | 2020-03-19 | 2020-08-04 | 福瑞泰克智能系统有限公司 | 一种利用激光雷达检测物体的方法、装置、电子设备及存储介质 |
WO2021232227A1 (zh) * | 2020-05-19 | 2021-11-25 | 深圳市大疆创新科技有限公司 | 构建点云帧的方法、目标检测方法、测距装置、可移动平台和存储介质 |
WO2022028753A1 (en) * | 2020-08-05 | 2022-02-10 | Siemens Energy Global GmbH & Co. KG | Computer-implemented correlation between monitoring data and according inspection data in powder-bed additive manufacturing |
CN112816993A (zh) * | 2020-12-25 | 2021-05-18 | 北京一径科技有限公司 | 激光雷达点云处理方法和装置 |
CN114252870A (zh) * | 2021-11-30 | 2022-03-29 | 深圳元戎启行科技有限公司 | 激光雷达自检方法及其自检设备、计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115047471A (zh) | 2022-09-13 |
WO2023185927A1 (zh) | 2023-10-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115047471B (zh) | 确定激光雷达点云分层的方法、装置、设备及存储介质 | |
CN115047472B (zh) | 确定激光雷达点云分层的方法、装置、设备及存储介质 | |
US20200379111A1 (en) | Optical distance measuring device | |
US20150109603A1 (en) | Multi-wavelength image lidar sensor apparatus and signal processing method thereof | |
CN109782258B (zh) | 车辆激光雷达的位置检测方法、装置及存储介质 | |
CN112639509B (zh) | 一种雷达功率控制方法及装置 | |
US10444398B2 (en) | Method of processing 3D sensor data to provide terrain segmentation | |
CN115436912B (zh) | 一种点云的处理方法、装置及激光雷达 | |
US11703588B2 (en) | Reflection object position calculating device, reflection object position calculating method, and reflection object position calculating program | |
CN113466836A (zh) | 一种测距方法、装置及激光雷达 | |
CN113658241A (zh) | 单目结构光的深度恢复方法、电子设备及存储介质 | |
CN114612598A (zh) | 一种点云的处理方法、装置及激光雷达 | |
CN112445225A (zh) | 防撞系统、自动防撞的方法及非暂态计算机可读介质 | |
CN113099120A (zh) | 深度信息获取方法、装置、可读存储介质及深度相机 | |
CN114578316B (zh) | 确定点云中鬼影点的方法、装置、设备及存储介质 | |
US11722141B1 (en) | Delay-locked-loop timing error mitigation | |
EP4310549A1 (en) | Sensing system | |
CN115079193A (zh) | 光电检测装置、控制方法、电子设备及存储介质 | |
US20220260692A1 (en) | Method for characterizing lidar point cloud quality | |
CN114859328B (zh) | 一种mems扫描镜的停摆检测方法、装置及激光雷达 | |
CN113985389B (zh) | 一种时间同步校准装置、自动识别路径设备、方法及介质 | |
CN116559896B (zh) | 调整激光雷达测距精度的方法、装置及激光雷达 | |
US20230114731A1 (en) | Methods and system for generating virtual sensor data of a virtual single-photon avalanche diode (spad) lidar sensor of a virtual vehicle simulator | |
JP6812997B2 (ja) | 検出装置及び検出方法 | |
KR20190092957A (ko) | 거리 측정 방법 |
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 |