CN115222900A - 一种地面点高程确定方法、装置、设备及计算机程序产品 - Google Patents
一种地面点高程确定方法、装置、设备及计算机程序产品 Download PDFInfo
- Publication number
- CN115222900A CN115222900A CN202210529129.6A CN202210529129A CN115222900A CN 115222900 A CN115222900 A CN 115222900A CN 202210529129 A CN202210529129 A CN 202210529129A CN 115222900 A CN115222900 A CN 115222900A
- Authority
- CN
- China
- Prior art keywords
- elevation
- points
- ground
- determining
- point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004590 computer program Methods 0.000 title claims abstract description 19
- 238000001914 filtration Methods 0.000 claims abstract description 39
- 230000011218 segmentation Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
-
- G06T5/70—
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开涉及一种地面点高程确定方法、装置、设备及计算机程序产品。本公开的至少一个实施例中,在获取点云中的地面点后,利用地面点所在局部区域内的点的高程,筛选出用于拟合地面平面的目标点,实现针对地面点,滤除局部噪声点,无需进行全量噪声点滤除,提高效率;进而,利用目标点拟合得到的地面平面更加精确;从而,利用地面点在拟合的地面平面上的投影点的高程更新该地面点的高程,使得该地面点的高程更加精确,提升高精地图的精度。
Description
技术领域
本公开实施例涉及地图技术领域,具体涉及一种地面点高程确定方法、装置、设备及计算机程序产品。
背景技术
高精地图是智能驾驶车辆导航的基础设施。目前,高精地图主要是通过对移动测量系统(例如安装有激光雷达设备的车辆)采集的点云进行地图要素提取和编辑获得的。
然而,考虑到高精度激光雷达设备成本较高,大部分地图厂商会选择利用低成本的激光雷达设备进行地图数据更新。低成本激光雷达采集的点云质量较差,会影响测量精度,比较明显的是地面点云中存在较多噪声点云,影响地面要素的高程精度,从而影响高精地图的精度。为此,本公开提供了存在噪声点云的情况下一种确定地面点高程的方法。
发明内容
本公开的至少一个实施例提供了一种地面点高程确定方法、装置、设备、介质及计算机程序产品。
第一方面,本公开实施例提出一种地面点高程确定方法,该方法包括:
获取点云中的地面点;
确定地面点所在局部区域内多个点的高程;
基于多个点的高程,从多个点中确定用于拟合地面平面的多个目标点,并基于多个目标点拟合地面平面;
确定地面点的高程为地面点在地面平面上的投影点的高程。
在一些实施例中,基于多个点的高程,从多个点中确定用于拟合地面平面的多个目标点包括:
基于多个点的高程,确定多个点的高程分布规律;
基于高程分布规律,确定用于滤除噪声点的高程阈值;
基于高程阈值滤除多个点中的噪声点,得到用于拟合地面平面的多个目标点。
在一些实施例中,基于多个点的高程,确定多个点的高程分布规律包括:
基于多个点的高程和预设的高程分段数量,确定多个点所处的高程分段,得到每个高程分段包括的点数量;
基于每个高程分段包括的点数量,确定多个点的高程分布直方图。
在一些实施例中,基于多个点的高程和预设的高程分段数量,确定多个点所处的高程分段,得到每个高程分段包括的点数量,包括:
基于多个点的高程,确定高程最大值和高程最低值;
基于高程最大值、高程最低值和预设的高程分段数量,确定高程分段步长;
基于多个点的高程、高程最低值和高程分段步长,确定多个点所处的高程分段,得到每个高程分段包括的点数量。
在一些实施例中,滤除噪声点的高程阈值包括:第一高程阈值和第二高程阈值;其中,第一高程阈值低于第二高程阈值;
基于高程阈值滤除多个点中的噪声点,得到用于拟合地面平面的多个目标点包括:
从多个点中,滤除高程低于或等于第一高程阈值的点,并滤除高程高于或等于第二高程阈值的点,得到用于拟合地面平面的多个目标点。
在一些实施例中,基于高程分布规律,确定用于滤除噪声点的高程阈值,包括:
基于预设的第一比值和高程分布规律,确定第一高程阈值,其中,第一比值为高程低于或等于第一高程阈值的点的数量与多个点的数量的比值;
基于预设的第二比值和高程分布规律,确定第二高程阈值,其中,第二比值为高程高于或等于第二高程阈值的点的数量与多个点的数量的比值。
在一些实施例中,确定地面点的高程为地面点在地面平面上的投影点的高程,包括:
将地面点投影到地面平面上,得到投影点;
计算投影点沿垂线方向到预设基准面的距离,得到投影点的高程为距离;
将地面点的高程确定为投影点的高程。
第二方面,本公开实施例还提出一种地面点高程确定装置,该装置包括:
获取单元,用于获取点云中的地面点;
第一确定单元,用于确定地面点所在局部区域内多个点的高程;
拟合单元,用于基于多个点的高程,从多个点中确定用于拟合地面平面的多个目标点,并基于多个目标点拟合地面平面;
第二确定单元,用于确定地面点的高程为地面点在地面平面上的投影点的高程。
第三方面,本公开实施例还提出一种计算机设备,其中,包括至少一个计算装置和至少一个存储指令的存储装置;所述指令在被所述至少一个计算装置运行时,促使所述至少一个计算装置执行如第一方面任一实施例所述地面点高程确定方法的步骤。
第四方面,本公开实施例还提出一种计算机可读存储介质,其中,所述计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行如第一方面任一实施例所述地面点高程确定方法的步骤。
第五方面,本公开实施例还提供一种计算机程序产品,其中,该计算机程序产品包括计算机程序,该计算机程序存储在计算机可读存储介质中,计算机的至少一个处理器从存储介质读取并执行该计算机程序,使得计算机执行如第一方面任一实施例所述地面点高程确定方法的步骤。
可见,本公开的至少一个实施例中,在获取点云中的地面点后,利用地面点所在局部区域内的点的高程,筛选出用于拟合地面平面的目标点,实现针对地面点,滤除局部噪声点,无需进行全量噪声点滤除,提高效率;进而,利用目标点拟合得到的地面平面更加精确;从而,利用地面点在拟合的地面平面上的投影点的高程更新该地面点的高程,使得该地面点的高程更加精确,提升高精地图的精度。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例或现有技术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公开的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本公开实施例提供的一种地面点高程确定方法的流程示意图;
图2为本公开实施例提供的一种滤除局部噪声点的方法流程图;
图3为本公开实施例提供的一种确定高程分布直方图的方法流程图;
图4为本公开实施例提供的另一种地面点高程确定方法的流程示意图;
图5为本公开实施例提供的一种地面点高程确定装置的示意图;
图6为本公开实施例提供的一种计算机设备的示例性框图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点,下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,所描述的实施例是本公开的一部分实施例,而不是全部的实施例。此处所描述的具体实施例仅仅用于解释本公开,而非对本公开的限定。基于所描述的本公开的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本公开保护的范围。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
相关技术中,根据雷达设备采集的点云,绘制或者更新高精地图。雷达设备例如为激光扫描设备(Lidar),Lidar发射的激光脉冲会从地表面和地表物体上反射,Lidar每次发射的激光脉冲可以认为是一个点,大量的点组成在一起形成点云,点云中的每个点的信息包括每个点的平面位置和高程,其中,高程为某点沿垂线方向到预设基准面的距离,其中,预设基准面为如下的任一面:大地基准面、似大地基准面、参考椭球面等,需要说明的是,预设基准面的确定属于地图领域的成熟技术,不再赘述。
但是由于相关技术中采用的是低成本的激光雷达设备,导致采集的点云质量较差,影响测量精度,进而导致地面点云中存在较多的噪声点云,影响地面要素的高程精度,从而影响高精地图的精度。其中,高精地图的地面要素包括但不限于:地面上的方向箭头、车道线、停止线、地面文字等。
为了提升高精地图的精度,一些相关技术中,采用离群滤波方式过滤噪声点云,但是这种方式是全量点云去噪,效率较低,另外,这种方式采用固定高程阈值进行过滤,对于点云稀疏的场景,可能会误删关键点,反而降低了高精地图的精度。
因此,本公开至少一个实施例提供了一种地面点高程确定方法、装置、设备、介质或计算机程序产品,在获取点云中的地面点后,利用地面点所在局部区域内的点的高程,筛选出用于拟合地面平面的目标点,实现针对地面点,滤除局部噪声点,无需进行全量噪声点滤除,提高效率;进而,利用目标点拟合得到的地面平面更加精确;从而,利用地面点在拟合的地面平面上的投影点的高程更新该地面点的高程,使得该地面点的高程更加精确,提升高精地图的精度。
图1为本公开实施例提供的一种地面点高程确定方法的流程示意图,该方法的执行主体为点云处理设备。其中,点云处理设备可以为电子设备或服务器。电子设备包括但不限于智能手机、掌上电脑、平板电脑、带显示屏的可穿戴设备、台式机、笔记本电脑、一体机、智能家居设备、车载设备等。服务器可以是独立的服务器,也可以是多个服务器的集群,可以包括搭建在本地的服务器和架设在云端的服务器。
如图1所示,该点处理方法可以包括但不限于步骤101至104:
在步骤101中,获取点云中的地面点。
在本公开实例中,通过雷达设备每隔预设时长发射一次激光脉冲并采集对应的点云;在获取到雷达设备采集的点云后,可以确定采集的点云中的地面点。
地面点的确定方式属于点云处理技术领域的成熟技术,本实施例不限定具体的方式,例如,可以结合图像采集设备采集的图像,对雷达设备采集的点云进行语义分割,得到属于地面的地面点云。
在一些实施例中,对图像采集设备采集的图像进行语义分割,得到图像中地面区域和非地面区域;进而,将点云投影到图像中,得到点云投影位置;从而,基于点云投影位置对雷达设备采集的点云进行语义分割,也即,将点云投影位置在地面区域内的点云确定为地面点云。
在步骤102中,确定地面点所在局部区域内多个点的高程。
在本公开实例中,获取点云中的地面点后,可以确定地面点的平面位置和高程,需要说明的是,雷达设备采集点云后,可以向本实施例的执行主体(即点云处理设备)输出点云的信息,包括但不限于:点云中每个点的平面位置和高程;进而,基于地面点的平面位置,可以确定地面点所在局部区域内的点云;从而,可以确定地面点所在局部区域内的点的高程,得到地面点周围多个点的高程。
在一些实施例中,通过预设范围(预设范围的半径为R)明确地面点所在局部区域的范围,进而获取地面点周围预设范围内的多个点。
例如,地面点记为G,以G为中心按半径R搜索近邻点集合S,具体地,以G为中心,搜索到G点的平面距离小于或等于R的点,满足公式1:
其中,X,Y为邻近点的平面坐标,XG,YG为地面点G的平面坐标。
在步骤103中,基于多个点的高程,从多个点中确定用于拟合地面平面的多个目标点,并基于多个目标点拟合地面平面。
在本公开实施例中,利用地面点所在局部区域内的点的高程,筛选用于拟合地面平面的目标点,实现针对地面点,滤除局部噪声点,无需进行全量噪声点滤除,提高效率。
在一些实施例中,基于多个目标点,使用平面拟合算法,拟合地面平面,其中,平面拟合算法有多种,本实施例中采用RANSAC(Random Sample Consensus,随机抽样一致性)算法。具体地,从多个目标点中随机选择一个目标点计算对应的平面方程,并计算其他目标点与该平面的关系,重复该过程,得到多个关系;进而,选择最优的关系对应的平面方程为地面平面的平面方程,进而基于地面平面的平面方程,将多个目标点拟合到地面平面。RANSAC算法的优点是抗噪声点干扰,也即,即使有噪声点干扰,在选择最优关系时,噪声点干扰的平面方程是不会被选择为最优的平面方程的,选择的最优的平面方程与噪声点无关。
在步骤104中,确定地面点的高程为地面点在地面平面上的投影点的高程。
在本公开实施例中,在拟合得到地面平面后,将地面点投影到地面平面上,得到投影点;进而,可以确定投影点的高程,具体地,计算投影点沿垂线方向到预设基准面的距离,得到投影点的高程为距离;从而,将地面点的高程确定为投影点的高程,实现更新地面点的高程。
可见,本公开实施例中,利用滤除局部噪声点后得到的目标点,拟合得到的地面平面更加精确;从而,利用地面点在拟合的地面平面上的投影点的高程更新该地面点的高程,使得该地面点的高程更加精确,提升高精地图的精度。
在上述实施例的基础上,步骤103中“基于多个点的高程,从多个点中确定用于拟合地面平面的多个目标点”,可以包括但不限于图2所示的以下步骤201至步骤203,实现了针对地面点,滤除局部噪声点的目的:
在步骤201中,基于多个点的高程,确定多个点的高程分布规律。
由于不同点的高程存在差异,因此,可以基于多个点的高程,统计得到多个点的高程分布规律。高程分布规律可以采用不同的形式展示,在一些实施例中,高程分布规律可以为高程分布直方图。
在步骤202中,基于高程分布规律,确定用于滤除噪声点的高程阈值。
在本公开实施例中,根据统计的高程分布规律来确定高程阈值,相比相关技术中采用固定的高程阈值,本实施例鲁棒性更强,针对点稀疏的场景,不会误删关键点,因而不会降低高精地图的精度。
在步骤203中,基于高程阈值滤除多个点中的噪声点,得到用于拟合地面平面的多个目标点。
在本公开实施例中,由于多个目标点是过滤噪声点后得到的点,因此,基于多个目标点拟合得到的地面平面更加精确;从而,利用地面点在拟合的地面平面上的投影点的高程更新该地面点的高程,使得该地面点的高程更加精确,提升高精地图的精度。
在一些实施例中,基于高程分布规律,确定的滤除噪声点的高程阈值包括:第一高程阈值和第二高程阈值;其中,第一高程阈值低于第二高程阈值。进而,从多个点中,滤除高程低于或等于第一高程阈值的点,并滤除高程高于或等于第二高程阈值的点,得到用于拟合地面平面的多个目标点。
可见,本实施例中,基于高程分布规律,可以确定两个高程阈值,这两个高程阈值构成高程区间,进而滤除高程在高程区间之外的点,保留高程在高程区间内的点为目标点,这种滤除方式不再是按照固定的高程阈值滤除点,因此本实施例鲁棒性更强,针对点稀疏的场景,不会误删关键点,因而不会降低高精地图的精度。
在另一些实施例中,高程低于或等于第一高程阈值的点的数量与多个点的数量的比值为预设的第一比值;高程高于或等于第二高程阈值的点的数量与多个点的数量的比值为预设的第二比值。例如,第一比值为1%,第二比值为1%,可见,本实施例中,基于高程分布规律,可以滤除一定比例(如1%)的高点,和一定比例(如1%)的低点,得到用于拟合地面平面的多个目标点。
在上述实施例的基础上,可以基于预设的第一比值和高程分布规律,确定第一高程阈值;并基于预设的第二比值和高程分布规律,确定第二高程阈值。其中,第一比值为高程低于或等于第一高程阈值的点的数量与多个点的数量的比值;第二比值为高程高于或等于第二高程阈值的点的数量与多个点的数量的比值。例如,有100个点,第一比例和第二比例均为1%,则高程低于或等于第一高程阈值的点的数量为10,高程高于或等于第二高程阈值的点的数量为10,因此,基于高程分布规律,可以确定第一高程阈值所对应得高程,且第二高程阈值所对应得高程,以使高程低于或等于第一高程阈值的点的数量为10,且高程高于或等于第二高程阈值的点的数量为10。
在上述实施例的基础上,步骤201所述的基于多个点的高程,确定多个点的高程分布规律,可以包括但不限于图3所示的以下步骤301和步骤302:
在步骤301中,基于多个点的高程和预设的高程分段数量,确定多个点所处的高程分段,得到每个高程分段包括的点数量。
在本公开实施例中,基于多个点的高程,可以确定高程最大值和高程最低值;进而,基于高程最大值、高程最低值和预设的高程分段数量,确定高程分段步长;从而,基于多个点的高程、高程最低值和高程分段步长,确定多个点所处的高程分段,得到每个高程分段包括的点数量。
例如,多个点中高程最大值为H2,高程最低值H1,预设的高程分段数量为512段,高程分段步长Step满足公式2:
针对所述多个点中的任一点M,该点M所处的高程分段I满足公式3:
其中,ZM为点M的高程。
在步骤302中,基于每个高程分段包括的点数量,确定多个点的高程分布直方图。
在一些实施例中,确定高程分布直方图后,依据高程分布直方图、预设的第一比值和预设的第二比值,确定第一高程阈值和第二高程阈值。例如,有100个点,第一比例和第二比例均为1%,则高程低于或等于第一高程阈值的点的数量为10,高程高于或等于第二高程阈值的点的数量为10,因此,基于高程分布直方图,可以确定第一高程阈值所对应得高程,且第二高程阈值所对应得高程,以使高程低于或等于第一高程阈值的点的数量为10,且高程高于或等于第二高程阈值的点的数量为10。进而,从100个点中,滤除高程低于或等于第一高程阈值的点,并滤除高程高于或等于第二高程阈值的点,得到用于拟合地面平面的多个目标点。
在上述实施例的基础上,图4为本公开实施例提供的另一种地面点高程确定方法的流程示意图,如图4所示,该地面点高程确定方法具体包括以下步骤401至步骤406:
401、获取点云中的地面点G。
在本公开实例中,通过雷达设备每隔预设时长发射一次激光脉冲并采集对应的点云;在获取到雷达设备采集的点云后,可以确定采集的点云中的地面点G。
402、以G为中心按半径R搜索近邻点集合S。
在本公开实例中,半径R为预设范围的半径,以G为中心按半径R搜索,可以确定地面点G所在局部区域内的点,搜索到的点构成点集合S。
具体地,以G为中心,搜索到G点的平面距离小于或等于R的点,满足公式1:
其中,X,Y为邻近点的平面坐标,XG,YG为地面点G的平面坐标。
403、统计邻近点集合S的高程分布直方图。
在本公开实例中,遍历S,确定S中的高程最大值为H2,高程最低值H1,预设的高程分段数量为512段,高程分段步长Step满足公式2:
针对S中的任一点M,点M所处的高程分段I满足公式3:
其中,ZM为点M的高程。
基于每个高程分段包括的点数量,确定S的高程分布直方图。
404、利用S的高程分布直方图,滤除S中一定比例的噪声点,得到点集合S1。
在本公开实施例中,确定S的高程分布直方图后,依据S的高程分布直方图、预设的第一比值和预设的第二比值,确定第一高程阈值和第二高程阈值;进而,滤除S中高程低于或等于第一高程阈值的点,并滤除S中高程高于或等于第二高程阈值的点,得到用于拟合地面平面的多个目标点,构成点集合S1。
例如,S中有100个点,第一比例和第二比例均为1%,则高程低于或等于第一高程阈值的点的数量为10,高程高于或等于第二高程阈值的点的数量为10,因此,基于高程分布直方图,可以确定第一高程阈值所对应得高程,且第二高程阈值所对应得高程,以使高程低于或等于第一高程阈值的点的数量为10,且高程高于或等于第二高程阈值的点的数量为10。进而,从100个点中,滤除高程低于或等于第一高程阈值的点,并滤除高程高于或等于第二高程阈值的点,得到用于拟合地面平面的多个目标点,构成点集合S1,S1中包括80个点。
405、利用点集合S1拟合地面平面P。
在本公开实施例中,基于点集合S1,使用平面拟合算法,拟合地面平面P,平面拟合算法有多种,本实施例中采用RANSAC算法。具体地,从点集合S1中随机选择一个点计算对应的平面方程,并计算S1中其他点与该平面的关系,重复该过程,得到多个关系;进而,选择最优的关系对应的平面方程为地面平面的平面方程,进而基于地面平面的平面方程,将S1中多个点拟合到地面平面P。RANSAC算法的优点是抗噪声点干扰,也即,即使有噪声点干扰,在选择最优关系时,噪声点干扰的平面方程是不会被选择为最优的平面方程的,选择的最优的平面方程与噪声点无关。
406、将地面点G投影到地面平面P,得到投影点G1,利用G1的高程更新G的高程。
在本公开实施例中,在拟合得到地面平面P后,将地面点G投影到地面平面P上,得到投影点G1;进而,可以确定投影点G1的高程;从而将投影点G1的高程作为地面点G的高程,实现更新地面点G的高程。
可见,本公开实施例在获取点云中的地面点G后,利用地面点G所在局部区域内的点集合S的高程分布直方图,滤除S中一定比例的噪声点,得到用于拟合地面平面P的点集合S1,实现针对地面点G,滤除局部噪声点,无需进行全量噪声点滤除,提高效率;进而,利用点集合S1拟合得到的地面平面P更加精确;从而,利用地面点G在拟合的地面平面P上的投影点G1的高程更新该地面点G的高程,使得该地面点G的高程更加精确,提升高精地图的精度。
图5为本公开实施例提供的一种地面点高程确定装置的示意图,该装置可以是如上述实施例的点云处理设备,或者该装置可以是如上述点云处理设备的部件或组件。本公开实施例提供的地面点高程确定装置可以执行地面点高程确定方法实施例提供的处理流程,如图5所示,地面点高程确定装置包括:获取单元51、第一确定单元52、拟合单元53和第二确定单元54。
获取单元51,用于获取点云中的地面点;
第一确定单元52,用于确定地面点所在局部区域内多个点的高程;
拟合单元53,用于基于多个点的高程,从多个点中确定用于拟合地面平面的多个目标点,并基于多个目标点拟合地面平面;
第二确定单元54,用于确定地面点的高程为地面点在地面平面上的投影点的高程。
在一些实施例中,拟合单元53基于多个点的高程,从多个点中确定用于拟合地面平面的多个目标点包括:
基于多个点的高程,确定多个点的高程分布规律;
基于高程分布规律,确定用于滤除噪声点的高程阈值;
基于高程阈值滤除多个点中的噪声点,得到用于拟合地面平面的多个目标点。
在一些实施例中,拟合单元53基于多个点的高程,确定多个点的高程分布规律包括:
基于多个点的高程和预设的高程分段数量,确定多个点所处的高程分段,得到每个高程分段包括的点数量;
基于每个高程分段包括的点数量,确定多个点的高程分布直方图。
在一些实施例中,拟合单元53基于多个点的高程和预设的高程分段数量,确定多个点所处的高程分段,得到每个高程分段包括的点数量,包括:
基于多个点的高程,确定高程最大值和高程最低值;
基于高程最大值、高程最低值和预设的高程分段数量,确定高程分段步长;
基于多个点的高程、高程最低值和高程分段步长,确定多个点所处的高程分段,得到每个高程分段包括的点数量。
在一些实施例中,滤除噪声点的高程阈值包括:第一高程阈值和第二高程阈值;其中,第一高程阈值低于第二高程阈值;
拟合单元53基于高程阈值滤除多个点中的噪声点,得到用于拟合地面平面的多个目标点包括:
从多个点中,滤除高程低于或等于第一高程阈值的点,并滤除高程高于或等于第二高程阈值的点,得到用于拟合地面平面的多个目标点。
在一些实施例中,拟合单元53基于高程分布规律,确定用于滤除噪声点的高程阈值,包括:基于预设的第一比值和高程分布规律,确定第一高程阈值,其中,第一比值为高程低于或等于第一高程阈值的点的数量与多个点的数量的比值;基于预设的第二比值和高程分布规律,确定第二高程阈值,其中,第二比值为高程高于或等于第二高程阈值的点的数量与多个点的数量的比值。
在一些实施例中,第二确定单元54用于:将地面点投影到地面平面上,得到投影点;计算投影点沿垂线方向到预设基准面的距离,得到投影点的高程为距离;将地面点的高程确定为投影点的高程。
以上公开的地面点高程确定装置各实施例的细节可参考前述的地面点高程确定方法各实施例的细节,为避免重复不再赘述。
图6是本公开实施例提供的一种计算机设备的示例性框图。如图6所示,该计算机设备包括:至少一个计算装置61、至少一个存储指令的存储装置62。可以理解,本实施例中的存储装置62可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。
在一些实施方式中,存储装置62存储了如下的元素,可执行模块或者数据结构,或者他们的子集,或者他们的扩展集:操作系统和应用程序。
其中,操作系统,包含各种系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础任务以及处理基于硬件的任务。应用程序,包含各种应用程序,例如媒体播放器(MediaPlayer)、浏览器(Browser)等,用于实现各种应用任务。实现本公开实施例提供的地面点高程确定方法的程序可以包含在应用程序中。
在本公开实施例中,至少一个计算装置61通过调用至少一个存储装置62存储的程序或指令,具体的,可以是应用程序中存储的程序或指令,至少一个计算装置61用于执行本公开实施例提供的地面点高程确定方法各实施例的步骤。
本公开实施例提供的地面点高程确定方法可以应用于计算装置61中,或者由计算装置61实现。计算装置61可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过计算装置61中的硬件的集成逻辑电路或者软件形式的指令完成。上述的计算装置61可以是通用处理器、数字信号处理器(DigitalSignalProcessor,DSP)、专用集成电路(ApplicationSpecific IntegratedCircuit,ASIC)、现成可编程门阵列(FieldProgrammableGateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本公开实施例提供的地面点高程确定方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储装置62,计算装置61读取存储装置62中的信息,结合其硬件完成方法的步骤。
本公开实施例还提出一种计算机可读存储介质,所述计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行如地面点高程确定方法各实施例的步骤,为避免重复描述,在此不再赘述。其中,计算机可读存储介质可以为非暂态计算机可读存储介质。
本公开实施例还提出一种计算机程序产品,其中,该计算机程序产品包括计算机程序,该计算机程序存储在非暂态计算机可读存储介质中,计算机的至少一个处理器从存储介质读取并执行该计算机程序,使得计算机执行如地面点高程确定方法各实施例的步骤,为避免重复描述,在此不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本公开的范围之内并且形成不同的实施例。
本领域的技术人员能够理解,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
虽然结合附图描述了本公开的实施方式,但是本领域技术人员可以在不脱离本公开的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种地面点高程确定方法,所述方法包括:
获取点云中的地面点;
确定所述地面点所在局部区域内多个点的高程;
基于所述多个点的高程,从所述多个点中确定用于拟合地面平面的多个目标点,并基于所述多个目标点拟合地面平面;
确定所述地面点的高程为所述地面点在所述地面平面上的投影点的高程。
2.根据权利要求1所述的方法,其中,基于所述多个点的高程,从所述多个点中确定用于拟合地面平面的多个目标点包括:
基于所述多个点的高程,确定所述多个点的高程分布规律;
基于所述高程分布规律,确定用于滤除噪声点的高程阈值;
基于所述高程阈值滤除所述多个点中的噪声点,得到用于拟合地面平面的多个目标点。
3.根据权利要求2所述的方法,其中,所述基于所述多个点的高程,确定所述多个点的高程分布规律包括:
基于所述多个点的高程和预设的高程分段数量,确定所述多个点所处的高程分段,得到每个高程分段包括的点数量;
基于所述每个高程分段包括的点数量,确定所述多个点的高程分布直方图。
4.根据权利要求3所述的方法,其中,所述基于所述多个点的高程和预设的高程分段数量,确定所述多个点所处的高程分段,得到每个高程分段包括的点数量,包括:
基于所述多个点的高程,确定高程最大值和高程最低值;
基于所述高程最大值、所述高程最低值和预设的高程分段数量,确定高程分段步长;
基于所述多个点的高程、所述高程最低值和所述高程分段步长,确定所述多个点所处的高程分段,得到每个高程分段包括的点数量。
5.根据权利要求2所述的方法,其中,所述滤除噪声点的高程阈值包括:第一高程阈值和第二高程阈值;其中,所述第一高程阈值低于所述第二高程阈值;
所述基于所述高程阈值滤除所述多个点中的噪声点,得到用于拟合地面平面的多个目标点包括:
从所述多个点中,滤除高程低于或等于所述第一高程阈值的点,并滤除高程高于或等于所述第二高程阈值的点,得到用于拟合地面平面的多个目标点。
6.根据权利要求5所述的方法,其中,所述基于所述高程分布规律,确定用于滤除噪声点的高程阈值,包括:
基于预设的第一比值和所述高程分布规律,确定第一高程阈值,其中,所述第一比值为高程低于或等于第一高程阈值的点的数量与所述多个点的数量的比值;
基于预设的第二比值和所述高程分布规律,确定第二高程阈值,其中,所述第二比值为高程高于或等于第二高程阈值的点的数量与所述多个点的数量的比值。
7.根据权利要求1-6任一项所述的方法,其中,所述确定所述地面点的高程为所述地面点在所述地面平面上的投影点的高程,包括:
将所述地面点投影到所述地面平面上,得到投影点;
计算所述投影点沿垂线方向到预设基准面的距离,得到所述投影点的高程为所述距离;
将所述地面点的高程确定为所述投影点的高程。
8.一种地面点高程确定装置,所述装置包括:
获取单元,用于获取点云中的地面点;
第一确定单元,用于确定所述地面点所在局部区域内多个点的高程;
拟合单元,用于基于所述多个点的高程,从所述多个点中确定用于拟合地面平面的多个目标点,并基于所述多个目标点拟合地面平面;
第二确定单元,用于确定所述地面点的高程为所述地面点在所述地面平面上的投影点的高程。
9.一种计算机设备,其中,包括至少一个计算装置和至少一个存储指令的存储装置;所述指令在被所述至少一个计算装置运行时,促使所述至少一个计算装置执行如权利要求1至7任一项所述地面点高程确定方法的步骤。
10.一种计算机程序产品,其中,该计算机程序产品包括计算机程序,该计算机程序存储在计算机可读存储介质中,计算机的至少一个处理器从存储介质读取并执行该计算机程序,使得计算机执行如权利要求1至7任一项所述地面点高程确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210529129.6A CN115222900A (zh) | 2022-05-16 | 2022-05-16 | 一种地面点高程确定方法、装置、设备及计算机程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210529129.6A CN115222900A (zh) | 2022-05-16 | 2022-05-16 | 一种地面点高程确定方法、装置、设备及计算机程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115222900A true CN115222900A (zh) | 2022-10-21 |
Family
ID=83608031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210529129.6A Pending CN115222900A (zh) | 2022-05-16 | 2022-05-16 | 一种地面点高程确定方法、装置、设备及计算机程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115222900A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116518960A (zh) * | 2023-06-28 | 2023-08-01 | 腾讯科技(深圳)有限公司 | 路网更新方法、装置、电子设备和存储介质 |
-
2022
- 2022-05-16 CN CN202210529129.6A patent/CN115222900A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116518960A (zh) * | 2023-06-28 | 2023-08-01 | 腾讯科技(深圳)有限公司 | 路网更新方法、装置、电子设备和存储介质 |
CN116518960B (zh) * | 2023-06-28 | 2023-09-26 | 腾讯科技(深圳)有限公司 | 路网更新方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106709928B (zh) | 一种快速的含噪图像二维最大类间方差阈值法 | |
CN112700479B (zh) | 一种基于cnn点云目标检测的配准方法 | |
CN112230241B (zh) | 基于随机扫描型雷达的标定方法 | |
CN114693696A (zh) | 一种点云数据处理方法及装置 | |
CN105427333A (zh) | 视频序列图像的实时配准方法、系统及拍摄终端 | |
CN113570665A (zh) | 路沿提取的方法、装置及电子设备 | |
CN111402161A (zh) | 点云障碍物的去噪方法、装置、设备和存储介质 | |
CN112526470A (zh) | 标定雷达参数的方法和装置、电子设备、存储介质 | |
CN112462758A (zh) | 一种建图方法、装置、计算机可读存储介质及机器人 | |
CN115222900A (zh) | 一种地面点高程确定方法、装置、设备及计算机程序产品 | |
CN114708400A (zh) | 一种三维激光降噪方法、装置、介质及机器人 | |
CN113970734A (zh) | 路侧多线激光雷达降雪噪点去除方法、装置及设备 | |
CN112837384A (zh) | 车辆标记方法、装置和电子设备 | |
WO2022099620A1 (zh) | 三维点云分割方法和装置、可移动平台 | |
CN116817887B (zh) | 语义视觉slam地图构建方法、电子设备及存储介质 | |
CN116486312B (zh) | 一种视频图像的处理方法、装置、电子设备和存储介质 | |
CN113269889A (zh) | 一种基于椭圆域的自适应点云目标聚类方法 | |
CN113378865B (zh) | 一种影像金字塔的匹配方法和装置 | |
WO2023005020A1 (zh) | 反光板定位方法、机器人及计算机可读存储介质 | |
CN116152127A (zh) | 一种3d点云处理方法、装置、设备和介质 | |
CN115656991A (zh) | 车辆外参标定方法、装置、设备以及存储介质 | |
CN115131240A (zh) | 一种用于三维点云数据的目标识别方法和系统 | |
CN114595783A (zh) | 基于多线激光雷达发射角度的点云聚类方法及系统 | |
CN114445392A (zh) | 一种基于车道线的俯仰角校准方法及可读存储介质 | |
CN112037328A (zh) | 生成地图中的道路边沿的方法、装置、设备和存储介质 |
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 |