CN115760827A - 点云数据的检测方法、装置、设备以及存储介质 - Google Patents

Abstract

本公开提供了点云数据的检测方法、装置、设备以及存储介质，涉及计算机技术领域，尤其涉及自动驾驶、高精地图、导航技术领域。具体实现方案为：检测装置获取多个点云对象，多个点云对象为由多组点云数据拼接组成的目标点云数据中的点云对象，每组点云数据包括至少一个点云对象。之后，检测装置从多个点云对象中确定至少一个特征对，一个特征对中的点云对象相同。对于每个特征对，检测装置获取特征对对应的第一距离，以获取至少一个第一距离，第一距离为特征对中点云对象之间的距离。检测装置基于至少一个第一距离，确定第一信息，第一信息用于指示目标点云数据是否拼接异常。

Description

点云数据的检测方法、装置、设备以及存储介质

技术领域

本公开涉及，涉及计算机技术领域，尤其涉及自动驾驶、高精地图、导航技术领域，具体涉及一种点云数据的检测方法、装置、设备以及存储介质。

背景技术

随着交通的发展，道路变得越来越复杂，用户对高精地图的需求也随之增加。高精地图也称高精度地图，拥有精确的车辆位置信息和丰富的道路元素数据信息。在高精地图的制作中，电子设备通常需要多次采集一个区域的点云数据，并将多次采集到的点云数据进行拼接，得到拼接后的点云数据。然后，电子设备可以基于拼接后的点云数据，制作高精地图。

发明内容

本公开提供了一种点云数据的检测方法、装置、设备以及存储介质。

第一方面，本公开提供了一种点云数据的检测方法，包括：

点云数据的检测装置(以下简称为“检测装置”)获取多个点云对象，多个点云对象为由多组点云数据拼接组成的目标点云数据中的点云对象，每组点云数据包括至少一个点云对象。之后，检测装置从多个点云对象中确定至少一个特征对，一个特征对中的点云对象相同。对于每个特征对，检测装置获取特征对对应的第一距离，以获取至少一个第一距离，第一距离为特征对中点云对象之间的距离。检测装置基于至少一个第一距离，确定第一信息，第一信息用于指示目标点云数据是否拼接异常。

第二方面，本公开提供了一种点云数据的检测装置，包括：

获取单元，用于获取多个点云对象，多个点云对象为由多组点云数据拼接组成的目标点云数据中的点云对象，每组点云数据包括至少一个点云对象。处理单元，用于从多个点云对象中确定至少一个特征对，一个特征对中的点云对象相同。处理单元，还用于对于每个特征对，获取特征对对应的第一距离，以获取至少一个第一距离，第一距离为特征对中点云对象之间的距离。处理单元，还用于基于至少一个第一距离，确定第一信息，第一信息用于指示目标点云数据是否拼接异常。

第三方面，本公开提供了一种电子设备，包括：

至少一个处理器；以及

与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行第一方面中的任一项方法。

第四方面，本公开提供了一种存储有计算机指令的非瞬时计算机可读存储介质，包括：

计算机指令用于使计算机执行第一方面中的任一项方法。

第五方面，本公开提供了一种计算机程序产品，包括：

计算机程序，计算机程序在被处理器执行第一方面中的任一项方法。

根据本公开的技术解决了点云数据的检测依赖于人工质检的问题，提高了检测点云数据是否异常的准确性。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是本公开实施例提供的一种拼接后的点云数据的实例图；

图2是本公开实施例提供的一种点云数据的检测方法的流程示意图；

图3是本公开实施例提供的另一种点云数据的检测方法的流程示意图；

图4是本公开实施例提供的一种点云对象的实例图；

图5是本公开实施例提供的一种距离的实例图；

图6是本公开实施例提供的另一种点云数据的检测方法的流程示意图；

图7是本公开实施例提供的一种点云数据的检测装置的结构示意图；

图8是本公开实施例提供的一种点云数据的检测方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

在对本公开实施例的点云数据的检测方法进行详细介绍之前，先对本公开实施例的应用场景进行介绍。

首先，对本公开实施例的应用场景进行介绍。

随着交通的发展，道路变得越来越复杂，用户对高精地图的需求也随之增加。高精地图也称高精度地图，是由自动驾驶汽车使用的地图。高精地图拥有精确的车辆位置信息和丰富的道路元素数据信息，可以帮助汽车预知路面复杂信息，如坡度、曲率、航向等，从而更好地规避潜在的风险。

目前，在高精地图的制作中，通常首先针对某段道路进行多次点云数据采集，同时通过全球导航卫星系统(Global Navigation Satellites System，GNSS)以及惯性导航测量单元(Inertial Measurement Unit，IMU)进行数据采集，并基于上述数据进行全局位姿信息估算，进而基于估算结果获取点云数据采集设备的全局位姿，并基于此对多次点云数据进行拼接。然后，电子设备可以基于拼接后的点云数据，制作高精地图。

示例性的，如图1所示，其示出了拼接后的点云数据101，该拼接后的点云数据101由两次采集的点云数据组成(如点云数据A和点云数据B)，点云数据A由虚线表示(如箭头103、标识牌105、井盖107和车道线109)，点云数据B由实线表示(如箭头102、标识牌104、井盖106和车道线108)。该拼接后的点云数据101可以包括多个点云对象，如方向箭头(如箭头102和箭头103)、标识牌(如标识牌104和标识牌105)、井盖(如井盖106和井盖107)等。

但是，由于外界因素(如环境昏暗)干扰，可能导致电子设备采集的点云数据不准确，进而造成拼接的点云数据存在异常(如不同点云数据中的相同点云对象未重合)，最终导致高精地图的精确性较低。

示例性的，结合图1可知，箭头102和箭头103为同一个箭头，但是未完全重合，标识牌104和标识牌105为同一个标识牌，也未完全重合。

目前，可以通过工作人员对拼接后的点云数据进行质检，确定相同的点云对象是否重合。但是，通过人工对拼接后的点云数据进行检测，不仅准确性较低，而且效率也较低。

为了解决上述问题，本公开实施例提供一种点云数据的检测方法，应用于检测点云数据的应用场景中。在该方法中，检测设备可以获取多个点云对象，多个点云对象为由不同点云数据组成的目标点云数据中的点云对象。之后，检测设备可以从多个点云对象中确定至少一个特征对，一个特征对中的点云对象相同。然后，对于每个特征对，检测设备可以获取特征对对应的第一距离，以获取至少一个第一距离，第一距离为特征对中点云对象之间的距离。然后，检测设备可以基于至少一个第一距离，确定目标点云数据是否拼接异常。

可以理解的是，检测设备获取多个点云对象之后，确定至少一个特征对，可以得到与各自点云对象相同的点云对象。然后，检测设备获取至少一个第一距离，由于第一距离为特征对中点云对象之间的距离，该第一距离可以反映不同的点云数据中相同点云对象之间的重合程度。如此，检测设备可以基于至少一个第一距离，即多组相同点云对象之间的重合程度，确定目标点云数据是否拼接异常。如此，可以达到对拼接后的点云数据进行检测的目的，并且，通过计算相同点云对象之间的距离，可以提高检测拼接后的点云数据是否拼接异常的准确性。

需要说明的是，本公开实施例对目标点云数据(即拼接后的点云数据)不作限定。例如，目标点云数据可以为实时生成的点云数据。又例如，目标点云数据可以为更新后的点云数据。

示例性的，目标点云数据为实时生成的点云数据时，该目标点云数据可以为采集设备高频率采集多组点云数据后拼接成的点云数据。例如，汽车在行驶过程中，可以每间隔100毫秒采集点云数据帧，并将多个点云数据帧(如点云关键帧)进行拼接，生成目标点云数据。或者，目标点云数据为更新后的点云数据时，该目标点云数据可以为采集设备低频率采集多组点云数据后拼接成的点云数据。例如，采集设备可以每天采集一组点云数据，并将每天采集的点云数据帧进行拼接，生成目标点云数据。

需要说明的是，本公开实施例对检测设备不作限定。本公开实施例中的检测设备可以为电子设备，该电子设备可以是平板电脑、手机、桌面型、膝上型、手持计算机、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本，以及蜂窝电话、个人数字助理(personal digital assistant，PDA)、增强现实(augmented reality，AR)\虚拟现实(virtual reality，VR)设备、车载设备等设备。本公开实施例对该电子设备的具体形态不作特殊限制。

可选的，该电子设备还可以为服务器，服务器可以为物理服务器，也可以为云端服务器。或者，该服务器可以为服务器集群。

可选的，该检测设备还可以为汽车。

可选的，该检测设备(如汽车)可以采集点云数据。该汽车可以包括用于感知周围环境的传感器。传感器可以包括下列传感器中的一个或多个：视觉摄像头、红外摄像头、超声波传感器、毫米波雷达以及激光雷达(LiDAR)。不同的传感器可以提供不同的检测精度和范围。摄像头可以安装在车辆的前方、后方或其他位置。视觉摄像头可以实时捕获车辆内外的情况并呈现给驾驶员和/或乘客。此外，通过对视觉摄像头捕获的画面进行分析，可以获取诸如交通信号灯指示、交叉路口情况、其他车辆运行状态等信息。红外摄像头可以在夜视情况下捕捉物体。超声波传感器可以安装在车辆的四周，用于利用超声波方向性强等特点来测量车外物体距车辆的距离。毫米波雷达可以安装在车辆的前方、后方或其他位置，用于利用电磁波的特性测量车外物体距车辆的距离。激光雷达可以安装在车辆的前方、后方或其他位置，用于检测物体边缘、形状信息，从而进行物体识别和追踪。由于多普勒效应，雷达装置还可以测量车辆与移动物体的速度变化。

本公开提供的点云数据的检测方法的执行主体可以为检测设备(如汽车、电子设备等)。同时，该装置还可以为该检测设备的中央处理器(Central Processing Unit，CPU)，或者该检测设备中的用于检测点云数据的检测模块。本公开实施例中以检测设备执行点云数据的检测方法为例，说明本公开实施例提供的点云数据的检测方法。

如图2所示，为本公开实施例提供的一种点云数据的检测方法，该方法包括：

S201、检测设备获取多个点云对象。

其中，多个点云对象为由多组点云数据拼接组成的目标点云数据中的点云对象，每组点云数据包括至少一个点云对象。

示例性的，目标点云数据由点云数据A和点云数据B拼接组成，目标点云数据包括：点云对象a、点云对象b、点云对象c、点云对象d和点云对象e。其中，点云对象a、点云对象b和点云对象c为点云数据A中的点云对象，点云对象d和点云对象e为点云数据B中的点云对象。

在一种可能的实现方式中，检测设备可以获取拼接后的点云数据。之后，检测设备可以对拼接后的点云数据进行语义分割，得到多个点云对象。

需要说明的是，本公开实施例中的点云对象也可以称为语义特征。

在另一种可能的实现方式中，检测设备中存储有每组点云数据中的点云对象。

可选的，每组点云数据对应的区域小于第一预设区域范围阈值。每组点云数据对应的区域大于第二预设区域范围阈值，第一预设区域范围阈值大于第二预设区域范围阈值。

需要说明的是，本公开实施例对预设区域范围阈值不作限定。例如，预设区域范围阈值可以为10×10。又例如，预设区域范围阈值可以为5×10。又例如，预设区域范围阈值可以为6×8。

S202、检测设备从多个点云对象中确定至少一个特征对。

其中，一个特征对中的点云对象相同。

示例性的，结合图1，箭头102和箭头103可以为一个特征对，标识牌104和标识牌105可以为一个特征对，井盖106和井盖107可以为一个特征对。

在一种可能的实现方式中，检测设备可以按照预设条件将多个点云对象划分为至少一个特征对。对于每个点云对象，检测设备可以获取点云对象的对象类型、点云对象所在的点云数据组的标识、点云数据的位置信息。之后，检测设备可以根据点云对象的对象类型、点云数据标识、点云数据的位置信息，照预设条件将多个点云对象划分为至少一个特征对。

其中，特征对包括：第一对象和第二对象。预设条件包括：第一对象的对象类型和第二对象的对象类型相同、第一对象所在的点云数据组与第二对象所在的点云数据组不同、第二距离小于第一预设距离阈值、第二距离为距离集合中的最小距离，距离集合包括：第一对象的中心点与多个点云对象中除第一对象以外的点云对象的中心点之间的距离，第二对象的中心点与多个点云对象中除第二对象以外的点云对象的中心点之间的距离；第二距离为第一对象的中心点与第二对象的中心点之间的距离。

在本公开实施例中，对象类型可以包括线状类型和面状类型。第一对象的对象类型和第二对象的对象类型相同。

示例性的，线状类型的点云对象可以包括：车道线、路沿、护栏、杆等，面状类型的点云对象可以包括：标识牌、地面箭头、限速牌、地面等。

可以理解的是，第一对象和第二对象为相同的对象，则第一对象和第二对象的对象类型相同。

在一种可能的设计中，一组点云数据对应一个点云数据标识。检测设备可以根据两个点云对象对应的点云数据标识，确定两个点云对象是否在一个点云数据组。若两个点云对象对应的点云数据标识相同，则检测设备确定两个点云对象在一个点云数据组。若两个点云对象对应的点云数据标识不相同，则检测设备确定两个点云对象在一个点云数据组。

需要说明的是，本公开实施例对点云数据标识不作限定。例如，点云数据标识可以为采集点云数据任务的id(如taskid)。又例如，点云数据标识可以为采集点云数据的时间戳(如timestamp)。又例如，点云数据标识可以为id与时间戳的组合。

在本公开实施例中，检测设备可以获取第二距离。之后，检测设备可以将第二距离与第一预设距离阈值进行比较，确定第二距离是否小于第一预设距离阈值。

在一种可能的设计中，第二距离可以通过公式一确定。

S(f_i,f_j)＝|C_i-C_j|公式一。

其中，S(f_i,f_j)用于表示第i个点云对象的中心点与第j个点云对象的中心点之间的距离，f_i用于表示第i个点云对象，f_i用于表示第j个点云对象，C_i用于表示第i个点云对象的中心点，C_j用于表示第j个点云对象的中心点。

需要说明的是，本公开实施例对第一预设距离阈值不作限定。例如，第一预设距离阈值可以为5厘米。又例如，第一预设距离阈值为10厘米。又例如，第一预设距离阈值可以为1米。

可以理解的是，在两个点云对象之间的距离小于第一预设距离阈值，说明两个点云对象距离较近，重合度较高，说明为两个点云对象可能为特征对。

在本公开实施例中，检测设备可以获取距离集合，并确定距离集合中的最小距离。

示例性的，假如点云数据A中的点云对象包括：点云对象a、点云对象b，点云数据B中的点云对象包括：点云对象d和点云对象e，假如第一对象为点云对象a，第二对象为点云对象d，则距离集合A包括：点云对象a与点云对象d之间的距离，点云对象a与点云对象e之间的距离，点云对象e与点云对象b之间的距离，其中，点云对象a与点云对象d之间的距离为距离集合A中的最小距离。

可以理解的是，检测设备按照预设条件划分特征对，在两个点云对象的对象类型相同的情况下，且两个点云对象所在点云数据组不同，两个点云对象之间的距离小于第一预设距离阈值，两个点云对象之间的距离最近时，则确定两个点云对象为相同的点云对象。如此，可以通过对象类型、所在点云数据组、点云对象之间的距离划分特征对，提高了确定特征对的准确性。

需要说明的是，目标点云数据可能是由多组点云数据拼接而成，当目标点云数据由三组及以上点云数据拼接而成，则目标点云数据中可能存在三个及以上相同的点云对象。

在一些实施例中，检测设备可以将多组点云数据划分为多个点云数据集，每个点云数据集包括两组点云数据。之后，检测设备可以从每个点云数据集中获取多个点云对象，并从多个点云对象中确定至少一个特征对。

S203、对于每个特征对，检测设备获取特征对对应的第一距离，以获取至少一个第一距离。

其中，第一距离为特征对中点云对象之间的距离。

在一种可能的实现方式中，检测设备可以获取特征对中两个点云对象的位置信息，并根据两个点云对象的位置信息，确定特征对对应的第一距离。

S204、检测设备基于至少一个第一距离，确定第一信息。

其中，第一信息用于指示目标点云数据是否拼接异常。

需要说明的是，本公开实施例中，点云数据拼接异常是指，拼接后的点云数据中，不同点云数据中的同一对象拼接后未在相同的位置。即不同点云数据中的同一对象拼接后未重合。

在一种可能的设计中，第一信息可以包括第二信息或第三信息。第二信息用于指示目标点云数据拼接异常，第三信息用于指示目标点云数据拼接正常。

可选的，第二信息可以包括拼接异常的点云对象的对象标识。

需要说明的是，本公开实施例对点云对象的对象标识不作限定。例如，该对象标识可以为点云对象的对象名称。又例如，该对象标识可以为点云对象的对象ID。又例如，该对象标识可以为点云对象的位置信息。

在一种可能的实现方式中，检测设备可以将至少一个第一距离与第三预设距离阈值进行比较，确定第一目标距离的数量，第一目标距离为小于第三预设距离阈值的第一距离。若第一目标距离的数量小于第一预设数量阈值，检测设备则确定第一信息为第二信息。若第一目标距离的数量大于或者等于第一预设数量阈值，检测设备则确定第一信息为第三信息。

示例性的，假如第三预设距离阈值为1米，第一预设数量阈值为2，至少一个第一距离包括：10米、2米、0.1米，则检测设备可以生成第二信息。例如，第二信息可以包括10米和2米分别对应的特征对中点云对象的位置信息。

可选的，检测设备可以根据至少一个第一距离确定第二目标距离的数量，第二目标距离为大于或者第三预设距离阈值的第一距离。之后，检测设备可以根据第二目标距离的数量确定第一信息。

可选的，检测设备可以根据第一目标距离占第一距离的比例确定第一信息。或者，检测设备可以根据第二目标距离占第一距离的比例确定第一信息。

可以理解的是，检测设备获取多个点云对象之后，确定至少一个特征对。由于多个点云对象为由多组点云数据拼接组成的目标点云数据中的点云对象，每组点云数据包括至少一个点云对象，因此可以得到不同点云数据组中相同的点云对象。然后，检测设备获取特征对对应的第一距离，由于第一距离为特征对中点云对象之间的距离，该第一距离可以反映不同的点云数据中不同点云数据组中相同点云对象之间的重合程度。如此，检测设备可以基于至少一个第一距离，即多组相同点云对象之间的重合程度，确定目标点云数据是否拼接异常。如此，可以达到对拼接后的点云数据进行检测的目的，并且，通过计算相同点云对象之间的距离，可以提高检测拼接后的点云数据是否拼接异常的准确性。

需要说明的是，多个点云对象的对象类型可能包括多种对象类型。在不同点云对象的对象类型不同的情况下，若采用相同的方式获取特征对对应的第一距离，可能导致第一距离不准确，进而影响检测拼接后的点云数据的准确性。

在一些实施例中，检测设备可以按照点云对象的类型获取特征对对应的第一距离。以下以获取一个特征对对应的第一距离，特征对包括第一对象和第二对象为例，介绍本公开实施例。

如图3所示，为本公开实施例提供的另一种点云数据的检测方法，在该方法中，S202可以包括：

S301、检测设备获取第一对象的属性信息和第二对象的属性信息。

其中，属性信息可以包括：对象类型、位置信息。

在一种可能的实现方式中，检测设备中存储有语义特征(即点云对象)与对象类型之间的关系。检测设备可以根据第一对象确定第一对象的对象类型，根据第二对象确定第二对象的对象类型。

示例性的，假如第一对象和第二对象为车道线，则第一对象和第二对象为线状类型。假如第一对象和第二对象为护栏，则第一对象和第二对象为线状类型。假如第一对象和第二对象为地面箭头，则第一对象和第二对象为面状类型。

在一种可能的设计中，点云对象的位置信息可以包括：点云对象的中心点的位置信息和点云对象的方法信息。

需要说明的是，本公开实施例对点云对象的位置信息的表示不作限定。例如，点云对象的位置信息可以基于世界坐标系表示。又例如，点云对象的位置信息可以boundingbox表示。

示例性的，点云对象的位置信息可以通过bounding box表示。如图4所示，点云对象401可以用长、宽、高、3D方向(即方向信息)和中心点A表示点云对象a的3D几何范围和方位。其中，方向信息可以包括方向a(如direct(x))、方向b(如direct(y))和方向c(如direct(z))，中心点A的位置为(a1、a2、a3)。

需要说明的是，具体对于获取点云对象的位置信息的方式，可以参考常规技术中获取点云数据位置的方法，此处不予赘述。

S302、检测设备基于目标类型，确定目标算法。

其中，目标类型为第一对象的对象类型和第二对象的对象类型，目标算法用于确定两个目标类型的点云对象之间的距离。

在一些实施例中，两个目标类型的点云对象之间的距离可以包括两类距离，该两类距离可以包括：第一类距离和第二类距离。第一类距离可以用于指示长度距离，第二类距离可以用于指示两个点云对象之间夹角的角度。

在一种可能的设计中，第一距离可以包括：第一类距离。若目标类型为线状类型，则目标算法包括：第一类算法，第一类算法为：基于第一对象的中心点的位置信息、第二对象的中心点的位置信息和第一对象的方向信息，确定第一对象与第二对象之间的第一类距离。

可选的，第一类算法可以通过公式二表示。

其中，Δ1(f_i,f_j)用于表示在目标类型为线状类型的情况下，第i个点云对象(即第一对象)与第j个点云对象(即第二对象)之间的第一类距离，

用于表示第i个点云对象的方向信息。

若目标类型为面状类型，则目标算法包括第二类算法，第二类算法为：基于第一对象的中心点的位置信息、第二对象的中心点的位置信息和第一对象的方向信息，确定第一对象与第二对象之间的第一类距离。

可选的，第二类算法可以通过公式四表示。

其中，Δ2(f_i,f_j)用于表示在目标类型为面类型的情况下，第i个点云对象(即第一对象)与第j个点云对象(即第二对象)之间的第一类距离。

也就是说，第一对象与第二对象之间的第一类距离为第一对象的中心点与第二对象的平面之间的距离。

可以理解的是，对于目标类型为线状类型和面状类型的点云对象，采用不同的算法确定两个点云对象之间的长度距离，可以提高确定第一距离的准确度，进而提升检测拼接后的点云数据是否异常的准确度。

在另一种可能的设计中，第一距离可以包括：第二类距离。目标算法还包括第三类算法。第三类算法为：基于第一对象的方向信息和第二对象的方向信息，确定第一对象与第二对象之间的第二类距离。

也就是说，第二类距离为第一对象与第二对象之间的角距。

在本公开实施例中，对于任一特征对对应的第二类距离，检测设备均可以采用第三类算法确定特征对对应的第二类距离。

可选的，第二类算法可以通过公式五表示。

其中，Δ3(f_i,f_j)用于表示第i个点云对象与第j个点云对象之间的第二类距离，

用于表示第j个点云对象的方向信息。

示例性的，如图5所示，特征对包括点云对象501和点云对象502，点云对象501和点云对象502之间的第二类距离为夹角503(如50度)。

可以理解的是，第一距离可以包括：第二类距离，第二类距离用于指示两个点云对象之间夹角的角度。目标算法还包括第三类算法，基于第一对象的方向信息和第二对象的方向信息，确定第一对象与第二对象之间的第二类距离。如此，可以确定两个点云对象之间的夹角，进而可以确定两个点云对象之间的重合程度。

S303、检测设备基于第一对象的位置信息和第二对象的位置信息，按照目标算法，确定第一距离。

在一种可能的实现方式中，检测设备可以基于第一对象的中心点的位置信息、第二对象的中心点的位置信息和第一对象的方向信息，确定第一对象与第二对象之间的第一类距离。

也就是说，检测设备可以仅获取第一类距离。

在另一种可能的实现方式中，检测设备可以基于第一对象的方向信息和第二对象的方向信息，确定第一对象与第二对象之间的第二类距离。

也就是说，检测设备可以仅获取第二类距离。

在另一种可能的实现方式中，检测设备可以基于第一对象的中心点的位置信息、第二对象的中心点的位置信息和第一对象的方向信息，确定第一对象与第二对象之间的第一类距离。并且，检测设备可以基于第一对象的方向信息和第二对象的方向信息，确定第一对象与第二对象之间的第二类距离。

也就是说，检测设备可以获取第一类距离和第二类距离。

基于上述技术方案，检测设备可以获取第一对象的属性信息和第二对象的属性信息，属性信息包括：对象类型、位置信息，之后，检测设备可以基于目标类型，确定目标算法。如此，检测设备可以基于第一对象的位置信息和第二对象的位置信息，按照目标算法，确定第一距离。如此，本方案通过点云对象的类型选择合适的算法确定对象间距离，可以提高确定的距离的准确度，即两个点云对象之间的重合程度，进而可以检测拼接后的点云数据的是否异常。

如图6所示，为本公开实施例提供的另一种点云数据的检测方法，在该方法中，S204可以包括：

S601、检测设备基于至少一个第一距离，确定第三距离。

在一种可能的实现方式中，第三距离用于反映目标点云数据中至少一个特征对对应的第一距离的整体情况。检测设备可以按照预设处理算法，基于至少一个第一距离，确定第三距离。

需要说明的是，本公开实施例对预设处理算法不作限定。例如，预设处理算法可以为确定平均数的算法。又例如，预设处理算法可以为确定方差的算法。又例如，预设处理算法可以为确定标准差的算法。以下以预设处理算法为确定平均数的算法为例，介绍本公开实施例。

在一种可能的设计中，第三距离可以为至少一个第一距离的平均数。

可选的，第三距离可以通过公式六表示。

其中，β用于表示N个特征对(即至少一个特征对)对应的第一距离的平均值，Δ_k用于表示第k个特征对的第一距离，N为正整数。

在一些实施例中，在至少一个第一距离均为第一类距离或者至少一个第一距离均为第二类距离的情况下，检测设备可以基于至少一个第一距离确定第三距离。

在另一些实施例中，在至少一个第一距离包括第一类距离和第二类距离的情况下，检测设备可以确定第四距离和第五距离，第三距离包括第四距离和第五距离。第四距离由至少一个距离中的第一类距离确定，第五距离由至少一个距离中的第二类距离确定。

可选的，第三距离还可以为至少一个第一距离中的最大距离或者最小距离等。

S602、检测设备确定第三距离是否大于第二预设距离阈值。

在一些实施例中，若第三距离大于第二预设距离阈值，则检测设备执行S603。

在一些实施例中，若第三距离小于或者等于第二预设距离阈值，则检测设备执行S604。

在一些实施中，在第三距离包括第四距离和第五距离的情况下，第二预设距离阈值包括第三距离阈值和第四距离阈值。

在一种可能的设计中，第三距离大于第二预设距离阈值可以包括：第四距离大于第三距离阈值，第五距离大于第四距离阈值。第三距离小于或者等于第二预设距离阈值可以包括：第四距离小于或者等于第三距离阈值，和/或，第五距离小于或者等于第四距离阈值。

S603、检测设备确定第一信息为第二信息。

S604、检测设备确定第一信息为第三信息。

可以理解的是，检测设备基于至少一个第一距离确定第三距离，该第三距离可以反映至少一个第一距离的整体情况。之后，在第三距离大于第二预设距离阈值的情况下，说明至少一个第一距离整体偏大，即特征对的重合程度较低，说明目标点云数据拼接异常。在第三距离小于或者等于第二预设距离阈值的情况下，说明至少一个第一距离整体偏小，即特征对的重合程度较高，说明目标点云数据拼接正常。

上述主要从计算机设备的角度对本公开实施例提供的方案进行了介绍。可以理解的是，计算机设备为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本公开所公开的实施例描述的各示例的点云数据的检测方法步骤，本公开能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。

本公开实施例可以根据上述方法示例对点云数据的检测方式进行功能模块或者功能单元的划分，例如，可以对应各个功能划分各个功能模块或者功能单元，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块或者功能单元的形式实现。其中，本公开实施例中对模块或者单元的划分是示意性的，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。

如图7所示，为本公开实施例提供的一种点云数据的检测装置的结构示意图。点云数据的检测装置可以包括：获取单元701和处理单元702。

获取单元701，用于获取多个点云对象，多个点云对象为由多组点云数据拼接组成的目标点云数据中的点云对象，每组点云数据包括至少一个点云对象。处理单元702，用于从多个点云对象中确定至少一个特征对，一个特征对中的点云对象相同。处理单元702，还用于对于每个特征对，获取特征对对应的第一距离，以获取至少一个第一距离，第一距离为特征对中点云对象之间的距离。处理单元702，还用于基于至少一个第一距离，确定第一信息，第一信息用于指示目标点云数据是否拼接异常。

可选的，处理单元702，还用于按照预设条件将多个点云对象划分为至少一个特征对。其中，特征对包括：第一对象和第二对象；预设条件包括：第一对象的对象类型和第二对象的对象类型相同、第一对象所在的点云数据组与第二对象所在的点云数据组不同、第二距离小于第一预设距离阈值、第二距离为距离集合中的最小距离，距离集合包括：第一对象的中心点与多个点云对象中除第一对象以外的点云对象的中心点之间的距离，第二对象的中心点与多个点云对象中除第二对象以外的点云对象的中心点之间的距离；第二距离为第一对象的中心点与第二对象的中心点之间的距离。

可选的，获取单元701，还用于获取第一对象的属性信息和第二对象的属性信息，属性信息包括：对象类型、位置信息。处理单元702，还用于基于目标类型，确定目标算法，目标类型为第一对象的对象类型和第二对象的对象类型，目标算法用于确定两个目标类型的点云对象之间的距离。处理单元702，还用于基于第一对象的位置信息和第二对象的位置信息，按照目标算法，确定第一距离，第一距离为第一对象与第二对象之间的距离。

可选的，对象类型包括：线状类型和面状类型，点云对象的位置信息包括：点云对象的中心点的位置信息、点云对象的方向信息，第一距离包括：第一类距离，第一类距离用于指示长度距离。若目标类型为线状类型，则目标算法包括：第一类算法，第一类算法为：基于第一对象的中心点的位置信息、第二对象的中心点的位置信息和第一对象的方向信息，确定第一对象与第二对象之间的第一类距离。若目标类型为面状类型，则目标算法包括第二类算法，第二类算法为：基于第一对象的中心点的位置信息、第二对象的中心点的位置信息和第一对象的方向信息，确定第一对象与第二对象之间的第一类距离。

可选的，第一距离还包括：第二类距离，第二类距离用于指示两个点云对象之间夹角的角度。目标算法还包括第三类算法，第三类算法为：基于第一对象的方向信息和第二对象的方向信息，确定第一对象与第二对象之间的第二类距离。

可选的，第一信息包括：第二信息或第三信息，第二信息用于指示目标点云数据拼接异常，第三信息用于指示目标点云数据拼接正常。处理单元702，还用于基于至少一个第一距离，确定第三距离。处理单元702，还用于若第三距离大于第二预设距离阈值，则确定第一信息为第二信息。处理单元702，还用于若第三距离小于或者等于第二预设距离阈值，则确定第一信息为第三信息。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如点云数据的检测方法。例如，在一些实施例中，点云数据的检测方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的点云数据的检测方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行点云数据的检测方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (15)

1.一种点云数据的检测方法，包括：

获取多个点云对象，所述多个点云对象为由多组点云数据拼接组成的目标点云数据中的点云对象，每组点云数据包括至少一个点云对象；

从所述多个点云对象中确定至少一个特征对，一个特征对中的点云对象相同；

对于每个特征对，获取所述特征对对应的第一距离，以获取至少一个第一距离，所述第一距离为所述特征对中点云对象之间的距离；

基于所述至少一个第一距离，确定第一信息，所述第一信息用于指示所述目标点云数据是否拼接异常。

2.根据权利要求1所述的方法，其中，所述从所述多个点云对象中确定至少一个特征对，包括：

按照预设条件将所述多个点云对象划分为所述至少一个特征对；

其中，所述特征对包括：第一对象和第二对象；所述预设条件包括：所述第一对象的对象类型和所述第二对象的对象类型相同、所述第一对象所在的点云数据组与所述第二对象所在的点云数据组不同、第二距离小于第一预设距离阈值、所述第二距离为距离集合中的最小距离，所述距离集合包括：所述第一对象的中心点与所述多个点云对象中除所述第一对象以外的点云对象的中心点之间的距离，所述第二对象的中心点与所述多个点云对象中除所述第二对象以外的点云对象的中心点之间的距离；所述第二距离为所述第一对象的中心点与所述第二对象的中心点之间的距离。

3.根据权利要求1或2所述的方法，其中，所述特征对包括第一对象和第二对象，获取所述特征对对应的第一距离，包括：

获取所述第一对象的属性信息和所述第二对象的属性信息，所述属性信息包括：对象类型、位置信息；

基于目标类型，确定目标算法，所述目标类型为所述第一对象的对象类型和所述第二对象的对象类型，所述目标算法用于确定两个所述目标类型的点云对象之间的距离；

基于所述第一对象的位置信息和所述第二对象的位置信息，按照所述目标算法，确定所述第一距离，所述第一距离为所述第一对象与所述第二对象之间的距离。

4.根据权利要求3所述的方法，所述对象类型包括：线状类型和面状类型，所述点云对象的位置信息包括：所述点云对象的中心点的位置信息、所述点云对象的方向信息，所述第一距离包括：第一类距离，所述第一类距离用于指示长度距离；

若所述目标类型为所述线状类型，则所述目标算法包括：第一类算法，所述第一类算法为：基于所述第一对象的中心点的位置信息、所述第二对象的中心点的位置信息和所述第一对象的方向信息，确定所述第一对象与所述第二对象之间的第一类距离；

若所述目标类型为所述面状类型，则所述目标算法包括第二类算法，所述第二类算法为：基于所述第一对象的中心点的位置信息、所述第二对象的中心点的位置信息和所述第一对象的方向信息，确定所述第一对象与所述第二对象之间的第一类距离。

5.根据权利要求3或4所述的方法，所述第一距离还包括：第二类距离，所述第二类距离用于指示两个所述点云对象之间夹角的角度；

所述目标算法还包括第三类算法，所述第三类算法为：基于所述第一对象的方向信息和所述第二对象的方向信息，确定所述第一对象与所述第二对象之间的第二类距离。

6.根据权利要求1-5中任一项所述的方法，其中，所述第一信息包括：第二信息或第三信息，所述第二信息用于指示所述目标点云数据拼接异常，所述第三信息用于指示所述目标点云数据拼接正常；

所述基于所述至少一个第一距离，确定第一信息，包括：

基于所述至少一个第一距离，确定第三距离；

若所述第三距离大于第二预设距离阈值，则确定所述第一信息为所述第二信息；

若所述第三距离小于或者等于所述第二预设距离阈值，则确定所述第一信息为所述第三信息。

7.一种点云数据的检测装置，包括：

获取单元，用于获取多个点云对象，所述多个点云对象为由多组点云数据拼接组成的目标点云数据中的点云对象，每组点云数据包括至少一个点云对象；

处理单元，用于从所述多个点云对象中确定至少一个特征对，一个特征对中的点云对象相同；

所述处理单元，还用于对于每个特征对，获取所述特征对对应的第一距离，以获取至少一个第一距离，所述第一距离为所述特征对中点云对象之间的距离；

所述处理单元，还用于基于所述至少一个第一距离，确定第一信息，所述第一信息用于指示所述目标点云数据是否拼接异常。

8.根据权利要求7所述的装置，

所述处理单元，还用于按照预设条件将所述多个点云对象划分为所述至少一个特征对；

其中，所述特征对包括：第一对象和第二对象；所述预设条件包括：所述第一对象的对象类型和所述第二对象的对象类型相同、所述第一对象所在的点云数据组与所述第二对象所在的点云数据组不同、第二距离小于第一预设距离阈值、所述第二距离为距离集合中的最小距离，所述距离集合包括：所述第一对象的中心点与所述多个点云对象中除所述第一对象以外的点云对象的中心点之间的距离，所述第二对象的中心点与所述多个点云对象中除所述第二对象以外的点云对象的中心点之间的距离；所述第二距离为所述第一对象的中心点与所述第二对象的中心点之间的距离。

9.根据权利要求7或8所述的装置，

所述获取单元，还用于获取所述第一对象的属性信息和所述第二对象的属性信息，所述属性信息包括：对象类型、位置信息；

所述处理单元，还用于基于目标类型，确定目标算法，所述目标类型为所述第一对象的对象类型和所述第二对象的对象类型，所述目标算法用于确定两个所述目标类型的点云对象之间的距离；

所述处理单元，还用于基于所述第一对象的位置信息和所述第二对象的位置信息，按照所述目标算法，确定所述第一距离，所述第一距离为所述第一对象与所述第二对象之间的距离。

10.根据权利要求9所述的装置，所述对象类型包括：线状类型和面状类型，所述点云对象的位置信息包括：所述点云对象的中心点的位置信息、所述点云对象的方向信息，所述第一距离包括：第一类距离，所述第一类距离用于指示长度距离；

若所述目标类型为所述线状类型，则所述目标算法包括：第一类算法，所述第一类算法为：基于所述第一对象的中心点的位置信息、所述第二对象的中心点的位置信息和所述第一对象的方向信息，确定所述第一对象与所述第二对象之间的第一类距离；

若所述目标类型为所述面状类型，则所述目标算法包括第二类算法，所述第二类算法为：基于所述第一对象的中心点的位置信息、所述第二对象的中心点的位置信息和所述第一对象的方向信息，确定所述第一对象与所述第二对象之间的第一类距离。

11.根据权利要求9或10所述的装置，所述第一距离还包括：第二类距离，所述第二类距离用于指示两个所述点云对象之间夹角的角度；

所述目标算法还包括第三类算法，所述第三类算法为：基于所述第一对象的方向信息和所述第二对象的方向信息，确定所述第一对象与所述第二对象之间的第二类距离。

12.根据权利要求7-11中任一项所述的装置，所述第一信息包括：第二信息或第三信息，所述第二信息用于指示所述目标点云数据拼接异常，所述第三信息用于指示所述目标点云数据拼接正常；

所述处理单元，还用于基于所述至少一个第一距离，确定第三距离；

所述处理单元，还用于若所述第三距离大于第二预设距离阈值，则确定所述第一信息为所述第二信息；

所述处理单元，还用于若所述第三距离小于或者等于所述第二预设距离阈值，则确定所述第一信息为所述第三信息。

13.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。

14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。

15.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。

Images