CN115047472B - 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 PDF

Info

Publication number
CN115047472B
CN115047472B CN202210328771.8A CN202210328771A CN115047472B CN 115047472 B CN115047472 B CN 115047472B CN 202210328771 A CN202210328771 A CN 202210328771A CN 115047472 B CN115047472 B CN 115047472B
Authority
CN
China
Prior art keywords
point
field
view
determining
points
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
Application number
CN202210328771.8A
Other languages
English (en)
Other versions
CN115047472A (zh
Inventor
陈森柯
赵拓
喻乐
黄琦
王栋
夏冰冰
石拓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zvision Technologies Co Ltd
Original Assignee
Zvision Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zvision Technologies Co Ltd filed Critical Zvision Technologies Co Ltd
Priority to CN202210328771.8A priority Critical patent/CN115047472B/zh
Publication of CN115047472A publication Critical patent/CN115047472A/zh
Priority to PCT/CN2023/084775 priority patent/WO2023185943A1/zh
Application granted granted Critical
Publication of CN115047472B publication Critical patent/CN115047472B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

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：获取激光雷达点云的预定数量的待测点对，其中，待测点对包括备选点和与备选点对应的备选最近邻点；备选点为包含于第一视场且位于交叠区域中的点；备选最近邻点为包含于第二视场中且位于交叠区域中的点；根据待测点对的备选点的测距值与备选最近邻点的测距值之间的比较结果，确定点云是否发生分层。本公开实施例中，运算量减少，可以大幅减少占用的运算资源，且能够提升确定是否发生分层的运算效率。

Description

确定激光雷达点云分层的方法、装置、设备及存储介质
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：
获取所述激光雷达点云的预定数量的待测点对，其中，所述待测点对包括备选点和与所述备选点对应的备选最近邻点；所述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；所述备选最近邻点为包含于所述第二视场中且位于所述交叠区域中的点；
根据所述待测点对的所述备选点的测距值与所述备选最近邻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，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行为异常和内部时钟异常。
在一个实施例中，所述根据所述待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间的比较结果，确定所述点云是否发生分层，包括：
根据所有所述待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间差值的绝对值的均值，确定所述点云是否发生分层。
在一个实施例中，所述根据所有所述待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间差值的绝对值的均值，确定所述点云是否发生分层，包括：
响应于所述均值在阈值范围内，确定所述点云未发生分层；
和/或，
响应于所述均值在阈值范围外，确定所述点云发生分层。
在一个实施例中，所述方法还包括：
从所述待测点对中确定出目标待测点对，其中，所述目标待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间差值在预定距离范围内；
所述根据所有所述待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间差值的绝对值的均值，确定所述点云是否发生分层，包括：
根据所述目标待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间差值的绝对值的均值，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：
统计在不同差值范围内的差值的数量，其中，所述差值为所述待测点对的所述备选点的测距值和所述备选最近邻点的测距值之间的差值；
从所述待测点对中确定出统计的所述数量最多的差值范围内的差值对应的所述待测点对为目标待测点对；
所述根据所有所述待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间差值的绝对值的均值，确定所述点云是否发生分层，包括：
根据所述目标待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间差值的绝对值的均值，确定所述点云是否发生分层。
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；
在所述第二参考点中确定与所述第一参考点距离最近的点作为参考最近邻点，第一参考点与对应的参考最近邻点形成初始点对；
根据所述初始点对中的所述第一参考点与对应的参考最近邻点之间的距离，确定出所述预定数量的参考点对；其中，所述参考点对用于确定所述待测点对。
在一个实施例中，所述方法还包括：
确定所述参考点对中的所述第一参考点的序号和所述参考最近邻点的序号；
根据所述第一参考点的序号和所述参考最近邻点的序号确定所述备选点和备选最近邻点。
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中确定出所述参考点对。
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，所述装置包括：
获取模块，被配置为获取所述激光雷达点云的预定数量的待测点对，其中，所述待测点对包括备选点和与所述备选点对应的备选最近邻点；所述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；所述备选最近邻点为包含于所述第二视场中且位于所述交叠区域中的点；
确定模块，被配置为根据所述待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间的比较结果，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：由于所述待检测点对是从所述交叠区域中确定出的预定数量的点对，在根据所述待检测点对的所述备选点的测距值与所述备选最近邻点的测距值之间的比较结果确定所述点云是否发生分层时，相较于需要利用交叠区域的所有点的特征以确定所述点云是否发生分层的方式，运算量减少，可以大幅减少占用的运算资源，且能够提升确定是否发生分层的运算效率。如此，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激光雷达点云分层的方法的流程示意图。
图16是本发明实施例提供的一种点云的示意图。
图17是本发明实施例提供的一种点云的示意图。
图18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技术中的应用场景进行说明:
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扫描式激光雷达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扫描式激光雷达的视场变为大视场。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。
由于激光器的位移、光电探测器的位移(例如，雪崩型光电二极管(APD，AvalanchePhoto Diode)和单光子雪崩二极管(SPAD，Single Photon Avalanche Diode)等)、MEMS行为异常和内部时钟异常等原因会造成交叠区点云分层的现象。
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，实际测距点发生了变化，从P变为P'，实际测距值也应当相应从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”。若第二视场中，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，所述方法包括：
步骤41、获取所述激光雷达点云的预定数量的待测点对，其中，所述待测点对包括备选点和与所述备选点对应的备选最近邻点；所述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；所述备选最近邻点为包含于所述第二视场中且位于所述交叠区域中的点；
步骤42、根据所述待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间的比较结果，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，所述备选最近邻点与不同所述备选点之间的距离最近。
在一个实施例中，激光雷达点云可以是基于多个视场确定的。视场可以是由三维点(例如，所述备选点或所述备选最近邻点都是三维点)构成的，三维点可以通过三维坐标或者其他特征信息量化表示。本公开实施例中，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。这里，如果A视场为第一视场，则B视场即为A视场的第二视场，或者，如果B视场为第一视场，则A视场即为B视场的第二视场。
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。
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，获取所述激光雷达点云的预定数量的待测点对，其中，所述待测点对包括备选点和与所述备选点对应的备选最近邻点；所述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；所述备选最近邻点为包含于所述第二视场中且位于所述交叠区域中的点，所述备选最近邻点与不同所述备选点之间的距离最近；按照预定周期，根据所述待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间的比较结果，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，获取所述激光雷达点云的预定数量的待测点对，其中，所述待测点对包括备选点和与所述备选点对应的备选最近邻点；所述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；所述备选最近邻点为包含于所述第二视场中且位于所述交叠区域中的点，所述备选最近邻点与不同所述备选点之间的距离最近；根据所述待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间的比较结果，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，Single Photon Avalanche Diode)等。
在一个实施例中，获取所述激光雷达点云的预定数量的待测点对，其中，所述待测点对包括备选点和与所述备选点对应的备选最近邻点，所述预定数量小于数量阈值；所述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；所述备选最近邻点为包含于所述第二视场中且位于所述交叠区域中的点，所述备选最近邻点与不同所述备选点之间的距离最近；根据所述待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间的比较结果，确定所述点云是否发生分层。其中，可以根据激光雷达确定是否分层要求的运算效率确定所述数量阈值。示例性地，响应于所述运算效率大于效率阈值，确定所述数量阈值小于预定值；或者，响应于所述运算效率小于效率阈值，确定所述数量阈值大于预定值。如此，所述数量阈值可以适应于所述激光雷达的运算效率。
在一个实施例中，获取所述激光雷达点云的预定数量的待测点对，其中，所述待测点对包括备选点和与所述备选点对应的备选最近邻点；所述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；所述备选最近邻点为包含于所述第二视场中且位于所述交叠区域中的点，所述备选最近邻点与不同所述备选点之间的距离最近；根据所有所述待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间差值的绝对值的均值，确定所述点云是否发生分层。示例性地，响应于所述均值在阈值范围内，确定所述点云未发生分层；和/或，响应于所述均值在阈值范围外，确定所述点云发生分层。
在一个实施例中，可以是确定所述待检测点对的所述备选点的测距值与所述备选最近邻点的测距值之间的差值的绝对值，例如，△Di＝|Da-Db|，其中，Da为待检测点对的所述备选点的测距值，Db为待检测点对的所述备选最近邻点的测距值。根据所述绝对值确定所述点云是否发生分层。
在一个实施例中，可以是确定所述待检测点对的所述备选点的测距值与所述备选最近邻点的测距值之间的差值的绝对值；确定所述待检测点对的该绝对值的均值。根据所述均值确定所述点云是否发生分层。示例性地，响应于所述均值在预定范围内，确定所述点云未发生分层；或者，响应于所述均值在预定范围外，确定所述点云发生分层。
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；在所述第二参考点中确定与所述第一参考点距离最近的点作为参考最近邻点，其中，第一参考点与对应的参考最近邻点形成初始点对；根据所述初始点对中的所述第一参考点与对应的参考最近邻点之间的距离，确定出所述预定数量的参考点对；根据所述参考点对确定所述待测点对。获取所述激光雷达点云的预定数量的待测点对，其中，所述待测点对包括备选点和与所述备选点对应的备选最近邻点；所述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；所述备选最近邻点为包含于所述第二视场中且位于所述交叠区域中的点，所述备选最近邻点与不同所述备选点之间的距离最近；根据所述待测点对的所述备选点的测距值与所述备选最近邻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，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；在所述第二参考点中确定与所述第一参考点距离最近的点作为参考最近邻点，其中，第一参考点与对应的参考最近邻点形成初始点对；根据所述初始点对中的所述第一参考点与对应的参考最近邻点之间的距离，确定出所述预定数量的参考点对；根据所述参考点对确定所述待测点对。获取所述激光雷达点云的预定数量的待测点对，其中，所述待测点对包括备选点和与所述备选点对应的备选最近邻点；所述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；所述备选最近邻点为包含于所述第二视场中且位于所述交叠区域中的点，所述备选最近邻点与不同所述备选点之间的距离最近；根据所述待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间的比较结果，确定所述点云是否发生分层。
在本公开实施例中，由于所述待检测点对是从所述交叠区域中确定出的预定数量的点对，可以设置所述预定数量小于数量阈值，在根据所述待检测点对的所述备选点的测距值与所述备选最近邻点的测距值之间的比较结果确定所述点云是否发生分层时，相较于需要利用交叠区域的所有点的特征以确定所述点云是否发生分层的方式，运算量减少，可以大幅减少占用的运算资源，且能够提升确定是否发生分层的运算效率。如此，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。
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，获取所述激光雷达点云的预定数量的待测点对，其中，所述待测点对包括备选点和与所述备选点对应的备选最近邻点；所述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；所述备选最近邻点为包含于所述第二视场中且位于所述交叠区域中的点，所述备选最近邻点与不同所述备选点之间的距离最近；根据所述待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间的比较结果，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；所述方法包括：
步骤71、根据所有所述待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间差值的绝对值的均值，确定所述点云是否发生分层。
在一个实施例中，根据所有所述待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间差值的绝对值的均值，确定所述点云是否发生分层。响应于所述均值在阈值范围内，确定所述点云未发生分层；和/或，响应于所述均值在阈值范围外，确定所述点云发生分层。
本公开实施例中步骤71部分的的具体说明，请参见步骤41和步骤42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；所述方法包括：
步骤81、从所述待测点对中确定出目标待测点对，其中，所述目标待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间差值在预定距离范围内；
步骤82、根据所述目标待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间差值的绝对值的均值，确定所述点云是否发生分层。
例如，如果确定的待检测点对为25个，但是其中5个待检测点对的备选点的测距值与备选最近邻点的测距值之间差值都小于或者等于0，则可以剔除该5个待检测点对，剩余的20个待检测对即为目标待检测对。根据所述剩余的20个待检测对的所述备选点的测距值与所述备选最近邻点的测距值之间差值的绝对值的均值，确定所述点云是否发生分层。
在一个实施例中，从所述待检测点对中确定出目标待检测点对，其中，所述目标待检测点对的所述备选点的测距值与所述备选最近邻点的测距值之间差值在预定距离范围内；根据所述目标待检测点对的所述备选点的测距值与所述备选最近邻点的测距值之间差值的绝对值的均值，确定所述点云是否发生分层。响应于所述均值在阈值范围内，确定所述点云未发生分层；和/或，响应于所述均值在阈值范围外，确定所述点云发生分层。
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；所述方法包括：
步骤91、统计在不同差值范围内的差值的数量，其中，所述差值为所述待测点对的所述备选点的测距值和所述备选最近邻点的测距值之间的差值；
步骤92、从所述待测点对中确定出统计的所述数量最多的差值范围内的差值对应的所述待测点对为目标待测点对；
步骤93、根据所述目标待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间差值的绝对值的均值，确定所述点云是否发生分层。
在一个实施例中，可以将差值可能的取值范围划分为多个等分的差值范围，其中，所述差值为所述待测点对的所述备选点的测距值和所述备选最近邻点的测距值之间的差值；例如，差值可能的范围为1至100，则可以将该范围等分为10份，分别为1至10、11至20…和91至100。如此，可以准确统计在每个差值范围内的差值的数量。
在一个实施例中，可以基于直方图统计在不同差值范围内的差值的数量，其中，所述差值为所述待测点对的所述备选点的测距值和所述备选最近邻点的测距值之间的差值；基于所述直方图从所述待测点对中确定出统计的所述数量最多的差值范围内的差值对应的所述待测点对为目标待测点对；根据所述目标待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间差值的绝对值的均值，确定所述点云是否发生分层。
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，获取所述激光雷达点云的预定数量的待测点对，其中，所述待测点对包括备选点和与所述备选点对应的备选最近邻点；所述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；所述备选最近邻点为包含于所述第二视场中且位于所述交叠区域中的点，所述备选最近邻点与不同所述备选点之间的距离最近；根据所述待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间的比较结果，确定所述点云是否发生分层。响应于确定M帧点云中的N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，N和M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；
步骤113、在所述第二参考点中确定与所述第一参考点距离最近的点作为参考最近邻点，其中，第一参考点与对应的参考最近邻点形成初始点对；
步骤114、根据所述初始点对中的所述第一参考点与对应的参考最近邻点之间的距离，确定出所述预定数量的参考点对，其中，所述参考点对用于确定所述待测点对。
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。
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对应的参考最近邻点后，可以确定所述第一参考点和对应的参考最近邻点的序号，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备选点和所述备选最近邻点。
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，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。
如此，在基于上述方法确定出第一参考点和第二参考点后，就可以在所述第二参考点中确定与所述第一参考点距离最近的点作为参考最近邻点，其中，第一参考点与对应的参考最近邻点形成初始点对；根据所述初始点对中的所述第一参考点与对应的参考最近邻点之间的距离，确定出所述预定数量的参考点对，其中，所述参考点对用于确定所述待测点对。
为了更好地理解本公开实施例，请参见图13，A视场和B视场具有交叠区域，第一参考点ai位于A视场且位于交叠区域，第二参考点bn位于B视场且位于交叠区域。可以针对A视场在交叠区域中的每一个点ai(i＝0～m，m可以是A视场在交叠区域的点的总个数)遍历B视场中位于交叠区域中的点b0至bn(n可以是A视场在交叠区域的点的总个数)，计算距离ai最近的点bk(即参考最近邻点)，则每个ai和与ai确定的bk就可以确定一个参考点对，共可以确定出x，x＝(m+1)个参考点对，该参考点对用于确定所述待测点对。如果预定数量为x，则可以根据该x个所述待检测点对的所述备选点(例如，ai)的测距值与所述备选最近邻点(例如，bk)的测距值之间的比较结果，确定所述点云是否发生分层。或者，预定数量为y(y小于x)，则可以对x个所述参考点对确定的测距值的差值进行排序，这里，该差值可以是待检测点对中的所述备选点的测距值和所述备选最近邻点的测距值之间的差值的绝对值。从x个所述参考点对中确定出距离排序在前的y(例如，20)个距离对应的参考点对，该参考点对用于确定所述待测点对；根据该y个待检测点对的所述备选点(例如，ai)的距离与所述备选最近邻点(例如，bk)的测距值的差值的绝对值的比较结果，确定所述点云是否发生分层。需要说明的是，从x个所述参考点对中确定出的参考点对不包含所述差值为0的点对，或者，待测点对中的第一参考点或者参考最近邻点为0的点对。在一个实施例中，可以对参考点对的所述差值进行直方图统计，选择数量最多的直方中的所述参考点对作为确定所述点云是否发生分层的初始点对。
需要说明的是，如果任意交叠区域中确定出的待检测点对为a，则b个交叠区域确定出的待检测点对就为a×b个。例如，a为20，b为10，则待检测点对的个数为200。
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、确定所述参考点对中的所述第一参考点的序号和所述参考最近邻点的序号；
步骤132、根据所述第一参考点的序号和所述参考最近邻点的序号确定所述备选点和备选最近邻点。
在一个实施例中，确定所述参考点对中的所述第一参考点的序号和所述参考最近邻点的序号；根据所述第一参考点的序号确定所述备选点，即，所述备选点的序号和所述第一参考点的序号相同；根据所述参考最近邻点的序号确定所述备选最近邻点，即，所述备选最近邻点的序号与所述参考最近邻点的序号相同。
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14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141、获取感兴趣区域ROI，在所述ROI中确定出所述参考点对。
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确定所述参考点对。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。基于本公开实施例中的方法，只需要遍历ROI中的点云，来确定所述参考点对。通过该方式，可以减少计算量，因此可以加速确定出所述参考点对。
在一个实施例中，获取感兴趣区域ROI，在所述ROI中确定出所述参考点对。基于所述参考点对的序号确定所述待测点对。根据所述待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间的比较结果，确定所述点云是否发生分层。
需要说明的是，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。
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15，本示例提供一种确定激光雷达点云分层的方法，包括：
步骤151、根据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点的序号。一种确定方法为：根据角度文件，给定距离(固定距离)生成一帧点云。由于每个视场的边缘点号(点云中三维点的序号)在出厂标定时已经确定，因此，可以根据边缘点号确定对应的每个视场的边缘点，根据这些边缘点的信息可以拟合出一组该视场的边界曲线方程组，将相邻视场每个点坐标代入该曲线方程组即可确定出该点是否属于这两个视场的交叠区。每个视场的上、下、左、右四个边界曲线均可以用三次函数来拟合，例如，Ax3+Bx2+Cx+D＝0。如此就可以确定出所述第一参考点和所述第二参考点。
步骤152、寻找参考点对。以图12中A、B视场的交叠区为例，A视场和B视场具有交叠区域，第一参考点ai位于A视场且位于交叠区域，第二参考点bn位于B视场且位于交叠区域。对A视场交叠区的每一个点ai(i＝0～m)，遍历B视场处于交叠区中的点b0～bn，计算与ai最近的点bk，将ai与bk配为一对参考点对，如此共得到m+1对参考点对。对上述m+1对参考点对按照欧氏距离(参考点对的ai与bk之间的距离)排序，取距离最小的20对参考点对(不包含测距异常点，如两个点的测距均为0的情况)作为诊断使用。对每个交叠区做上述操作，得到10个视场交叠区共200对诊断点对(如图16所示)，记录这些点对的序号信息(包括点对所包含的第一参考点和参考最近邻点的需要)。需要说明的是，步骤141，142可以只用在激光雷达上电或算法开始运行时执行一次。
步骤153、根据步骤142中记录的点对序号，找到每个视场交叠区的20组点对(如图17所示，即为待测点对)，计算每对点测距值差值的绝对值，即△Di＝|Da-Db|，其中，Da为待检测点对的所述备选点的测距值，Db为待检测点对的所述备选最近邻点的测距值。剔除异常值后，计算有效值的均值，若均值超出设定阈值，则认为该交叠区发生分层。一种剔除异常值的方法：将20组数据进行直方图统计，选择数量最多的直方中的数据作为判据，计算它们的均值作为确定点云是否分层的依据。
步骤154、统计多帧中出现分层的占比，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，则判断该激光雷达发生了分层现象，上报异常。
如图18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，所述装置包括：
获取模块181，被配置为获取所述激光雷达点云的预定数量的待测点对，其中，所述待测点对包括备选点和与所述备选点对应的备选最近邻点；所述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；所述备选最近邻点为包含于所述第二视场中且位于所述交叠区域中的点；
确定模块182，被配置为根据所述待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间的比较结果，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：
获取所述激光雷达点云的预定数量的待测点对，其中，所述待测点对包括备选点和与所述备选点对应的备选最近邻点；所述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；所述备选最近邻点为包含于所述第二视场中且位于所述交叠区域中的点；所述备选最近邻点与不同所述备选点之间的距离最近；
根据所述待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间的比较结果，确定所述点云是否发生分层。
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，所述根据所述待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间的比较结果，确定所述点云是否发生分层，包括：
根据所有所述待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间差值的绝对值的均值，确定所述点云是否发生分层。
4.根据权利要求3所述的方法，其特征在于，所述根据所有所述待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间差值的绝对值的均值，确定所述点云是否发生分层，包括：
响应于所述均值在阈值范围内，确定所述点云未发生分层；
和/或，
响应于所述均值在阈值范围外，确定所述点云发生分层。
5.根据权利要求3所述的方法，其特征在于，所述方法还包括：
从所述待测点对中确定出目标待测点对，其中，所述目标待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间差值在预定距离范围内；
所述根据所有所述待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间差值的绝对值的均值，确定所述点云是否发生分层，包括：
根据所述目标待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间差值的绝对值的均值，确定所述点云是否发生分层。
6.根据权利要求3所述的方法，其特征在于，所述方法还包括：
统计在不同差值范围内的差值的数量，其中，所述差值为所述待测点对的所述备选点的测距值和所述备选最近邻点的测距值之间的差值；
从所述待测点对中确定出统计的所述数量最多的差值范围内的所述差值对应的所述待测点对为目标待测点对；
所述根据所有所述待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间差值的绝对值的均值，确定所述点云是否发生分层，包括：
根据所述目标待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间差值的绝对值的均值，确定所述点云是否发生分层。
7.根据权利要求1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7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；
在所述第二参考点中确定与所述第一参考点距离最近的点作为参考最近邻点，其中，第一参考点与对应的参考最近邻点形成初始点对；
根据所述初始点对中的所述第一参考点与对应的参考最近邻点之间的距离，确定出所述预定数量的参考点对，其中，所述参考点对用于确定所述待测点对。
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：
确定所述参考点对中的所述第一参考点的序号和所述参考最近邻点的序号；
根据所述第一参考点的序号和所述参考最近邻点的序号确定所述备选点和备选最近邻点。
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中确定出所述参考点对。
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，被配置为获取所述激光雷达点云的预定数量的待测点对，其中，所述待测点对包括备选点和与所述备选点对应的备选最近邻点；所述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；所述备选最近邻点为包含于所述第二视场中且位于所述交叠区域中的点；所述备选最近邻点与不同所述备选点之间的距离最近；
确定模块，被配置为根据所述待测点对的所述备选点的测距值与所述备选最近邻点的测距值之间的比较结果，确定所述点云是否发生分层。
12.一种确定激光雷达的点云分层的设备，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。
CN202210328771.8A 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 Active CN115047472B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210328771.8A CN115047472B (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/CN2023/084775 WO2023185943A1 (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
CN202210328771.8A CN115047472B (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
CN115047472A CN115047472A (zh) 2022-09-13
CN115047472B true CN115047472B (zh) 2023-05-02

Family

ID=83156996

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210328771.8A Active CN115047472B (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) CN115047472B (zh)
WO (1) WO2023185943A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115047472B (zh) * 2022-03-30 2023-05-02 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
CN117689536B (zh) * 2024-02-01 2024-05-10 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

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105678708B (zh) * 2016-01-04 2018-05-29 浙江大学 一种适用于已配准多视角有序点云的整体优化方法
CN107621226A (zh) * 2017-07-18 2018-01-23 深圳大学 多目立体视觉的三维扫描方法及系统
CN108226894A (zh) * 2017-11-29 2018-06-29 北京数字绿土科技有限公司 一种点云数据处理方法及装置
CN109993700B (zh) * 2019-04-03 2023-07-04 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
CN112816993B (zh) * 2020-12-25 2022-11-08 北京一径科技有限公司 激光雷达点云处理方法和装置
CN115047472B (zh) * 2022-03-30 2023-05-02 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

Also Published As

Publication number Publication date
WO2023185943A1 (zh) 2023-10-05
CN115047472A (zh) 2022-09-13

Similar Documents

Publication Publication Date Title
CN115047472B (zh) 确定激光雷达点云分层的方法、装置、设备及存储介质
CN115047471B (zh) 确定激光雷达点云分层的方法、装置、设备及存储介质
Tuley et al. Analysis and removal of artifacts in 3-D LADAR data
CN109782258B (zh) 车辆激光雷达的位置检测方法、装置及存储介质
US20060115113A1 (en) Method for the recognition and tracking of objects
US20190302247A1 (en) Angle calibration in light detection and ranging system
CN115436912B (zh) 一种点云的处理方法、装置及激光雷达
US20230162395A1 (en) Point-Cloud Processing
CN113111513B (zh) 传感器配置方案确定方法、装置、计算机设备及存储介质
CN113466836A (zh) 一种测距方法、装置及激光雷达
CN114612598A (zh) 一种点云的处理方法、装置及激光雷达
CA2874879A1 (en) Method of processing 3d sensor data to provide terrain segmentation
CN112445225A (zh) 防撞系统、自动防撞的方法及非暂态计算机可读介质
KR20220110034A (ko) 대상체의 기하학적 특성을 반영하여 확장된 표현 범위를 가지는 인텐시티 정보를 생성하는 방법 및 그러한 방법을 수행하는 라이다 장치
CN111670379A (zh) 回波信号处理方法、设备及存储介质
US20240077586A1 (en) Method for generating intensity information having extended expression range by reflecting geometric characteristic of object, and lidar apparatus performing same method
WO2022068818A1 (en) Apparatus and method for calibrating three-dimensional scanner and refining point cloud data
JP7348414B2 (ja) ライダー計測においてブルーミングを認識するための方法及び装置
CN113099120B (zh) 深度信息获取方法、装置、可读存储介质及深度相机
EP3862787A1 (en) De-jitter of point cloud data for target recognition
CN111819602A (zh) 增加点云采样密度的方法、点云扫描系统、可读存储介质
CN113014899A (zh) 一种双目图像的视差确定方法、装置及系统
OrtataŞ et al. A Novel Method of Obstacle Detection Using Stereo Vision for Unmanned Systems
US20220260692A1 (en) Method for characterizing lidar point cloud quality
WO2023023951A1 (en) Method for detecting anomalies of lidar point cloud data and related device

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