CN115267722A - 一种角点提取方法、装置及存储介质 - Google Patents
一种角点提取方法、装置及存储介质 Download PDFInfo
- Publication number
- CN115267722A CN115267722A CN202110474277.8A CN202110474277A CN115267722A CN 115267722 A CN115267722 A CN 115267722A CN 202110474277 A CN202110474277 A CN 202110474277A CN 115267722 A CN115267722 A CN 115267722A
- Authority
- CN
- China
- Prior art keywords
- point
- point cloud
- target
- scanning
- plane
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种角点提取方法,包括,根据预设的高度阈值将扫描到的点云进行筛选得到目标点云;根据目标点云中的扫描点之间的距离,以及扫描点组成的方向向量的夹角,对目标点云进行分割聚类得到多个聚类点云,并从多个聚类点云中获取目标平面点云;计算相邻目标平面点云的平面交线,并在平面交线上提取角点。本申请的应用有效地提升了角点提取的稳定性和鲁棒性,降低了漏检率与误检率,同时能够准确地与高精度地图进行匹配。
Description
技术领域
本申请涉及自动驾驶及高精度定位等技术领域,特别是一种角点提取方法、装置及存储介质。
背景技术
在现有技术中,角点提取通常采用基于鸟瞰图的角点提取、基于曲率计算的角点提取等方法。
在基于鸟瞰图的角点提取方案中,需要预先将3D点云投影至2D平面上,得到点云对应的鸟瞰图,随后利用Harris角点检测等图像角点提取方法获得角点的2D像素坐标,据此可进一步得到此像素在地下停车场空间中的3D位置。从实现原理可发现,基于鸟瞰图的角点提取方案的提取精度严重依赖于鸟瞰图的投影结果。但是在实际生产中,为节约成本,往往使用低线束的机械旋转式激光雷达,其采集的水平角分辨率较小,采集到的点云较为稀疏,往往会从以下两方面产生误差:①稀疏的点云投影到平面上得到的鸟瞰图也比较稀疏,以这样的鸟瞰图作为图像角点提取方法的输入图像,会产生漏检及误检;②由于点云稀疏,无法保证真实场景中位于角点位置的点会被采集到激光雷达采集的点云中,因此图像角点提取方法提取到的角点不一定与实际场景中的角点匹配。这两方面产生的提取误差,将会影响定位效果。
在基于曲率计算的角点提取方案中,通过计算每个点的曲率来判断这个点是否为角点。在激光雷达采集到的点云中,由于物体之间的相互遮挡,位于物体边缘的点(不属于定义的角点)的曲率值很大,这些点也会被判定为角点,从而产生误检。由于误检的产生,基于曲率计算的角点提取方案提取出的角点,无法与文件大小很小(几KB)的高精度矢量地图匹配,只能与文件大小较大的(几十兆)特征地图匹配,匹配速度较慢,亦需要保存较大的特征地图;同时,误检点也会降低匹配精度,影响定位效果。
因此在地下停车场环境下,如果要解决自动驾驶车辆定位的问题,需要准确地从激光雷达采集到的3D点云中提取出角点,与矢量地图匹配,得到定位结果。而现有的方法提取结果往往存在漏检点与误检点,导致在后续定位过程中,无法准确地与高精度地图匹配的问题。
发明内容
本申请提供一种角点提取方法,有效地提升了角点提取的稳定性和鲁棒性,降低了漏检率与误检率,同时能够准确地与高精度地图进行匹配。
为了解决上述问题,本申请采用的一个技术方案是:提供一种角点提取方法,该方法包括,
根据预设的高度阈值将扫描到的点云进行筛选得到目标点云;
根据目标点云中的扫描点之间的距离,以及扫描点组成的方向向量的夹角,对目标点云进行分割聚类得到多个聚类点云,并从多个聚类点云中获取目标平面点云;
计算相邻目标平面点云的平面交线,并在平面交线上提取角点。
本申请采用的另一个技术方案是:提供一种角点提取装置,该装置包括,
点云预处理模块,用于根据预设的高度阈值将扫描到的点云进行筛选得到目标点云的模块;
目标平面点云提取模块,用于根据目标点云中的扫描点之间的距离,以及扫描点组成的方向向量的夹角,对目标点云进行分割聚类得到多个聚类点云,并从多个聚类点云中获取目标平面点云的模块;
角点提取模块,用于计算相邻目标平面点云的平面交线,并在平面交线上提取角点的模块。
本申请技术方案可以达到的有益效果是:本申请提出一种角点提取方法,有效地提升了角点提取的稳定性和鲁棒性,降低了漏检率与误检率,同时能够准确地与高精度地图进行匹配。
附图说明
图1为本申请一种角点提取方法一个具体实施例的示意图;
图2为本申请从激光雷达扫描到的点云中筛选得到目标点云一个具体实例的结果示意图;
图3为本申请将多个分段点云确定为聚类点云的一个具体实例的示意图;
图4为本申请相邻目标平面点云一个具体实例的示意图;
图5为本申请计算平面交线一个具体实例的示意图;
图6为本申请一种角点提取装置另一个具体实施例的示意图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述,以使本发明的优点和特征能更易于被本领域技术人员理解,从而对本发明的保护范围做出更为清楚明确的界定。
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。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本申请的角点提取方法主要应用于智能地下停车场、智能仓储物流等场景中。
针对现有技术存在的问题,本申请的技术构思是基于地下停车场环境中,在地下停车场环境中,筛除激光雷达扫描到的点云中高于屋顶的点云以及低于地面的点云,得到目标点云;根据车载激光雷达采集到的点云得到目标点云,根据扫描线信息对目标点云进行分割聚类得到多个聚类点云,并从多个聚类点云中获取立柱平面点云以及墙平面点云,计算相邻立柱平面点云以及相邻墙平面点云的平面交线,最终在平面交线上提取角点。
在实际应用中,参见图1所示,图1为本申请提供的一种角点提取方法一个具体实施例的示意图。
在图1所示的具体实施方式中,角点提取方法主要包括:
过程S101:根据预设的高度阈值将扫描到的点云进行筛选得到目标点云。
其中此过程筛除部分不需要检测的点云,如室外的点云,以便于避免计算与室外有关的角点,降低角点提取的整体运算量,并进一步根据筛选后得到的目标点云得到平面点云。
过程S102:根据目标点云中的扫描点之间的距离,以及扫描点组成的方向向量的夹角,对目标点云进行分割聚类得到多个聚类点云,并从多个聚类点云中获取目标平面点云。
其中此过程以便于对聚类点云进行运算获取目标平面点云,从而进一步通过对目标平面点云进行运算求得平面交线,并在平面交线上提取角点。
过程S103:计算相邻目标平面点云的平面交线,并在平面交线上提取角点。
其中此过程在平面交线上提取角点,避免了因实际角点未采集到对最终角点提取结果造成的影响,有效地提升了角点提取的稳定性和鲁棒性,降低了漏检率与误检率,同时能够准确地与高精度地图进行匹配。
在本申请的一个具体实例中,上述根据预设的高度阈值将扫描到的点云进行筛选得到目标点云的前提为扫描设备水平安装。若扫描设备不是水平安装,可以在过程S101前通过提取地面获取地面法线,来计算扫描设备当前坐标系与水平安装的坐标系之间的刚性变换矩阵。例如在地下停车场环境中,去除低于地面的点云与高于屋顶的点云之前,先利用刚性变换矩阵对采集到的点云做刚性变换,将变换后的点云作为本方案过程S101的输入点云,此过程以便于避免由于扫描设备倾斜安装对最终角点提取所产生的不良影响。
在图1所示的具体实施方式中,本申请的角点提取方法包括过程S101,根据预设的高度阈值将扫描到的点云进行筛选得到目标点云。在过程S101的一个具体实施例中,上述根据预设的高度阈值将扫描到的点云进行筛选得到目标点云的过程包括,筛除扫描到的点云中,高于预设的第一高度阈值的点云以及低于预设的第二高度阈值的点云,得到目标点云。此过程筛除部分不需要检测的点云,如室外的点云,以便于避免计算扫描到的与室外有关的角点,降低角点提取的整体运算量,并进一步根据筛选后得到的目标点云得到平面点云。当实际应用于地下停车场环境时,将车辆上安装的激光雷达作为扫描设备,在本实施例中,激光雷达为水平安装,以激光雷达的安装高度为原点,筛除激光雷达扫描到的点云中低于地面的点云和高于屋顶的点云,得到目标点云,即在已知激光雷达安装高度的情况下,去除点云中高于第一高度阈值的点云,同时去除点云中低于第二高度阈值的点云,应用于地下停车场环境时,第一高度阈值为屋顶高度,第二高度阈值为地面高度。最终得到的目标点云如图2所示。但是实际应用中,选取其他高度依旧可以进一步求取角点,筛除低于地面与高于屋顶的点云是为了便于运算。
在图1所示的具体实施方式中,本申请的角点提取方法包括过程S102,根据目标点云中的扫描点之间的距离,以及扫描点组成的方向向量的夹角,对目标点云进行分割聚类得到多个聚类点云,并从多个聚类点云中获取目标平面点云。在过程S102的一个具体实施例中,上述根据目标点云中扫描点之间的距离,以及扫描点组成的方向向量的夹角,对目标点云进行分割聚类得到多个聚类点云,并从多个聚类点云中获取目标平面点云的过程包括,根据扫描点的线束信息,将同属于一条扫描线的扫描点分到相同集合中,得到多个单扫描线子集,并在每个单扫描线子集中对每个扫描点沿扫描方向进行排序;根据序号相邻的两个扫描点之间的距离,序号相邻的两个扫描点所组成的方向向量,以及预设的第一距离阈值和预设的第一角度阈值得到断点,并利用断点对每个单扫描线子集进行分割得到分段点云。此过程以便于进一步将分段点云确定为聚类点云。
当实际应用于地下停车场环境时,将车辆上安装的激光雷达作为扫描设备,对过程S101的一个具体实施例中获取的目标点云中的扫描点,根据扫描点的线束信息,将同属于一条激光雷达扫描线的扫描点分到相同集合中,得到多个单扫描线子集,并在每个单扫描线子集中对每个扫描点沿着激光雷达的扫描方向进行排序,在每一个单扫描线子集的扫描点中,从第一个扫描点开始,沿着激光雷达扫描方向(即偏移角由小到大的方向),计算当前扫描点与下一扫描点之间距离d,计算当前扫描点与其序号相邻的两个扫描点所组成的两个方向向量之间的夹角θ,此处的两个方向向量分别是当前扫描点与前一扫描点组成的方向向量、当前扫描点与下一扫描点组成的方向向量。若当前扫描点与下一扫描点之间距离d大于预设的第一距离阈值或者两个方向向量之间的夹角θ大于预设的第一角度阈值,则将当前扫描点设为断点。
在本申请过程S102的一个具体实例中,上述利用断点对每个单扫描线子集进行分割得到分段点云的过程包括,将当前断点与上一断点之间的点存为一个分段点云,其中一个分段点云包括至少预定数目个扫描点,否则将一个分段点云丢弃。在该具体实例中,可以将预定数目设置为3,即当某个分段点云中包含的扫描点数目小于3时,则丢弃此分段点云。若当前扫描点为单扫描线子集的扫描点中最后一个扫描点,则直接处理下一个扫描线子集中的扫描点,循环此过程,直至得到全部的分段点云。
在图1所示的具体实施方式中,本申请的角点提取方法包括过程S102,根据目标点云中扫描点之间的距离,以及扫描点组成的方向向量的夹角,对目标点云进行分割聚类得到多个聚类点云,并从多个聚类点云中获取目标平面点云。在过程S102的一个具体实施例中,上述根据目标点云中扫描点之间的距离,以及扫描点组成的方向向量的夹角,对目标点云进行分割聚类得到多个聚类点云,并从多个聚类点云中获取目标平面点云的过程还包括,将分段点云质心之间距离小于预设的第二距离阈值,且分段点云方向向量之间夹角小于预设的第二角度阈值的分段点云确定为一个聚类点云。此过程以便于进一步从聚类点云中提取目标平面点云。
其中分段点云质心之间距离为任意两个分段点云的质心点之间的距离,分段点云方向向量之间夹角为任意两个分段点云的直线方向向量之间的夹角。若任意两个分段点云的质心之间的质心距离小于预设的第二距离阈值,并且任意两个分段点云的的直线方向向量之间的夹角小于预设的第二角度阈值,则将任意两个分段点云确定为一个聚类点云,将多个分段点云确定为一个聚类点云的结果如图3所示。
在图1所示的具体实施方式中,本申请的角点提取方法包括过程S102,根据目标点云中扫描点之间的距离,以及扫描点组成的方向向量的夹角,对目标点云进行分割聚类得到多个聚类点云,并从多个聚类点云中获取目标平面点云。在过程S102的一个具体实施例中,上述从多个聚类点云中获取目标平面点云的过程包括,提取多个聚类点云中每一个聚类点云中的平面点云;将垂直于以扫描起始点为原点的坐标系的xoy平面的平面点云确定为目标平面点云。在地下停车场环境中,平面点云可以是墙平面点云、立柱平面点云、车平面点云等,其中墙平面点云和立柱平面点云作为本发明所需的目标平面点云,均垂直于以扫描起始点为原点的坐标系的xoy平面。因此将垂直于以扫描起始点为原点的坐标系的xoy平面作为筛选条件,能够精准获取目标平面点云;对不垂直于以扫描起始点为原点的坐标系的xoy平面的车平面点云等非目标平面点云,无需进行下一步运算,从而消除了实际地理中非目标平面点云对最终角点提取结果的影响,进一步降低误检率。
具体地,当实际应用于地下停车场环境时,将车辆上安装的激光雷达作为扫描设备,即扫描起始点。可以利用RANSAC法提取出每一个聚类点云中的平面点云,假设提取出的平面点云的平面方程为Ax+By+Cz+D=0,若C趋近于0,则认为其垂直于以激光雷达为原点的坐标系的xoy平面,将其确认为目标平面点云,即实际地理中的立柱平面点云以及墙平面点云,若提取出的平面点云不垂直于以激光雷达为原点的坐标系的xoy平面,则丢弃该聚类点云。
在图1所示的具体实施方式中,本申请的角点提取方法包括过程S103,计算相邻目标平面点云的平面交线,并在平面交线上提取角点。其中相邻目标平面点云为,最近点对之间的距离小于第三距离阈值的两个目标平面点云。最近点对指的是分属于两个目标平面点云中距离最近的一对点。例如说有目标平面点云A与目标平面点云B,任取目标平面点云A中的一点与目标平面点云B中的点,计算两点之间的距离,若点a与点b距离最近,那么点a与点b就是目标平面点云A与目标平面点云B的最近点对,若目标平面点云A与目标平面点云B的最近点对之间的距离小于第三距离阈值,则认为目标平面点云A与目标平面点云B为相邻目标平面点云,在地下停车场环境中,相邻目标平面点云为图4所示。
在过程S103的一个具体实施例中,上述计算相邻目标平面点云的平面交线,并在平面交线上提取角点的过程包括,利用平面方程计算相邻目标平面点云的平面交线,在平面交线上提取任意一点确定为角点。利用平面方程计算出的相邻目标平面点云的平面交线如图5所示,此过程在交线上提取角点,避免了实际角点未采集到对最终角点提取结果的影响,有效地提升了角点提取的稳定性和鲁棒性,降低了漏检率与误检率,同时能够准确地与高精度地图进行匹配。
在本申请的一个具体实例中,上述在平面交线上提取任意一点确定为角点的过程包括,在实际应用中,为了方便计算可以在平面交线上取z=0的点为角点。
在实际应用中,参见图6所示,图6为本申请一种角点提取装置一个具体实施方式的示意图。
在图6示出的具体实施方式中,本申请的角点提取装置包括模块601、模块602以及模块603。
图6示出的模块601,点云预处理模块,表示的是用于根据预设的高度阈值将扫描到的点云进行筛选得到目标点云的模块。此模块筛除部分不需要检测的点云,如房顶和地面,以便于进一步根据筛选后得到的目标点云得到平面点云。
在本申请的一个具体实施例中,上述点云预处理模块的工作内容还包括,筛除扫描到的点云中,高于第一高度阈值的点云以及低于第二高度阈值的点云,得到目标点云。此过程筛除部分不需要检测的点云,如高于房顶以及低于地面的点云,降低提取角点的整体运算量,以便于进一步根据筛选后得到的目标点云得到平面点云。
图6示出的模块602,目标平面点云提取模块,表示的是用于根据目标点云中的扫描点之间的距离,以及扫描点组成的方向向量的夹角,对目标点云进行分割聚类得到多个聚类点云,并从多个聚类点云中获取目标平面点云的模块。此模块以便于进一步对目标平面点云进行运算求得交线,从而进一步在交线上提取角点。
在本申请的一个具体实施例中,上述目标平面点云模块的工作内容还包括,提取模块根据扫描点的线束信息,将同属于一条扫描线的扫描点分到相同集合中,得到多个单扫描线子集,并在每个单扫描线子集中对每个扫描点沿扫描方向进行排序;根据序号相邻的两个扫描点之间的距离,序号相邻的两个扫描点所组成的方向向量,以及预设的第一距离阈值和预设的第一角度阈值得到断点,并利用断点对每个单扫描线子集进行分割得到分段点云。此过程以便于进一步将分段点云确定为聚类点云。
在本申请的一个具体实施例中,上述根据序号相邻的两个扫描点之间的距离,序号相邻的两个扫描点所组成的方向向量,以及预设的第一距离阈值和预设的第一角度阈值得到断点的过程包括,按照扫描点的排序,若当前扫描点与下一扫描点之间的距离大于第一距离阈值,或者当前扫描点与上一扫描点组成的当前方向向量,与当前扫描点与下一扫描点组成的下一方向向量之间的夹角大于第一角度阈值,则将当前扫描点确认为断点。此过程以便于进一步利用断点对每个单扫描线子集进行分割得到分段点云。
在本申请的一个具体实施例中,上述目标平面点云模块的工作内容还包括,将分段点云质心之间距离小于预设的第二距离阈值,且分段点云方向向量之间夹角小于预设的第二角度阈值的分段点云确定为一个聚类点云。其中分段点云质心之间距离为任意两个分段点云的质心点之间的距离,分段点云方向向量之间夹角为任意两个分段点云的直线方向向量之间的夹角。此过程以便于进一步从聚类点云中提取目标平面点云。
在本申请的一个具体实施例中,上述从多个聚类点云中获取目标平面点云的过程包括,提取多个聚类点云中每一个聚类点云中的平面点云;将垂直于以扫描起始点为原点的坐标系的xoy平面的平面点云确定为目标平面点云。在地下停车场环境中,平面点云可以是墙平面点云、立柱平面点云、车平面点云等,其中墙平面点云和立柱平面点云作为本发明所需的目标平面点云,均垂直于以扫描起始点为原点的坐标系的xoy平面。因此将垂直于以扫描起始点为原点的坐标系的xoy平面作为筛选条件,能够精准获取目标平面点云;对不垂直于以扫描起始点为原点的坐标系的xoy平面的车平面点云等非目标平面点云,无需进行下一步运算,从而消除了实际地理中非目标平面点云对最终角点提取结果的影响,进一步降低误检率。
图6示出的模块603,角点提取模块,表示的是用于计算相邻目标平面点云的平面交线,并在平面交线上提取角点的模块。此模块在交线上提取角点,避免了实际角点未采集到对最终角点提取结果的影响,有效地提升了角点提取的稳定性和鲁棒性,降低了漏检率与误检率,同时能够准确地与高精度地图进行匹配。
其中相邻目标平面点云为,最近点对之间的距离小于第三距离阈值的两个目标平面点云。
在本申请的一个具体实施例中,上述角点提取模块的工作内容还包括,利用平面方程计算相邻目标平面点云的平面交线,在平面交线上提取任意一点确定为角点。此过程在交线上提取角点,避免了因实际角点未采集到对最终角点提取结果的影响,有效地提升了角点提取的稳定性和鲁棒性,降低了漏检率与误检率,同时能够准确地与高精度地图进行匹配。
通过本申请角点提取装置的应用,有效地提升了角点提取的稳定性和鲁棒性,降低了漏检率与误检率,同时能够准确地与高精度地图进行匹配。
本申请提供的一种角点提取装置,可用于执行上述任一实施例描述的角点提取方法,其实现原理和技术效果类似,在此不再赘述。
在本申请的另一个具体实施方式中,一种计算机可读存储介质,其存储有计算机指令,其特征在于,计算机指令被操作以执行任一实施例描述的角点提取方法。其中,该存储介质可直接在硬件中、在由处理器执行的软件模块中或在两者的组合中。
软件模块可驻留在RAM存储器、快闪存储器、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可装卸盘、CD-ROM或此项技术中已知的任何其它形式的存储介质中。示范性存储介质耦合到处理器,使得处理器可从存储介质读取信息和向存储介质写入信息。
处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application Specific Integrated Circuit,简称:ASIC)、现场可编程门阵列(英文:Field Programmable Gate Array,简称:FPGA)或其它可编程逻辑装置、离散门或晶体管逻辑、离散硬件组件或其任何组合等。通用处理器可以是微处理器,但在替代方案中,处理器可以是任何常规处理器、控制器、微控制器或状态机。处理器还可实施为计算装置的组合,例如DSP与微处理器的组合、多个微处理器、结合DSP核心的一个或一个以上微处理器或任何其它此类配置。在替代方案中,存储介质可与处理器成一体式。处理器和存储介质可驻留在ASIC中。ASIC可驻留在用户终端中。在替代方案中,处理器和存储介质可作为离散组件驻留在用户终端中。
在本申请所提供的实施方式中,应该理解到,所揭露的系统和方法,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上仅为本申请的实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种角点提取方法,其特征在于,包括,
根据预设的高度阈值将扫描到的点云进行筛选得到目标点云;
根据所述目标点云中的扫描点之间的距离,以及所述扫描点组成的方向向量的夹角,对所述目标点云进行分割聚类得到多个聚类点云,并从多个所述聚类点云中获取目标平面点云;
计算相邻所述目标平面点云的平面交线,并在所述平面交线上提取角点。
2.如权利要求1所述的角点提取方法,其特征在于,根据所述目标点云中的扫描点之间的距离,以及所述扫描点组成的方向向量的夹角,对所述目标点云进行分割聚类得到多个聚类点云的过程包括,
根据所述扫描点的线束信息,将同属于一条扫描线的所述扫描点分到相同集合中,得到多个单扫描线子集,并在每个所述单扫描线子集中对每个所述扫描点沿扫描方向进行排序;
根据序号相邻的两个所述扫描点之间的距离,序号相邻的两个所述扫描点所组成的方向向量,以及预设的第一距离阈值和预设的第一角度阈值得到断点,并利用所述断点对每个所述单扫描线子集进行分割得到分段点云。
3.如权利要求1-2所述的角点提取方法,其特征在于,所述根据目标点云中扫描点之间的距离,以及扫描点组成的方向向量的夹角,对目标点云进行分割聚类得到多个聚类点云的过程包括,
将分段点云质心之间距离小于预设的第二距离阈值,且分段点云方向向量之间夹角小于预设的第二角度阈值的所述分段点云确定为一个聚类点云;
其中所述分段点云质心之间距离为任意两个分段点云的质心点之间的距离,所述分段点云方向向量之间夹角为任意两个分段点云的直线方向向量之间的夹角。
4.如权利要求2所述的角点提取方法,其特征在于,所述根据序号相邻的两个所述扫描点之间的距离,序号相邻的两个所述扫描点所组成的方向向量,以及预设的第一距离阈值和预设的第一角度阈值得到断点的过程包括,
按照所述扫描点的排序,若当前所述扫描点与下一所述扫描点之间的距离大于所述第一距离阈值,或者当前所述扫描点和上一所述扫描点组成的当前方向向量,与当前所述扫描点和下一所述扫描点组成的下一方向向量之间的夹角大于所述第一角度阈值,则将当前所述扫描点确认为断点。
5.如权利要求1所述的角点提取方法,其特征在于,所述从多个所述聚类点云中获取目标平面点云的过程包括,
提取多个所述聚类点云中每一个所述聚类点云中的平面点云;
将垂直于以扫描起始点为原点的坐标系的xoy平面的所述平面点云确定为所述目标平面点云。
6.如权利要求1所述的角点提取方法,其特征在于,所述根据预设的高度阈值将扫描到的点云进行筛选得到目标点云的过程包括,
筛除扫描到的所述点云中,高于预设的第一高度阈值的所述点云以及低于预设的第二高度阈值的所述点云,得到所述目标点云。
7.如权利要求1所述的角点提取方法,其特征在于,所述计算相邻所述目标平面点云的平面交线,并在所述平面交线上提取所述角点的过程包括,
利用平面方程计算所述相邻所述目标平面点云的所述平面交线,在所述平面交线上提取任意一点确定为所述角点。
8.一种用于地下停车场的角点提取方法,其特征在于,还包括,
在地下停车场环境中,筛除扫描到的点云中高于屋顶的点云以及低于地面的点云,得到目标点云;
根据所述目标点云中的扫描点之间的距离,以及所述扫描点组成的方向向量的夹角,对所述目标点云进行分割聚类得到多个聚类点云,并从多个所述聚类点云中获取目标平面点云;
计算相邻所述目标平面点云的平面交线,并在所述平面交线上提取角点。
9.一种角点提取装置,其特征在于,
点云预处理模块,用于根据预设的高度阈值将扫描到的点云进行筛选得到目标点云的模块;
目标平面点云提取模块,用于根据所述目标点云中的扫描点之间的距离,以及所述扫描点组成的方向向量的夹角,对所述目标点云进行分割聚类得到多个聚类点云,并从多个所述聚类点云中获取目标平面点云的模块;
角点提取模块,用于计算相邻所述目标平面点云的平面交线,并在所述平面交线上提取所述角点的模块。
10.一种计算机可读存储介质,其存储有计算机指令,其特征在于,所述计算机指令被操作以执行权利要求1-8中任一项所述的角点提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110474277.8A CN115267722A (zh) | 2021-04-29 | 2021-04-29 | 一种角点提取方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110474277.8A CN115267722A (zh) | 2021-04-29 | 2021-04-29 | 一种角点提取方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115267722A true CN115267722A (zh) | 2022-11-01 |
Family
ID=83744814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110474277.8A Pending CN115267722A (zh) | 2021-04-29 | 2021-04-29 | 一种角点提取方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115267722A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117114971A (zh) * | 2023-08-01 | 2023-11-24 | 北京城建设计发展集团股份有限公司 | 一种像素图向矢量图转换方法及系统 |
CN117649495A (zh) * | 2024-01-30 | 2024-03-05 | 山东大学 | 基于点云描述符匹配的室内三维点云地图生成方法及系统 |
-
2021
- 2021-04-29 CN CN202110474277.8A patent/CN115267722A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117114971A (zh) * | 2023-08-01 | 2023-11-24 | 北京城建设计发展集团股份有限公司 | 一种像素图向矢量图转换方法及系统 |
CN117114971B (zh) * | 2023-08-01 | 2024-03-08 | 北京城建设计发展集团股份有限公司 | 一种像素图向矢量图转换方法及系统 |
CN117649495A (zh) * | 2024-01-30 | 2024-03-05 | 山东大学 | 基于点云描述符匹配的室内三维点云地图生成方法及系统 |
CN117649495B (zh) * | 2024-01-30 | 2024-05-28 | 山东大学 | 基于点云描述符匹配的室内三维点云地图生成方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3506162B1 (en) | Method and apparatus for determining matching relationship between point cloud data | |
CN111179358B (zh) | 标定方法、装置、设备及存储介质 | |
CN111598770B (zh) | 一种基于三维数据和二维图像的物体检测方法和装置 | |
CN109271861B (zh) | 多尺度融合的点云交通标识牌自动提取方法 | |
CN115267722A (zh) | 一种角点提取方法、装置及存储介质 | |
CN114067001B (zh) | 车载相机角度标定方法、终端及存储介质 | |
CN113761999A (zh) | 一种目标检测方法、装置、电子设备和存储介质 | |
CN110738223B (zh) | 一种激光雷达的点云数据聚类方法及装置 | |
CN113192174B (zh) | 建图方法、装置及计算机存储介质 | |
CN113970734B (zh) | 路侧多线激光雷达降雪噪点去除方法、装置及设备 | |
CN114897669A (zh) | 一种标注方法、装置及电子设备 | |
CN117590362B (zh) | 一种多激光雷达外参标定方法、装置和设备 | |
CN111862208B (zh) | 一种基于屏幕光通信的车辆定位方法、装置及服务器 | |
CN117765039A (zh) | 点云粗配准方法、装置及设备 | |
CN114066930A (zh) | 一种平面目标跟踪方法、装置、终端设备及存储介质 | |
CN116681932A (zh) | 一种对象识别方法、装置、电子设备及存储介质 | |
CN116012628A (zh) | 一种毫米波雷达点云聚类和多目标识别机器学习方法 | |
CN113674358B (zh) | 一种雷视设备的标定方法、装置、计算设备及存储介质 | |
CN114236566A (zh) | 激光系统的控制方法、装置、电子设备及可读存储介质 | |
CN114662600A (zh) | 一种车道线的检测方法、装置和存储介质 | |
CN114565906A (zh) | 障碍物检测方法、装置、电子设备及存储介质 | |
US11989908B2 (en) | Visual positioning method, mobile machine using the same, and computer readable storage medium | |
CN113496145B (zh) | 标牌角点获取方法、装置及设备 | |
CN114882058B (zh) | 一种角点检测方法、装置及标定板 | |
CN116468814A (zh) | 室内停车场平面结构提取方法、系统、定位方法及介质 |
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 |