CN115079126A - 点云处理方法、装置、设备及存储介质 - Google Patents
点云处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115079126A CN115079126A CN202210520846.2A CN202210520846A CN115079126A CN 115079126 A CN115079126 A CN 115079126A CN 202210520846 A CN202210520846 A CN 202210520846A CN 115079126 A CN115079126 A CN 115079126A
- Authority
- CN
- China
- Prior art keywords
- point
- feature
- feature point
- target
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000004590 computer program Methods 0.000 claims description 19
- 230000015654 memory Effects 0.000 claims description 18
- 230000005484 gravity Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 17
- 238000004891 communication Methods 0.000 description 10
- 230000002093 peripheral effect Effects 0.000 description 10
- 230000001133 acceleration Effects 0.000 description 9
- 238000009826 distribution Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000002310 reflectometry Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000012360 testing method 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
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本申请公开了点云处理方法、装置、设备及存储介质，属于激光雷达技术领域。方法包括：获取激光雷达扫描目标对象的初始点云，初始点云包括多个非结构化的第一特征点和多个结构化的第二特征点；基于初始点云中的各个第二特征点的扫描距离生成多个目标特征点，第二特征点的扫描距离基于第二特征点的三维坐标确定，多个目标特征点为结构化的特征点；将多个第二特征点与多个目标特征点作为目标点云。在生成目标特征点时是基于初始点云中的第二特征点的扫描距离实现，对第一特征点的非结构化情况没有限定，可对包括任意非结构化情况的第一特征点的初始点云进行结构化处理，通用性强。得到的目标点云中包括结构化的特征点，统一了目标点云的精度。
Description
技术领域
本申请实施例涉及激光雷达技术领域，特别涉及一种点云处理方法、装置、设备及存储介质。
背景技术
随着激光雷达技术的发展，激光雷达应用范围越来越广，例如激光雷达应用于自动驾驶技术领域。其中，激光雷达在向目标对象发射和接收光束过程中能收集到目标对象表面的大量点云，通过分析大量点云得到目标对象的三维模型或是其他数据。然而，上述激光雷达工作过程中，收集到的大量点云会存在非结构化的特征点，非结构化的特征点会影响分析点云时的准确率。因此，需要一种对存在非结构化的特征点的点云处理方法。
相关技术中，点云中存在的非结构化特征点是由于特征点缺失造成的，在对上述点云进行处理时，利用插值算法对点云中的特征点的缺失部分进行填充，使得填充后的点云实现结构化。
上述点云处理方法，仅能针对存在特征点缺失的点云进行结构化处理，通用性低。
发明内容
本申请实施例提供了一种点云处理方法、装置、设备及存储介质，可用于解决相关技术中存在的问题。所述技术方案如下：
一方面，本申请实施例提供了一种点云处理方法，所述方法包括：
获取激光雷达扫描目标对象的初始点云，所述初始点云包括多个非结构化的第一特征点和多个结构化的第二特征点；
基于所述初始点云中的各个第二特征点的扫描距离生成多个目标特征点，所述第二特征点的扫描距离基于所述第二特征点的三维坐标确定，所述多个目标特征点为结构化的特征点；
将所述多个结构化的第二特征点与所述多个目标特征点作为目标点云。
在一种可能的实现方式中，所述基于所述初始点云中的各个第二特征点的扫描距离生成多个目标特征点，包括：
获取任一第二特征点与所述任一第二特征点的参考特征点之间的角度间隔，所述任一第二特征点的参考特征点为与所述任一第二特征点相邻的第二特征点；
基于所述任一第二特征点的扫描距离与所述角度间隔确定所述任一第二特征点的第一半径；
基于所述任一第二特征点的第一半径生成与所述任一第二特征点对应的目标特征点。
在一种可能的实现方式中，所述基于所述任一第二特征点的第一半径生成与所述任一第二特征点对应的目标特征点，包括：
基于所述任一第二特征点的第一半径确定所述任一第二特征点的球形范围；
根据位于所述球形范围内的第一特征点的位置数据以及位于所述球形范围内的第二特征点的位置数据确定所述任一第二特征点的参考重心；
获取所述任一第二特征点与垂直特征点的参考重心之间的平均距离值，基于所述平均距离值生成与所述任一第二特征点对应的目标特征点，所述垂直特征点为与所述任一第二特征点垂直相邻的第二特征点。
在一种可能的实现方式中，所述获取任一第二特征点与所述任一第二特征点的参考特征点之间的角度间隔之前，还包括：
响应于所述任一第二特征点存在多个相邻的第二特征点，获取所述任一第二特征点与各个相邻的第二特征点之间的角度间隔；
确定所述多个相邻的第二特征点中与所述任一第二特征点之间的角度间隔最小的第二特征点为所述任一第二特征点的参考特征点。
在一种可能的实现方式中，所述将所述多个结构化的第二特征点与所述多个目标特征点作为目标点云之后，所述方法还包括：
获取各个第二特征点的可信参数，所述可信参数用于表示所述第二特征点的可信程度；
基于所述各个第二特征点的可信参数计算各个目标特征点的可信参数。
在一种可能的实现方式中，所述基于所述各个第二特征点的可信参数计算各个目标特征点的可信参数之后，所述方法还包括：
基于所述各个第二特征点的可信参数与所述各个目标特征点的可信参数，获取所述各个第二特征点与所述各个目标特征点的可信度均值；
根据所述可信度均值调整所述激光雷达的扫描速率。
在一种可能的实现方式中，所述基于所述各个第二特征点的可信参数与所述各个目标特征点的可信参数，获取所述各个第二特征点与所述各个目标特征点的可信度均值，包括：
基于所述激光雷达的扫描参数确定第一数量；
将所述目标点云划分为第一数量个点云块，基于各个点云块内的第二特征点的可信参数与所述目标特征点的可信参数获取所述各个点云块的可信度均值。
另一方面，提供了一种点云处理装置，所述装置包括：
获取模块，用于获取激光雷达扫描目标对象的初始点云，所述初始点云包括多个非结构化的第一特征点和多个结构化的第二特征点；
生成模块，用于基于所述初始点云中的各个第二特征点的扫描距离生成多个目标特征点，所述第二特征点的扫描距离基于所述第二特征点的三维坐标确定，所述多个目标特征点为结构化的特征点；
确定模块，用于将所述多个结构化的第二特征点与所述多个目标特征点作为目标点云。
在一种可能的实现方式中，所述生成模块，用于获取任一第二特征点与所述任一第二特征点的参考特征点之间的角度间隔，所述任一第二特征点的参考特征点为与所述任一第二特征点相邻的第二特征点；基于所述任一第二特征点的扫描距离与所述角度间隔确定所述任一第二特征点的第一半径；基于所述任一第二特征点的第一半径生成与所述任一第二特征点对应的目标特征点。
在一种可能的实现方式中，所述生成模块，用于基于所述任一第二特征点的第一半径确定所述任一第二特征点的球形范围；根据位于所述球形范围内的第一特征点的位置数据以及位于所述球形范围内的第二特征点的位置数据确定所述任一第二特征点的参考重心；获取所述任一第二特征点与垂直特征点的参考重心之间的平均距离值，基于所述平均距离值生成与所述任一第二特征点对应的目标特征点，所述垂直特征点为与所述任一第二特征点垂直相邻的第二特征点。
在一种可能的实现方式中，所述确定模块，还用于响应于所述任一第二特征点存在多个相邻的第二特征点，获取所述任一第二特征点与各个相邻的第二特征点之间的角度间隔；确定所述多个相邻的第二特征点中与所述任一第二特征点之间的角度间隔最小的第二特征点为所述任一第二特征点的参考特征点。
在一种可能的实现方式中，所述装置还包括：
计算模块，用于获取各个第二特征点的可信参数，所述可信参数用于表示所述第二特征点的可信程度；基于所述各个第二特征点的可信参数计算各个目标特征点的可信参数。
在一种可能的实现方式中，所述装置还包括：
调整模块，用于基于所述各个第二特征点的可信参数与所述各个目标特征点的可信参数，获取所述各个第二特征点与所述各个目标特征点的可信度均值；根据所述可信度均值调整所述激光雷达的扫描速率。
在一种可能的实现方式中，所述调整模块，用于基于所述激光雷达的扫描参数确定第一数量；将所述目标点云划分为第一数量个点云块，基于各个点云块内的第二特征点的可信参数与所述目标特征点的可信参数获取所述各个点云块的可信度均值。
另一方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行，以使所述计算机设备实现上述任一所述的点云处理方法。
另一方面，还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中存储有至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行，以使计算机实现上述任一所述的点云处理方法。
另一方面，还提供了一种计算机程序产品或计算机程序，所述计算机程序产品或计算机程序包括计算机指令，所述计算机指令存储在计算机可读存储介质中。计算机设备的处理器从所述计算机可读存储介质读取所述计算机指令，处理器执行所述计算机指令，使得所述计算机设备执行上述任一所述的点云处理方法。
本申请实施例提供的技术方案至少带来如下有益效果：
在生成目标特征点时是基于初始点云中的第二特征点的扫描距离实现，对第一特征点的非结构化情况没有限定，可对包括任意非结构化情况的第一特征点的初始点云进行结构化处理，通用性强。由于目标点云中包括的多个目标特征点和第二特征点均是结构化的特征点，使得目标点云中不存在非结构化的第一特征点，统一了目标点云的精度。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种实施环境的示意图；
图2是本申请实施例提供的一种点云处理方法的流程图；
图3是本申请实施例提供的一种初始点云的分布示意图；
图4是本申请实施例提供的一种水平方向的角度间隔的示意图；
图5是本申请实施例提供的一种垂直方向的角度间隔的示意图；
图6是本申请实施例提供的一种特征点的分布示意图；
图7是本申请实施例提供的一种目标点云的分布示意图；
图8是本申请实施例提供的另一种目标点云的分布示意图；
图9是本申请实施例提供的一种可信度均值与扫描速率的对应关系示意图；
图10是本申请实施例提供的另一种点云处理的方法流程图；
图11是本申请实施例提供的一种点云处理装置的结构示意图；
图12是本申请实施例提供的一种服务器的结构示意图；
图13是本申请实施例提供的一种点云处理设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
本申请实施例提供了一种点云处理方法，请参考图1，其示出了本申请实施例提供的方法实施环境的示意图。该实施环境可以包括：终端11、服务器12和激光雷达13。
其中，激光雷达13用于扫描目标对象从而获取初始点云，终端11或服务器12用于对初始点云进行处理。可选地，终端11从激光雷达13中获取初始点云的信息，将获取到的初始点云的信息发送给服务器12，服务器12基于获取到的初始点云的信息生成多个目标特征点，将多个第二特征点与目标特征点作为目标点云。可选地，服务器12将多个目标特征点的信息发送给终端11，终端11将多个第二特征点与目标特征点作为目标点云，作为处理后的精度统一的初始点云。
可选地，终端11从激光雷达13中获取初始点云的信息，终端11基于初始点云的信息生成多个目标特征点，将多个第二特征点与目标特征点作为目标点云。可选地，终端11将多个目标特征点的信息发送给服务器12，服务器12将多个第二特征点与目标特征点作为目标点云，作为处理后的精度统一的初始点云。
可选地，服务器12从激光雷达13中获取初始点云的信息，服务器12基于初始点云的信息生成多个目标特征点，将多个第二特征点与目标特征点作为目标点云。可选地，服务器12将多个目标特征点的信息发送给终端11，终端11将多个第二特征点与目标特征点作为目标点云，作为处理后的精度统一的初始点云。
可选地，终端11可以是任何一种可与用户通过键盘、触摸板、触摸屏、遥控器、语音交互或手写设备等一种或多种方式进行人机交互的电子产品，例如PC(PersonalComputer，个人计算机)、手机、智能手机、PDA(Personal Digital Assistant，个人数字助手)、可穿戴设备、PPC(Pocket PC，掌上电脑)、平板电脑、智能车机、智能电视、智能音箱等。服务器12可以是一台服务器，也可以是由多台服务器组成的服务器集群，或者是一个云计算服务中心。终端11与服务器12通过有线或无线网络建立通信连接，激光雷达13分别与终端11和服务器12通过有线或无线网络建立通信连接。
本领域技术人员应能理解上述终端11和服务器12仅为举例，其他现有的或今后可能出现的终端或服务器如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。
基于上述图1所示的实施环境，本申请实施例提供一种点云处理方法，该点云处理方法可由终端或服务器执行，也可由终端和服务器交互实现。以该方法应用于服务器为例，该方法的流程图如图2所示，包括步骤201-步骤203。
在步骤201中，获取激光雷达扫描目标对象的初始点云，初始点云包括多个非结构化的第一特征点和多个结构化的第二特征点。
可选地，目标对象是指激光雷达通过扫描来测量三维形态的对象。目标对象可以是有测量需求的任意大小与类别的对象，包括但不限于山丘、桌椅以及汽车等。在一种可能的实现方式中，由于不同的激光雷达的硬件参数不同，会存在当被测物体的反射率低于激光雷达的硬件参数中的测量阈值时，无法基于激光雷达发射的激光获取被测物体的点云的情况。因此，激光雷达扫描的目标对象的反射率需要满足激光雷达的测量阈值。
本申请实施例不限定激光雷达扫描目标对象的速率，可以是基于经验与实施环境的任意大小的数值。此外，激光雷达也可以选择任意扫描方式对目标物体进行扫描。扫描方式包括但不限于线扫描方式、圆锥扫描方式或光纤扫描方式。服务器通过与激光雷达的通信连接，获取激光雷达扫描目标对象的初始点云。在一种可能的情况下，由于激光雷达的扫描方式不同会导致获取到的初始点云出现不规则的问题。因此，需要对初始点云进行处理，以解决上述不规则的问题。
示例性地，初始点云不规则是指初始点云中包括多个非结构化的第一特征点和多个结构化的第二特征点，例如图3中的(1)示出的第一特征点与第二特征点。结构化是指两个相邻的第二特征点之间的角度间隔为定值。其中，相邻包括水平相邻或垂直相邻，例如图3中的(2)示出的水平相邻的第二特征点与垂直相邻的第二特征点。示例性地，图3中的(2)是图3中的(1)示出的初始点云的部分点云分布示意图。
在一种可能的实现方式中，角度间隔为定值，该定值是基于激光雷达的硬件参数所确定的。例如，用于扫描目标对象的激光雷达的视场角为120°，通过将视场角平均分割成120列，此时，水平相邻的两个第二特征点之间的角度间隔为水平定值1°。可选地，水平相邻的第二特征点之间的角度间隔可以与垂直相邻的第二特征点之间的角度间隔相同，也可以与垂直相邻的第二特征点之间的角度间隔不同，本申请实施例对此不进行限定。
可选地，第二特征点之间的角度间隔是指第二特征点与激光雷达的连线之间的夹角。图4是本申请实施例提供的一种水平方向的角度间隔的示意图，图4示出的角度间隔是水平相邻的第二特征点之间的角度间隔。如图4所示，第二特征点A与激光雷达的连线，以及第二特征点B与激光雷达的连线之间的夹角θ，也即是第二特征点A与第二特征点B之间的角度间隔。以上述实施例举例的激光雷达的视场角为120°，通过将视场角平均分割成120列为例，此时θ等于水平定值1°。
示例性地，非结构化的第一特征点是指存在两个相邻的第一特征点之间的角度间隔不为定值。两个相邻的第一特征点之间的角度间隔不为定值包括水平相邻的第一特征点之间的角度间隔不为水平定值和/或垂直相邻的第一特征点之间的角度间隔不为垂直定值。例如，当激光雷达采用非对称的双收发结构与非竖直的多面体扫瞄镜进行扫描，此时获取的初始点云中会存在非结构化的第一特征点。
在步骤202中，基于初始点云中的各个第二特征点的扫描距离生成多个目标特征点，第二特征点的扫描距离基于第二特征点的三维坐标确定，多个目标特征点为结构化的特征点。
其中，第二特征点的扫描距离也即是第二特征点与激光雷达之间的距离，例如图4示出的第二特征点A的扫描距离。由于初始点云是一组用于表示三维坐标的向量的集合，因此，在获取初始点云时，即可基于第二特征点的三维坐标确定第二特征点的扫描距离。
示例性地，基于第二特征点的扫描距离生成目标特征点的过程，包括：获取任一第二特征点与任一第二特征点的参考特征点之间的角度间隔，任一第二特征点的参考特征点为与任一第二特征点相邻的第二特征点；基于任一第二特征点的扫描距离与角度间隔确定任一第二特征点的第一半径；基于任一第二特征点的第一半径生成与任一第二特征点对应的目标特征点。
可选地，在获取任一第二特征点与任一第二特征点的参考特征点之间的角度间隔之前，还需要确定任一第二特征点的参考特征点。确定过程包括：响应于任一第二特征点存在多个相邻的第二特征点，获取任一第二特征点与各个相邻的第二特征点之间的角度间隔；确定多个相邻的第二特征点中与任一第二特征点之间的角度间隔最小的第二特征点为任一第二特征点的参考特征点。
需要说明的是，由于第二特征点是初始点云中分布均匀的特征点，也即是相邻的第二特征点之间的水平方向的角度间隔以及或垂直方向的角度间隔均是定值，而定值是基于激光雷达的硬件参数所确定的。因此，在确定用于扫描目标对象的激光雷达时，即可获取任一第二特征点与各个相邻的第二特征点之间的角度间隔。此外，由于垂直相邻的第二特征点之间的角度间隔为垂直定值，水平相邻的第二特征点之间的角度间隔为水平定值。因此，比较多个第二特征点之间的角度间隔也即是比较垂直定值与水平定值的大小。
可选地，图5是本申请实施例提供的一种垂直方向的角度间隔的示意图，对于与任一第二特征点垂直相邻的第二特征点，角度间隔是指垂直方向的角度间隔，即图5中的α。对于与任一第二特征点水平相邻的第二特征点，角度间隔是指水平方向的角度间隔，即图4中的θ。通过比较多个相邻的第二特征点中与任一第二特征点之间的角度间隔，从多个相邻的第二特征点中选择与任一第二特征点角度间隔最小的第二特征点为参考特征点，从而得到任一第二特征点与任一第二特征点的参考特征点之间的角度间隔β。
以图4与图5示出的角度间隔对参考特征点进行说明，图4与图5中任一第二特征点为第二特征点A，第二特征点A存在两个相邻的第二特征点，分别为图4示出的与第二特征点A水平相邻的第二特征点B，以及图5示出的与第二特征点A垂直相邻的第二特征点C。当θ＞α时，参考特征点为第二特征点C，β等于α；当α＞θ时，参考特征点为第二特征点B，β等于θ。
示例性地，在确定任一第二特征点与任一第二特征点的参考特征点之间的角度间隔后，即可基于角度间隔与任一第二特征点的扫描距离确定任一第二特征点的第一半径。在一种可能的实现方式中，第一半径可通过公式1确定。
可选地，r是指任一第二特征点的第一半径，β是指任一第二特征点与任一第二特征点的参考特征点之间的角度间隔，L是指任一第二特征点的扫描距离，L′是指激光雷达测距误差。其中，激光雷达测距误差是激光雷达的硬件参数，可通过激光雷达的生产对象获取激光雷达的硬件参数。
在一种可能的实现方式中，计算得到各个第二特征点的第一半径后，可基于各个第二特征点的第一半径确定各个第二特征点相邻的目标特征点，确定过程包括：基于任一第二特征点的第一半径确定任一第二特征点的球形范围；根据位于球形范围内的第一特征点的位置数据以及位于球形范围内的第二特征点的位置数据确定任一第二特征点的参考重心；获取任一第二特征点与垂直特征点的参考重心之间的平均距离值，基于平均距离值生成与任一第二特征点对应的目标特征点，垂直特征点为与任一第二特征点垂直相邻的第二特征点。
以上述实施例示出的任一第二特征点为第二特征点A，基于任一第二特征点的第一半径确定任一第二特征点的球形范围。也即是以第二特征点A为球心，以第一半径为半径，确定一个球形作为第二特征点A的球形范围。在一种可能的实现方式中，当第一特征点与第二特征点的位置数据为第一特征点与第二特征点的三维坐标时，可通过公式2确定任一第二特征点的参考重心。
其中，xg是指任一第二特征点的参考重心的x坐标，
是指位于任一第二特征点的球形范围内的第一特征点与第二特征点的x坐标的平均值，yg是指任一第二特征点的参考重心的y坐标，
是指位于任一第二特征点的球形范围内的第一特征点与第二特征点的y坐标的平均值，zg是指任一第二特征点的参考重心的z坐标，
是指位于任一第二特征点的球形范围内的第一特征点与第二特征点的z坐标的平均值。通过公式2计算得到任一第二特征点的参考重心的三维坐标(xg，yg，zg)，从而确定任一第二特征点的参考重心。
示例性地，在确定任一第二特征点的参考重心后，可计算任一第二特征点与任一第二特征点的垂直特征点的参考重心之间的平均距离值，再根据平均距离值确定任一第二特征点对应的目标特征点。其中，任一第二特征点的垂直特征点是指与任一第二特征点垂直相邻的第二特征点，任一第二特征点对应的目标特征点是指基于任一第二特征点的扫描距离所得到的目标特征点。
可选地，根据平均距离值确定任一第二特征点对应的目标特征点包括：根据平均距离值、任一第二特征点的水平扫描角度与垂直扫描角度计算得到任一第二特征点对应的目标特征点。其中，任一第二特征点的垂直扫描角度与水平扫描角度是基于激光雷达的硬件参数所确定，可在确定用于扫描目标对象的激光雷达时，即可获取激光雷达中的各个第二特征点的水平扫描角度与垂直扫描角度。将任一第二特征点的水平扫描角度作为目标特征点的水平偏转量，基于任一第二特征点的垂直扫描角度以及任一第二特征点与任一第二特征点的垂直特征点之间的角度间隔，确定目标特征点的垂直偏转量。
以任一第二特征点为第二特征点A，任一第二特征点的垂直特征点为第二特征点C为例，对确定第二特征点A对应的目标特征点的垂直偏移量进行举例说明。当第二特征点A的垂直扫描角度为0.5°，第二特征点C的垂直扫描角度为1.5°，第二特征点A与第二特征点C之间的角度间隔为1°时。所确定第二特征点A对应的目标特征点位于第二特征点A与第二特征点C之间，且目标特征点与第二特征点A之间的第一角度间隔与目标特征点与第二特征点C之间的第二角度间隔相等。也即是，确定目标特征点的垂直偏移量为0.5°+1/2°＝1°。
在一种可能的实现方式中，在得到目标特征点的水平偏移量与垂直偏移量后，以平均距离值作为目标特征点与坐标原点之间的距离，根据水平偏移量与垂直偏移量确定用于表示目标特征点的三维坐标的向量，也即是目标特征点。其中，坐标原点是指激光雷达发射激光的位置。
通过上述步骤，每两个垂直相邻的第二特征点即可生成一个目标特征点，最终生成的目标特征点如图6所示，图6示出了基于两行垂直相邻的第二特征点生成的目标特征点的分布情况。参见图6，基于第二特征点的扫描距离确定的目标特征点与第一特征点不同，为结构化的特征点，且生成的多个目标特征点中水平相邻的两个目标特征点之间的角度间隔与水平相邻的第二特征点之间的角度间隔保持一致，均为水平定值。
在步骤203中，将多个结构化的第二特征点与多个目标特征点作为目标点云。
可选地，保留多个结构化的目标特征点，丢弃多个非结构化的第一特征点。最终得到的目标点云包括的特征点为结构化的第二特征点与结构化的目标特征点。图7是本申请实施例提供的一种目标点云的分布示意图。参见图7，目标点云中的多个特征点(包括第二特征点与目标特征点)中任意水平相邻的两个特征点之间的角度间隔相等，目标点云中的多个特征点中任意垂直相邻的两个特征点之间的角度间隔也相等，也即目标点云在水平方向与垂直方向均结构化分布。
在一种可能的实现方式中，服务器除了对初始点云进行结构化处理以得到目标点云，还会对处理后的目标点云计算可信参数。计算可信参数的过程，包括：获取各个第二特征点的可信参数，可信参数用于表示第二特征点的可信程度；基于各个第二特征点的可信参数计算各个目标特征点的可信参数。
本申请实施例不限定获取第二特征点的可信参数的方式，可基于各个第二特征点在目标点云中的分布情况设置。示例性地，将目标点云中非边缘通道且单独存在的第二特征点的可信参数设置为R1/2。其中，非边缘通道是指第二特征点的上下左右均存在相邻的特征点，图8为本申请实施例示出的另一种目标点云的结构示意图，图8中的801由于上方不存在相邻的第二特征点，因此801为边缘通道。图8中的802由于上下左右均存在相邻的第二特征点，因此802为非边缘通道。
可选地，单独存在的第二特征点是指与该第二特征点上下相邻的第二特征点的扫描距离均为0。例如，激光雷达在扫描目标物体时虽然按照预先设置的分割线数对视场角进行划分，但由于目标物体的反射率或是其他原因，会出现部分返回的第二特征点的扫描距离为0。当某一第二特征点位于非边缘通道，且某一第二特征点的上下相邻的第二特征点的扫描距离均为0时，该第二特征点的可信参数设置为R1/2。此外，服务器还会将目标点云中的其他第二特点的可信参数设置为R1。其他第二特征点也即是上述某一第二特征点之外的第二特征点。而R1可以基于经验与实施环境进行设置，例如，设置R1为高可信参数，数值上等于1。当然，R1还可以设置为其他数值，本申请实施例对此不进行限定。
在确定各个第二特征点的可信参数后，服务器可计算各个目标特征点的可信参数。可选地，以任一目标特征点为球心，以步骤202中计算的第一半径(r)为半径，确定第一参考球形，计算第一参考球形内的第二特征点的可信参数的平均值，得到第一均值(Reliablityevr)。例如，图8中以803为球心的虚线框，计算位于虚线框内的第二特征点的可信参数的平均值。此外，服务器还会以同一目标特征点为球心，以两倍的第一半径(2r)为半径确定第二参考球形，计算位于第二参考球形内且位于第一参考球形外的各个特征点(包括第二特征点与目标特征点)到球心的距离(Lzx)。再依次计算Lzx与2r的比值RLR，并将RLR带入公式3。
RLRAVERAGE＝(RLR1+…+RLRN)/N (公式3)
其中，RLRAVERAGE表示比值RLR的平均值，RLRN表示位于第二参考球形内且第一参考球形外的各个特征点到球心的距离与2r的比值，N为正整数。
在计算得到比值RLR的平均值RLRAVERAGE后，可基于公式4确定任一目标特征点的可信参数R2。R2＝Reliablityevr+(1-RLRAVERAGE)(公式4)，关于Reliablityevr与RLRAVERAGE的获取过程可参见上述实施例。可选地，当基于公式4计算得到R2的取值大于1时，确定R2的取值仍为1。从而控制R2的取值范围为0-1。此外，当目标特征点距离目标点云的中点越远，其可信参数越大。通过计算各个目标特征点的可信参数，明确了目标点云中的各个特征点(第二特征点与目标特征点)的可信参数，从而提高目标点云的可信程度，进而能精确评价目标点云中的各个特征点的有效性。并且，服务器获取的目标特征点的属性信息除了上述计算得到的目标特征点的三维坐标之外，还包括目标特征点的可信参数，丰富了目标特征点的属性信息。
在一种可能的实现方式中，在计算各个目标特征点的可信参数之后，服务器还会基于各个第二特征点的可信参数与各个目标特征点的可信参数，获取各个第二特征点与各个目标特征点的可信度均值；根据可信度均值调整激光雷达的扫描速率。示例性地，基于激光雷达的扫描参数确定第一数量；将目标点云划分为第一数量个点云块，基于各个点云块内的第二特征点的可信参数与目标特征点的可信参数获取各个点云块的可信度均值。
可选地，扫描参数为激光雷达的硬件参数中用于反应激光雷达的扫描过程的参数。扫描参数包括但不限于：激光雷达在水平方向的最小角度间隔A，激光雷达的水平扫描范围B，距离阶梯值K米以及探测距离L。基于上述扫描参数，将激光雷达的扫描范围B平均分为H＝B/S块水平扫描区域。其中，S是基于经验设置的单块水平角度间隔，S的取值范围在A至B之间，A与B的单位可以是度。此外，确定激光雷达的阶梯数量N＝L/K，并进一步确定第一数量M＝H×N。需要说明的是，上述举例旨在说明确定第一数量的过程，并非对第一数量的确定过程进行限定，用于计算的扫描参数可以是在激光雷达的水平方向的扫描参数，还可以包括其他方向的扫描参数，本申请实施例对此并不进行限定。
在确定第一数量后，将目标点云划分为第一数量个点云块，计算各个点云块内的第二特征点的可信参数与目标特征点的可信参数的平均值，得到各个点云块的可信度均值ReliabilityAVERAGE。基于各个点云块的可信度均值以及可信度均值和扫描速率的对应关系，确定激光雷达对应该点云块的扫描速率。本申请实施例不限定可信度均值和扫描速率的对应关系，可以通过公式的形式表达，也可以是通过线形图的形式表达。
可选地，图9为本申请实施例提供的一种可信度均值与扫描速率的对应关系示意图。图9示出的曲线为通过激光雷达的实际测试所得到的经验值曲线。图9中横坐标为可信度均值，纵坐标为扫描速率，通过各个点云块的可信度均值即可确定各个点云块的在最高扫描速率与最低扫描速率之间的扫描速率，并自动调整激光雷达的扫描速率。使得激光雷达在获取近距离下高可信度的点云时，提升扫描速率以实现近距离下目标对象的高动态探测需求，在获取远距离低可信度的点云时，降低扫描速度来探测更多的信息用于后期的数据分析和目标识别。
此外，由于激光雷达长时间保持高速率的扫描速率时，激光雷达是不稳定的。而激光雷达长时间保持低速率的扫描速率时，在扫描高动态物体会出现运动延迟的问题。通过点云块的可信度均值，针对性的调整激光雷达的扫描速率，以提高激光雷达的稳定性，并解决在扫描高动态物体会出现运动延迟的问题。
并且，自动调整扫描频率的激光雷达可以保证近距离和远距离下的特征点的点密度相差不大，对于目标对象的识别可以提供更好的支持。在近距离下的高速率扫描可以为动态目标对象检测时以更低的延迟提供更高的运动精度，对扫描时间间隔过大造成的动态目标对象误差补偿有更好的弥补作用。
综上所述，本申请实施例提供的点云处理方法，通过生成多个结构化的目标特征点，使得包括目标特征点与第二特征点的目标点云结构规则，解决了非结构化的第一特征点对测量目标对象时造成的精度不一致的问题，提高了后续分析目标点云时的精确度。在生成目标特征点时是基于初始点云中的第二特征点的扫描距离实现，对第一特征点的非结构化情况没有限定，可对包括任意非结构化情况的第一特征点的初始点云进行结构化处理，通用性强。
除此之外，本申请还会对目标特征点的可信参数进行计算，可以基于目标特征点的可信参数实现对目标点云的可信程度的评估，提高了目标点云的有效性。并根据目标点云的可信度均值自动调整激光雷达的扫描频率，提高了激光雷达的稳定性。
在一种可能的实现方式中，图10是本申请实施例提供的另一种点云处理方法的流程图，以该方法应用于终端为例，该方法包括如下步骤。
示例性地，终端基于与激光雷达的通信连接获取初始点云，初始点云中包括多个非结构化的第一特征点和多个结构化的第二特征点。基于初始点云中的各个第二特征点的扫描距离计算各个第二特征点的参考重心。基于各个第二特征点的扫描距离计算各个第二特征点的参考重心的过程与上述图2示出的实施例的步骤202中的确定第二特征点的参考重心的过程类似，在此暂不再赘述。
示例性地，基于第二特征点的参考重心生成第二特征点对应的目标特征点。关于基于第二特征点的参考重心生成第二特征点对应的目标特征点的过程与上述图2示出的实施例的步骤202中的基于第二特征点的参考重心生成第二特征点对应的目标特征点的过程类似，在此暂不再赘述。
示例性地，基于多个目标特征点生成结构化目标点云。关于基于多个目标特征点生成结构化目标点云的过程与上述图2示出的实施例的步骤203中的将多个目标特征点与多个第二特征点作为目标点云的过程类似，在此暂不再赘述。
示例性地，计算目标点云中的目标特征点的可信参数，基于目标点云的可信参数对激光雷达进行评估计算。可选地，评估计算包括计算激光雷达的扫描频率与基于扫描频率对激光雷达发光频率进行调整。计算目标特征点的可信参数的过程与上述图2示出的实施例的步骤203中计算目标特征点的可信参数的过程类似，计算激光雷达的扫描频率与上述图2示出的实施例的步骤203中计算激光雷达的扫描频率的过程类似，在此均不再赘述。
参见图11，本申请实施例提供了一种点云处理装置，该装置包括：获取模块1101、生成模块1102和确定模块1103。
获取模块1101，用于获取激光雷达扫描目标对象的初始点云，初始点云包括多个非结构化的第一特征点和多个结构化的第二特征点；
生成模块1102，用于基于初始点云中的各个第二特征点的扫描距离生成多个目标特征点，第二特征点的扫描距离基于第二特征点的三维坐标确定，多个目标特征点为结构化的特征点；
确定模块1103，用于将多个结构化的第二特征点与多个目标特征点作为目标点云。
可选地，生成模块1102，用于获取任一第二特征点与任一第二特征点的参考特征点之间的角度间隔，任一第二特征点的参考特征点为与任一第二特征点相邻的第二特征点；基于任一第二特征点的扫描距离与角度间隔确定任一第二特征点的第一半径；基于任一第二特征点的第一半径生成与任一第二特征点对应的目标特征点。
可选地，生成模块1102，用于基于任一第二特征点的第一半径确定任一第二特征点的球形范围；根据位于球形范围内的第一特征点的位置数据以及位于球形范围内的第二特征点的位置数据确定任一第二特征点的参考重心；获取任一第二特征点与垂直特征点的参考重心之间的平均距离值，基于平均距离值生成与任一第二特征点对应的目标特征点，垂直特征点为与任一第二特征点垂直相邻的第二特征点。
可选地，确定模块1103，还用于响应于任一第二特征点存在多个相邻的第二特征点，获取任一第二特征点与各个相邻的第二特征点之间的角度间隔；确定多个相邻的第二特征点中与任一第二特征点之间的角度间隔最小的第二特征点为任一第二特征点的参考特征点。
可选地，该装置还包括：
计算模块，用于获取各个第二特征点的可信参数，可信参数用于表示第二特征点的可信程度；基于各个第二特征点的可信参数计算各个目标特征点的可信参数。
可选地，该装置还包括：
调整模块，用于基于各个第二特征点的可信参数与各个目标特征点的可信参数，获取各个第二特征点与各个目标特征点的可信度均值；根据可信度均值调整激光雷达的扫描速率。
可选地，调整模块，用于基于激光雷达的扫描参数确定第一数量；将目标点云划分为第一数量个点云块，基于各个点云块内的第二特征点的可信参数与目标特征点的可信参数获取各个点云块的可信度均值。
上述装置在生成目标特征点时是基于初始点云中的第二特征点的扫描距离实现，对第一特征点的非结构化情况没有限定，可对包括任意非结构化情况的第一特征点的初始点云进行结构化处理，通用性强。由于目标点云中包括的多个目标特征点和第二特征点均是结构化的特征点，使得目标点云中不存在非结构化的第一特征点，统一了目标点云的精度。
需要说明的是，上述实施例提供的装置在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置与方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图12是本申请实施例提供的一种服务器的结构示意图，该服务器可因配置或性能不同而产生比较大的差异，可以包括一个或多个处理器(Central Processing Units，CPU)1201和一个或多个存储器1202，其中，该一个或多个存储器1202中存储有至少一条计算机程序，该至少一条计算机程序由该一个或多个处理器1201加载并执行，以使该服务器实现上述各个方法实施例提供的点云处理方法。当然，该服务器还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该服务器还可以包括其他用于实现设备功能的部件，在此不做赘述。
图13是本申请实施例提供的一种点云处理设备的结构示意图。该设备可以为终端，例如可以是：智能手机、平板电脑、MP3(Moving Picture Experts Group Audio LayerIII，动态影像专家压缩标准音频层面3)播放器、MP4(Moving Picture Experts GroupAudio Layer IV，动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常，终端包括有：处理器1301和存储器1302。
处理器1301可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器1301可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field-Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1301也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器1301可以集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器1301还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器1302可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器1302还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器1302中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器1301所执行，以使该终端实现本申请中方法实施例提供的点云处理方法。
在一些实施例中，终端还可选包括有：外围设备接口1303和至少一个外围设备。处理器1301、存储器1302和外围设备接口1303之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口1303相连。具体地，外围设备包括：射频电路1304、显示屏1305、摄像头组件1306、音频电路1307、定位组件1308和电源1309中的至少一种。
外围设备接口1303可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器1301和存储器1302。在一些实施例中，处理器1301、存储器1302和外围设备接口1303被集成在同一芯片或电路板上；在一些其他实施例中，处理器1301、存储器1302和外围设备接口1303中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
射频电路1304用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路1304通过电磁信号与通信网络以及其他通信设备进行通信。射频电路1304将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路1304包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路1304可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路1304还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。
显示屏1305用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏1305是触摸显示屏时，显示屏1305还具有采集在显示屏1305的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器1301进行处理。此时，显示屏1305还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏1305可以为一个，设置在终端的前面板；在另一些实施例中，显示屏1305可以为至少两个，分别设置在终端的不同表面或呈折叠设计；在另一些实施例中，显示屏1305可以是柔性显示屏，设置在终端的弯曲表面上或折叠面上。甚至，显示屏1305还可以设置成非矩形的不规则图形，也即异形屏。显示屏1305可以采用LCD(Liquid Crystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode，有机发光二极管)等材质制备。
摄像头组件1306用于采集图像或视频。可选地，摄像头组件1306包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件1306还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。
音频电路1307可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器1301进行处理，或者输入至射频电路1304以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在终端的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器1301或射频电路1304的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路1307还可以包括耳机插孔。
定位组件1308用于定位终端的当前地理位置，以实现导航或LBS(Location BasedService，基于位置的服务)。定位组件1308可以是基于美国的GPS(Global PositioningSystem，全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源1309用于为终端中的各个组件进行供电。电源1309可以是交流电、直流电、一次性电池或可充电电池。当电源1309包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中，终端还包括有一个或多个传感器1310。该一个或多个传感器1310包括但不限于：加速度传感器1311、陀螺仪传感器1312、压力传感器1313、指纹传感器1314、光学传感器1315以及接近传感器1316。
加速度传感器1311可以检测以终端建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器1311可以用于检测重力加速度在三个坐标轴上的分量。处理器1301可以根据加速度传感器1311采集的重力加速度信号，控制显示屏1305以横向视图或纵向视图进行用户界面的显示。加速度传感器1311还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器1312可以检测终端的机体方向及转动角度，陀螺仪传感器1312可以与加速度传感器1311协同采集用户对终端的3D动作。处理器1301根据陀螺仪传感器1312采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器1313可以设置在终端的侧边框和/或显示屏1305的下层。当压力传感器1313设置在终端的侧边框时，可以检测用户对终端的握持信号，由处理器1301根据压力传感器1313采集的握持信号进行左右手识别或快捷操作。当压力传感器1313设置在显示屏1305的下层时，由处理器1301根据用户对显示屏1305的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器1314用于采集用户的指纹，由处理器1301根据指纹传感器1314采集到的指纹识别用户的身份，或者，由指纹传感器1314根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器1301授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器1314可以被设置在终端的正面、背面或侧面。当终端上设置有物理按键或厂商Logo(商标)时，指纹传感器1314可以与物理按键或厂商Logo集成在一起。
光学传感器1315用于采集环境光强度。在一个实施例中，处理器1301可以根据光学传感器1315采集的环境光强度，控制显示屏1305的显示亮度。具体地，当环境光强度较高时，调高显示屏1305的显示亮度；当环境光强度较低时，调低显示屏1305的显示亮度。在另一个实施例中，处理器1301还可以根据光学传感器1315采集的环境光强度，动态调整摄像头组件1306的拍摄参数。
接近传感器1316，也称距离传感器，通常设置在终端的前面板。接近传感器1316用于采集用户与终端的正面之间的距离。在一个实施例中，当接近传感器1316检测到用户与终端的正面之间的距离逐渐变小时，由处理器1301控制显示屏1305从亮屏状态切换为息屏状态；当接近传感器1316检测到用户与终端的正面之间的距离逐渐变大时，由处理器1301控制显示屏1305从息屏状态切换为亮屏状态。
本领域技术人员可以理解，图13中示出的结构并不构成对点云处理设备的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
在示例性实施例中，还提供了一种计算机设备，该计算机设备包括处理器和存储器，该存储器中存储有至少一条计算机程序。该至少一条计算机程序由一个或者一个以上处理器加载并执行，以使该计算机设备实现上述任一种点云处理方法。
在示例性实施例中，还提供了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至少一条计算机程序，该至少一条计算机程序由计算机设备的处理器加载并执行，以使计算机实现上述任一种点云处理方法。
在一种可能实现方式中，上述计算机可读存储介质可以是只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、只读光盘(Compact DiscRead-Only Memory，CD-ROM)、磁带、软盘和光数据存储设备等。
在示例性实施例中，还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述任一种点云处理方法。
需要说明的是，本申请所涉及的信息(包括但不限于用户设备信息、用户个人信息等)、数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)以及信号，均为经用户授权或者经过各方充分授权的，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。例如，本申请中涉及到的初始点云都是在充分授权的情况下获取的。
应当理解的是，在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
以上所述仅为本申请的示例性实施例，并不用以限制本申请，凡在本申请的原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种点云处理方法，其特征在于，所述方法包括：
获取激光雷达扫描目标对象的初始点云，所述初始点云包括多个非结构化的第一特征点和多个结构化的第二特征点；
基于所述初始点云中的各个第二特征点的扫描距离生成多个目标特征点，所述第二特征点的扫描距离基于所述第二特征点的三维坐标确定，所述多个目标特征点为结构化的特征点；
将所述多个结构化的第二特征点与所述多个目标特征点作为目标点云。
2.根据权利要求1所述的方法，其特征在于，所述基于所述初始点云中的各个第二特征点的扫描距离生成多个目标特征点，包括：
获取任一第二特征点与所述任一第二特征点的参考特征点之间的角度间隔，所述任一第二特征点的参考特征点为与所述任一第二特征点相邻的第二特征点；
基于所述任一第二特征点的扫描距离与所述角度间隔确定所述任一第二特征点的第一半径；
基于所述任一第二特征点的第一半径生成与所述任一第二特征点对应的目标特征点。
3.根据权利要求2所述的方法，其特征在于，所述基于所述任一第二特征点的第一半径生成与所述任一第二特征点对应的目标特征点，包括：
基于所述任一第二特征点的第一半径确定所述任一第二特征点的球形范围；
根据位于所述球形范围内的第一特征点的位置数据以及位于所述球形范围内的第二特征点的位置数据确定所述任一第二特征点的参考重心；
获取所述任一第二特征点与垂直特征点的参考重心之间的平均距离值，基于所述平均距离值生成与所述任一第二特征点对应的目标特征点，所述垂直特征点为与所述任一第二特征点垂直相邻的第二特征点。
4.根据权利要求2或3所述的方法，其特征在于，所述获取任一第二特征点与所述任一第二特征点的参考特征点之间的角度间隔之前，还包括：
响应于所述任一第二特征点存在多个相邻的第二特征点，获取所述任一第二特征点与各个相邻的第二特征点之间的角度间隔；
确定所述多个相邻的第二特征点中与所述任一第二特征点之间的角度间隔最小的第二特征点为所述任一第二特征点的参考特征点。
5.根据权利要求1-3任一所述的方法，其特征在于，所述将所述多个结构化的第二特征点与所述多个目标特征点作为目标点云之后，所述方法还包括：
获取各个第二特征点的可信参数，所述可信参数用于表示所述第二特征点的可信程度；
基于所述各个第二特征点的可信参数计算各个目标特征点的可信参数。
6.根据权利要求5所述的方法，其特征在于，所述基于所述各个第二特征点的可信参数计算各个目标特征点的可信参数之后，所述方法还包括：
基于所述各个第二特征点的可信参数与所述各个目标特征点的可信参数，获取所述各个第二特征点与所述各个目标特征点的可信度均值；
根据所述可信度均值调整所述激光雷达的扫描速率。
7.根据权利要求6所述的方法，其特征在于，所述基于所述各个第二特征点的可信参数与所述各个目标特征点的可信参数，获取所述各个第二特征点与所述各个目标特征点的可信度均值，包括：
基于所述激光雷达的扫描参数确定第一数量；
将所述目标点云划分为第一数量个点云块，基于各个点云块内的第二特征点的可信参数与所述目标特征点的可信参数获取所述各个点云块的可信度均值。
8.一种点云处理装置，其特征在于，所述装置包括：
获取模块，用于获取激光雷达扫描目标对象的初始点云，所述初始点云包括多个非结构化的第一特征点和多个结构化的第二特征点；
生成模块，用于基于所述初始点云中的各个第二特征点的扫描距离生成多个目标特征点，所述第二特征点的扫描距离基于所述第二特征点的三维坐标确定，所述多个目标特征点为结构化的特征点；
确定模块，用于将所述多个结构化的第二特征点与所述多个目标特征点作为目标点云。
9.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行，以使所述计算机设备实现如权利要求1至7任一所述的点云处理方法。
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中存储有至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行，以使计算机实现如权利要求1至7任一所述的点云处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210520846.2A CN115079126B (zh) | 2022-05-12 | 2022-05-12 | 点云处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210520846.2A CN115079126B (zh) | 2022-05-12 | 2022-05-12 | 点云处理方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115079126A true CN115079126A (zh) | 2022-09-20 |
| CN115079126B CN115079126B (zh) | 2024-05-14 |
Family
ID=83247144
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210520846.2A Active CN115079126B (zh) | 2022-05-12 | 2022-05-12 | 点云处理方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115079126B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109941274A (zh) * | 2019-03-01 | 2019-06-28 | 武汉光庭科技有限公司 | 基于雷达测距识别岸桥的停车方法及系统、服务器及介质 |
| CN110415259A (zh) * | 2019-07-30 | 2019-11-05 | 南京林业大学 | 一种基于激光反射强度的行道树点云识别方法 |
| CN110554407A (zh) * | 2019-09-25 | 2019-12-10 | 哈尔滨工程大学 | 一种模拟船用激光雷达三维点云成像方法 |
| CN110782531A (zh) * | 2019-09-16 | 2020-02-11 | 华为技术有限公司 | 处理三维点云数据的方法和计算设备 |
| WO2020043041A1 (zh) * | 2018-08-27 | 2020-03-05 | 腾讯科技（深圳）有限公司 | 点云数据的分割方法和装置、存储介质、电子装置 |
| CN110865388A (zh) * | 2019-11-28 | 2020-03-06 | 芜湖汽车前瞻技术研究院有限公司 | 摄像机与激光雷达的联合标定方法、装置及存储介质 |
| CN112833877A (zh) * | 2020-12-31 | 2021-05-25 | 重庆市索美智能交通通讯服务有限公司 | 用于车辆的定位漂移数据过滤系统及方法 |
| US11037346B1 (en) * | 2020-04-29 | 2021-06-15 | Nanjing University Of Aeronautics And Astronautics | Multi-station scanning global point cloud registration method based on graph optimization |
| CN113658256A (zh) * | 2021-08-16 | 2021-11-16 | 智道网联科技(北京)有限公司 | 基于激光雷达的目标检测方法、装置及电子设备 |
| CN113748357A (zh) * | 2020-03-27 | 2021-12-03 | 深圳市速腾聚创科技有限公司 | 激光雷达的姿态校正方法、装置和系统 |
| CN113822241A (zh) * | 2021-11-22 | 2021-12-21 | 江苏邦邦智能科技有限公司 | 步态数据的获取方法、助行设备和计算机可读存储介质 |
| CN114140761A (zh) * | 2020-08-13 | 2022-03-04 | 长沙智能驾驶研究院有限公司 | 点云配准方法、装置、计算机设备和存储介质 |
| WO2022062519A1 (zh) * | 2020-09-22 | 2022-03-31 | 上海钛米机器人股份有限公司 | 地面检测方法、装置、设备及存储介质 |
-
2022
- 2022-05-12 CN CN202210520846.2A patent/CN115079126B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020043041A1 (zh) * | 2018-08-27 | 2020-03-05 | 腾讯科技（深圳）有限公司 | 点云数据的分割方法和装置、存储介质、电子装置 |
| CN109941274A (zh) * | 2019-03-01 | 2019-06-28 | 武汉光庭科技有限公司 | 基于雷达测距识别岸桥的停车方法及系统、服务器及介质 |
| CN110415259A (zh) * | 2019-07-30 | 2019-11-05 | 南京林业大学 | 一种基于激光反射强度的行道树点云识别方法 |
| CN110782531A (zh) * | 2019-09-16 | 2020-02-11 | 华为技术有限公司 | 处理三维点云数据的方法和计算设备 |
| CN110554407A (zh) * | 2019-09-25 | 2019-12-10 | 哈尔滨工程大学 | 一种模拟船用激光雷达三维点云成像方法 |
| CN110865388A (zh) * | 2019-11-28 | 2020-03-06 | 芜湖汽车前瞻技术研究院有限公司 | 摄像机与激光雷达的联合标定方法、装置及存储介质 |
| CN113748357A (zh) * | 2020-03-27 | 2021-12-03 | 深圳市速腾聚创科技有限公司 | 激光雷达的姿态校正方法、装置和系统 |
| US11037346B1 (en) * | 2020-04-29 | 2021-06-15 | Nanjing University Of Aeronautics And Astronautics | Multi-station scanning global point cloud registration method based on graph optimization |
| CN114140761A (zh) * | 2020-08-13 | 2022-03-04 | 长沙智能驾驶研究院有限公司 | 点云配准方法、装置、计算机设备和存储介质 |
| WO2022062519A1 (zh) * | 2020-09-22 | 2022-03-31 | 上海钛米机器人股份有限公司 | 地面检测方法、装置、设备及存储介质 |
| CN112833877A (zh) * | 2020-12-31 | 2021-05-25 | 重庆市索美智能交通通讯服务有限公司 | 用于车辆的定位漂移数据过滤系统及方法 |
| CN113658256A (zh) * | 2021-08-16 | 2021-11-16 | 智道网联科技(北京)有限公司 | 基于激光雷达的目标检测方法、装置及电子设备 |
| CN113822241A (zh) * | 2021-11-22 | 2021-12-21 | 江苏邦邦智能科技有限公司 | 步态数据的获取方法、助行设备和计算机可读存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| ZHANG XUECHANG等: "Smoothing of pointcloud based on anisotropic heat diffusion", CHINESE JOURNAL OF MECHANICAL ENGINEERING, vol. 42, no. 2, 28 February 2006 (2006-02-28), pages 115 - 181 * |
| 李小路;曾晶晶;王皓;徐立军;: "三维扫描激光雷达系统设计及实时成像技术", 红外与激光工程, no. 05, 28 January 2019 (2019-01-28) * |
| 王果等: "建筑内噪声点云去除的扫描光线截断法", 测绘通报, no. 9, 25 September 2021 (2021-09-25), pages 28 - 31 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115079126B (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109712224B (zh) | 虚拟场景的渲染方法、装置及智能设备 | |
| WO2020221012A1 (zh) | 图像特征点的运动信息确定方法、任务执行方法和设备 | |
| CN110967011A (zh) | 一种定位方法、装置、设备及存储介质 | |
| CN111768454B (zh) | 位姿确定方法、装置、设备及存储介质 | |
| CN112270718B (zh) | 摄像头标定方法、装置、系统及存储介质 | |
| CN112150560B (zh) | 确定消失点的方法、装置及计算机存储介质 | |
| CN110853128B (zh) | 虚拟物体显示方法、装置、计算机设备及存储介质 | |
| CN111897429A (zh) | 图像显示方法、装置、计算机设备及存储介质 | |
| CN111982305A (zh) | 温度测量方法、装置及计算机存储介质 | |
| CN113384880A (zh) | 虚拟场景显示方法、装置、计算机设备及存储介质 | |
| WO2022227893A1 (zh) | 图像拍摄方法、装置、终端及存储介质 | |
| CN112308103B (zh) | 生成训练样本的方法和装置 | |
| CN109754439B (zh) | 标定方法、装置、电子设备及介质 | |
| CN111127541A (zh) | 车辆尺寸的确定方法、装置及存储介质 | |
| CN115079126B (zh) | 点云处理方法、装置、设备及存储介质 | |
| CN111488895B (zh) | 对抗数据生成方法、装置、设备及存储介质 | |
| CN110672036B (zh) | 确定投影区域的方法及装置 | |
| CN109685881B (zh) | 一种体绘制方法、装置及智能设备 | |
| CN114093020A (zh) | 动作捕捉方法、装置、电子设备及存储介质 | |
| CN113689484B (zh) | 深度信息的确定方法、装置、终端及存储介质 | |
| CN113590877B (zh) | 获取标注数据的方法及装置 | |
| CN113065457B (zh) | 人脸检测点处理方法、装置、计算机设备及存储介质 | |
| CN110660031B (zh) | 图像锐化方法及装置、存储介质 | |
| CN113052408B (zh) | 一种社区聚合的方法及装置 | |
| CN112150554B (zh) | 画面显示方法、装置、终端和存储介质 |
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 |