CN115953354A - 高精地图中用于检测点云数据偏差的方法、设备和介质 - Google Patents

Abstract

本公开提供了一种高精地图中用于检测点云数据偏差的方法及装置、设备和介质，涉及自动驾驶及智能交通技术领域，尤其涉及高精地图技术、点云数据处理技术领域。实现方案为：对针对同一对象进行采集得到的第一和第二点云数据进行语义分割，以得到多个第一分割区域、多个第二分割区域及其类别；基于语义分割结果，从第一和第二点云数据中确定至少一个第一元素的点云数据和至少一个第二元素的点云数据；基于所述至少一个第一元素的点云数据和所述至少一个第二元素的点云数据，分别确定所述第一点云数据的第一特征和所述第二点云数据的第二特征；以及基于所述第一特征和所述第二特征，确定所述第一点云数据和所述第二点云数据之间的偏差。

Description

高精地图中用于检测点云数据偏差的方法、设备和介质

技术领域

本公开涉及自动驾驶及智能交通技术领域，尤其涉及高精地图技术、点云数据处理技术领域，具体涉及一种高精地图中用于检测点云数据偏差的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

利用点云数据来构建高精地图时，通常需要融合多组分别采集的点云数据，为了保证高精地图的精度，需要检测多组点云数据之间的偏差。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种用于检测点云数据偏差的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种用于检测点云数据偏差的方法，包括：对第一点云数据进行语义分割，以得到多个第一分割区域及所述多个第一分割区域各自的类别；对第二点云数据进行语义分割，以得到多个第二分割区域及所述多个第二分割区域各自的类别，其中，所述第一点云数据和第二点云数据是针对同一对象进行采集得到的；基于所述多个第一分割区域及所述多个第一分割区域各自的类别，从所述第一点云数据中确定至少一个第一元素的点云数据，所述至少一个第一元素包括平面元素和直线元素中的至少一者；基于所述多个第二分割区域及所述多个第一分割区域各自的类别，从所述第二点云数据中确定至少一个第二元素的点云数据，所述至少一个第二元素包括平面元素和直线元素中的至少一者；基于所述至少一个第一元素的点云数据和所述至少一个第二元素的点云数据，分别确定所述第一点云数据的第一特征和所述第二点云数据的第二特征；以及基于所述第一特征和所述第二特征，确定所述第一点云数据和所述第二点云数据之间的偏差。

根据本公开的另一方面，提供了一种用于检测点云数据偏差的装置，包括：分割单元，被配置为对第一点云数据进行语义分割，以得到多个第一分割区域及所述多个第一分割区域各自的类别，所述分割单元还被配置为对第二点云数据进行语义分割，以得到多个第二分割区域及所述多个第二分割区域各自的类别，其中，所述第一点云数据和第二点云数据是针对同一对象进行采集得到的；第一确定单元，被配置为基于所述多个第一分割区域及所述多个第一分割区域各自的类别，从所述第一点云数据中确定至少一个第一元素的点云数据，所述至少一个第一元素包括平面元素和直线元素中的至少一者，所述第一确定单元还被配置为基于所述多个第二分割区域及所述多个第二分割区域各自的类别，从所述第二点云数据中确定至少一个第二元素的点云数据，所述至少一个第二元素包括平面元素和直线元素中的至少一者；第二确定单元，被配置为基于所述至少一个第一元素的点云数据和所述至少一个第二元素的点云数据，分别确定所述第一点云数据的第一特征和所述第二点云数据的第二特征；以及第三确定单元，被配置为基于所述第一特征和所述第二特征，确定所述第一点云数据和所述第二点云数据之间的偏差。

根据本公开的另一方面，提供了一种电子设备，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上述用于检测点云数据偏差的方法。

根据本公开的另一方面，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，其中，所述计算机指令用于使所述计算机执行上述用于检测点云数据偏差的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，计算机程序在被处理器执行时能够实现上述用于检测点云数据偏差的方法。

根据本公开的一个或多个实施例，可以准确地检测点云数据间的偏差。

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

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。

图1示出了根据本公开示例性实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；

图2示出了根据本公开示例性实施例的用于检测点云数据偏差的方法的流程图；

图3示出了根据本公开示例性实施例的用于检测点云数据偏差的方法的流程图；

图4示出了根据本公开示例性实施例的用于检测点云数据偏差的装置的结构框图；

图5示出了能够用于实现本公开实施例的示例性电子设备的结构框图。

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。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。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。

在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。

相关技术中，通常是基于绝对精度进行评估，通过比较各组点云数据的位姿与全局位姿的差异来检测点云数据的偏差。但是，精确的全局位姿的获取成本较高且获取周期较长，无法实现简便高效的点云数据偏差检测。

基于此，本公开提供了一种用于检测点云数据偏差的方法，对点云数据进行语义分割，针对语义分割得到的分割区域来进一步提取其中的几何元素，例如平面元素和直线元素，基于两组点云数据各自包括的几何元素的特征来检测二者间的偏差，实现简便高效的点云数据偏差检测。

下面将结合附图详细描述本公开的实施例。

图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。

在本公开的实施例中，服务器120可以运行使得能够执行用于检测点云数据偏差的方法的一个或多个服务或软件应用。

在某些实施例中，服务器120还可以提供其他服务或软件应用，这些服务或软件应用可以包括非虚拟环境和虚拟环境。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。

在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。

用户可以使用客户端设备101、102、103、104、105和/或106来发送待检测的数据。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。

客户端设备101、102、103、104、105和/或106可以包括各种类别的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类别和版本的软件应用程序和操作系统，例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS)；或包括各种移动操作系统，例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。

网络110可以是本领域技术人员熟知的任何类别的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、区块链网络、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。

服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。

服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。

在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。

在一些实施方式中，服务器120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。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。

系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如，由服务器120使用的数据库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类别。在某些实施例中，由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。

在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类别的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。

图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。

图2示出了根据本公开示例性实施例的用于检测点云数据偏差的方法200的流程图。如图2所示，方法200包括：

步骤S201、对第一点云数据进行语义分割，以得到多个第一分割区域及所述多个第一分割区域各自的类别；

步骤S202、对第二点云数据进行语义分割，以得到多个第二分割区域及所述多个第二分割区域各自的类别，其中，所述第一点云数据和第二点云数据是针对同一对象进行采集得到的；

步骤S203、基于所述多个第一分割区域及所述多个第一分割区域各自的类别，从所述第一点云数据中确定至少一个第一元素的点云数据，所述至少一个第一元素包括平面元素和直线元素中的至少一者；

步骤S204、基于所述多个第二分割区域及所述多个第一分割区域各自的类别，从所述第二点云数据中确定至少一个第二元素的点云数据，所述至少一个第二元素包括平面元素和直线元素中的至少一者；

步骤S205、基于所述至少一个第一元素的点云数据和所述至少一个第二元素的点云数据，分别确定所述第一点云数据的第一特征和所述第二点云数据的第二特征；以及

步骤S206、基于所述第一特征和所述第二特征，确定所述第一点云数据和所述第二点云数据之间的偏差。

由此，通过对点云数据进行语义分割，能够针对所得到的分割区域来进一步提取其中的几何元素，利用几何元素的特征来指示点云数据的几何特征，基于两组点云数据各自的几何特征来检测二者间的偏差，实现简便高效的点云数据偏差检测。

在能够检测点云数据之间的偏差的基础上，即可基于所述第一点云数据和第二点云数据构建精度更高的高精地图。

在一些示例中，每个几何元素的特征可以包括该几何元素的类型、位置、方向、大小等。通过比对上述特征内容，即可确定第一点云数据和第二点云数据之间的偏差。

在一些示例中，所述第一元素和第二元素的类型可以包括更多内容，例如柱状物元素、锥状物元素等，对此不作限定。

在一些示例中，步骤S201和S202中可以是通过将第一点云数据和第二点云数据输入语义分割模型来实现语义分割模型，该语义分割模型可以是利用标注有分割结果的样本点云数据进行训练得到的。

在一些示例中，第一点云数据和第二点云数据是针对真实道路进行采集得到的，语义分割所得到的分割区域可以包括路面区域、栏杆区域、路牌区域等，以准确地指示真实道路中的各个元素。

在一些示例中，步骤S203中可以是针对每一分割区域，基于该分割区域的类别来提取几何元素，例如针对路面区域提取平面元素，针对栏杆区域提取直线元素。

根据一些实施例，步骤S203中基于所述多个第一分割区域及所述多个第一分割区域各自的类别，从所述第一点云数据中确定至少一个第一元素的点云数据包括：针对所述第一分割区域中的每个第一分割区域，将该第一分割区域划分为多个第一体素；基于该第一分割区域的类别，确定所述多个第一体素所包括的点云数据的元素类型，所述元素类型包括平面元素和直线元素；以及从所述多个第一体素各自包括的点云数据中确定所述至少一个第一元素的点云数据。由此，通过将每一区域的点云数据划分为多个体素，从多个体素各自包括的点云数据中确定第一元素的点云数据，以得到更准确的点云数据几何特征。

在一些示例中，可以是根据实际应用场景的需求，按照预设分辨率来将第一分割区域划分为多个第一体素。

在一些示例中，可以预先配置所述多个第一分割区域各自的类别与多个元素类型的映射关系，所述元素类型包括平面元素和直线元素，再基于每个第一分割区域的类别和所述映射关系来确定每个第一分割区域中多个第一体素所包括的点云数据的元素类型。

根据一些实施例，所述从所述多个第一体素各自包括的点云数据中确定所述至少一个第一元素的点云数据包括：针对所述多个第一体素中的每个第一体素，确定该第一体素所包括的点云数据的中心点；响应于确定所述第一体素所包括的点云数据的元素类型为平面元素，基于所述第一体素所包括的点云数据中的每个点与所述中心点的距离，确定所述第一体素所包括的点云数据的平面度；响应于确定所述第一体素所包括的点云数据的元素类型为直线元素，基于所述第一体素所包括的点云数据中的每个点与所述中心点的距离，确定所述第一体素所包括的点云数据的线性度；以及响应于确定所述平面度或所述线性度满足预设条件，确定所述第一体素包括的点云数据为第一元素的点云数据。由此，能够进一步对第一体素包括的点云数据进行筛选，以得到更准确的点云几何特征。

在一些示例中，可以是针对该第一体素所包括的点云数据的中心点p_m，基于其他N个点p_i(i≤N)来求取该中心点p_m的协方差矩阵：

其中

表示邻域内点的均值。对求得的协方差矩阵进行奇异值分解，即

Cov(p_m)＝UΣV^T

针对奇异值分解后得到的奇异值λ₁,λ₂,λ₃(λ₁<λ₂<λ₃)，即可利用以下公式来计算第一体素所包括的点云数据的线性度s_l或平面度s_p：

基于多个第一体素所包括的点云数据各自的平面度或线性度与预设阈值的相对大小关系，即可筛选得到几何形状比较理想的平面元素或直线元素。

在一些示例中，可以利用相同的方式基于所述多个第二分割区域及所述多个第一分割区域各自的类别，从所述第二点云数据中确定至少一个第二元素的点云数据，对此不作赘述。

根据一些实施例，步骤S205中基于所述至少一个第一元素和所述至少一个第二元素的点云数据，分别确定所述第一点云数据的第一特征和所述第二点云数据的第二特征包括：确定所述至少一个第一元素和所述至少一个第二元素的点云数据的中心点；基于所述至少一个第一元素和所述至少一个第二元素的点云数据中的每个点与所述中心点的距离，确定所述至少一个第一元素和所述至少一个第二元素的点云数据的法向量和分布方差中的至少一者；以及基于所述至少一个第一元素和所述至少一个第二元素的点云数据的中心点以及法向量和分布方差中的至少一者，确定所述第一特征和第二特征。由此，通过针对每个元素的点云数据，提取包括中心点、法向量、分布方差在内的几何特征，能够更精准地描述点云的几何特征。

在一些示例中，可以是利用如前文所描述的方式求取每个元素的中心点p_m的协方差矩阵并进行奇异值分解，利用最小奇异值对应的奇异向量，即可得到每个点云数据的法向量。进一步地，可以求解每个元素的点云数据的均值和协方差的差异在点云数据的法向量方向上的投影，即相当于用高斯分布对每个元素的点云数据进行拟合，以得到分布方差。

在一些示例中，可以利用如下公式来计算指标div，以指示第一点云数据和第二点云数据中针对同一对象的第一元素和第二元素的几何特征的差异：

div＝||μ₁-μ0||₂+||Cov₁-Cov₀|||_F

式中，μ₁,μ₀对应两组点云数据中两个几何元素的中心点，||μ₁-μ₀||₂对应向量的二范数，Cov₁,Cov₀对应两组点云数据中两个几何元素的中心点的协方差矩阵，||Cov₁-Cov₀||_F对应矩阵的F范数。利用div的数值大小，即可指示两组点云数据中两个几何元素之间的偏差。

利用上述方式，能够较为准确地确定两组点云数据间的水平方向偏差。在实际应用场景中，两组点云数据还可能存在垂直方向偏差。

基于此，根据一些实施例，所述多个第一分割区域和多个第二分割区域均包括地面区域，方法200还包括：融合所述第一点云数据和所述第二点云数据的地面区域，以得到融合地面点云数据；确定所述融合地面点云数据的厚度；以及基于所述融合地面点云数据的厚度，确定所述第一点云数据和所述第二点云数据之间的偏差。由此，通过对第一点云数据和第二点云数据的地面区域进行融合，能够基于融合后的地面点云数据的厚度来确定融合前的第一和第二点云数据之间的垂直方向偏差。

在一些示例中，可以是通过比对所述融合地面点云数据的厚度与预设的地面厚度阈值之间的相对大小关系，来指示第一和第二点云数据之间的垂直方向偏差。

根据一些实施例，所述确定所述融合地面点云数据的厚度包括：确定所述融合地面点云数据的中心点；基于所述融合地面点云数据中的每个点与所述中心点的距离，确定所述融合地面点云数据的法向量；以及基于所述融合地面点云数据中的每个点与所述中心点的连线在所述法向量上的投影，确定所述融合地面点云数据的厚度。由此，能够通过确定地面点云数据的法向量，基于每个点与所述中心点的连线在所述法向量上的投影，更准确地确定地面点云的厚度。

在一些示例中，可以利用如前文所描述的方式来求取地面点云数据的法向量，基于该中心点和法向量将地面点云数据分为上下两层，分别计算上层点云数据和下层点云数据中的多个点与所述中心点的连线在所述法向量上的投影长度的均值，基于所得到的两个均值结果求和得到所述融合地面点云数据的厚度。

图3示出了根据本公开示例性实施例的用于检测点云数据偏差的方法300的流程图。如图3所示，方法300包括：

步骤S301、对第一点云数据进行语义分割，以得到多个第一分割区域及所述多个第一分割区域各自的类别；

步骤S302、对第二点云数据进行语义分割，以得到多个第二分割区域及所述多个第二分割区域各自的类别，其中，所述第一点云数据和第二点云数据是针对同一对象进行采集得到的；

步骤S303、基于所述多个第一分割区域及所述多个第一分割区域各自的类别，从所述第一点云数据中确定至少一个第一元素的点云数据，所述至少一个第一元素包括平面元素和直线元素中的至少一者；

步骤S304、基于所述多个第二分割区域及所述多个第一分割区域各自的类别，从所述第二点云数据中确定至少一个第二元素的点云数据，所述至少一个第二元素包括平面元素和直线元素中的至少一者；

步骤S305、基于所述至少一个第一元素的点云数据和所述至少一个第二元素的点云数据，分别确定所述第一点云数据的第一特征和所述第二点云数据的第二特征；

步骤S306、融合所述第一点云数据和所述第二点云数据的地面区域，以得到融合地面点云数据；

步骤S307、确定所述融合地面点云数据的厚度；以及

步骤S308、基于所述第一特征、所述第二特征和所述融合地面点云数据的厚度，确定所述第一点云数据和所述第二点云数据之间的偏差；

根据本公开的另一方面，还提供一种用于检测点云数据偏差的装置。图4示出了根据本公开示例性实施例的用于检测点云数据偏差的装置400的结构框图。如图4所示，装置400包括：

分割单元401，被配置为对第一点云数据进行语义分割，以得到多个第一分割区域及所述多个第一分割区域各自的类别，所述分割单元还被配置为对第二点云数据进行语义分割，以得到多个第二分割区域及所述多个第二分割区域各自的类别，其中，所述第一点云数据和第二点云数据是针对同一对象进行采集得到的；

第一确定单元402，被配置为基于所述多个第一分割区域及所述多个第一分割区域各自的类别，从所述第一点云数据中确定至少一个第一元素的点云数据，所述至少一个第一元素包括平面元素和直线元素中的至少一者，所述第一确定单元还被配置为基于所述多个第二分割区域及所述多个第二分割区域各自的类别，从所述第二点云数据中确定至少一个第二元素的点云数据，所述至少一个第二元素包括平面元素和直线元素中的至少一者；

第二确定单元403，被配置为基于所述至少一个第一元素的点云数据和所述至少一个第二元素的点云数据，分别确定所述第一点云数据的第一特征和所述第二点云数据的第二特征；以及

第三确定单元404，被配置为基于所述第一特征和所述第二特征，确定所述第一点云数据和所述第二点云数据之间的偏差。

根据一些实施例，第一确定单元402包括：划分子单元，被配置为针对所述第一分割区域中的每个第一分割区域，将该第一分割区域划分为多个第一体素；第一确定子单元，被配置为基于该第一分割区域的类别，确定所述多个第一体素所包括的点云数据的元素类型，所述元素类型包括平面元素和直线元素；以及第二确定子单元，被配置为从所述多个第一体素各自包括的点云数据中确定所述至少一个第一元素的点云数据。

根据一些实施例，所述第二确定子单元被配置为：针对所述多个第一体素中的每个第一体素，确定该第一体素所包括的点云数据的中心点；响应于确定所述第一体素所包括的点云数据的元素类型为平面元素，基于所述第一体素所包括的点云数据中的每个点与所述中心点的距离，确定所述第一体素所包括的点云数据的平面度；响应于确定所述第一体素所包括的点云数据的元素类型为直线元素，基于所述第一体素所包括的点云数据中的每个点与所述中心点的距离，确定所述第一体素所包括的点云数据的线性度；以及响应于确定所述平面度或所述线性度满足预设条件，确定所述第一体素包括的点云数据为第一元素的点云数据。

根据一些实施例，第二确定单元403包括：第三确定子单元，被配置为确定所述至少一个第一元素和所述至少一个第二元素的点云数据的中心点；第四确定子单元，被配置为基于所述至少一个第一元素和所述至少一个第二元素的点云数据中的每个点与所述中心点的距离，确定所述至少一个第一元素和所述至少一个第二元素的点云数据的法向量和分布方差中的至少一者；以及第五确定子单元，被配置为基于所述至少一个第一元素和所述至少一个第二元素的点云数据的中心点以及法向量和分布方差中的至少一者，确定所述第一特征和第二特征。

根据一些实施例，所述多个第一分割区域和多个第二分割区域均包括地面区域，装置400还包括：融合单元，被配置为融合所述第一点云数据和所述第二点云数据的地面区域，以得到融合地面点云数据；第四确定单元，被配置为确定所述融合地面点云数据的厚度，其中，第三确定单元404还被配置为基于所述融合地面点云数据的厚度，确定所述第一点云数据和所述第二点云数据之间的偏差。

根据一些实施例，所述第四确定单元被配置为：确定所述融合地面点云数据的中心点；基于所述融合地面点云数据中的每个点与所述中心点的距离，确定所述融合地面点云数据的法向量；以及基于所述融合地面点云数据中的每个点与所述中心点的连线在所述法向量上的投影，确定所述融合地面点云数据的厚度。

根据本公开的另一方面，还提供一种电子设备，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上述的用于检测点云数据偏差的方法。

根据本公开的另一方面，还提供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上述的用于检测点云数据偏差的方法。

根据本公开的另一方面，还提供一种计算机程序产品，包括计算机程序，其中，所述计算机程序再被处理器执行时实现上述的用于检测点云数据偏差的方法。

参考图5，现将描述可以作为本公开的服务器或客户端的电子设备500的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，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5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

设备500中的多个部件连接至I/O接口505，包括：输入单元506、输出单元507、存储单元508以及通信单元509。输入单元506可以是能向设备500输入信息的任何类别的设备，输入单元506可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元507可以是能呈现信息的任何类别的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元508可以包括但不限于磁盘、光盘。通信单元509允许设备500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，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元501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501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501执行上文所描述的各个方法和处理，例如用于检测点云数据偏差的方法。例如，在一些实施例中，用于检测点云数据偏差的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508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的用于检测点云数据偏差的方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行用于检测点云数据偏差的方法。

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)、互联网和区块链网络。

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，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，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。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (15)

1.一种用于检测点云数据偏差的方法，包括：

对第一点云数据进行语义分割，以得到多个第一分割区域及所述多个第一分割区域各自的类别；

对第二点云数据进行语义分割，以得到多个第二分割区域及所述多个第二分割区域各自的类别，其中，所述第一点云数据和第二点云数据是针对同一对象进行采集得到的；

基于所述多个第一分割区域及所述多个第一分割区域各自的类别，从所述第一点云数据中确定至少一个第一元素的点云数据，所述至少一个第一元素包括平面元素和直线元素中的至少一者；

基于所述多个第二分割区域及所述多个第一分割区域各自的类别，从所述第二点云数据中确定至少一个第二元素的点云数据，所述至少一个第二元素包括平面元素和直线元素中的至少一者；

基于所述至少一个第一元素的点云数据和所述至少一个第二元素的点云数据，分别确定所述第一点云数据的第一特征和所述第二点云数据的第二特征；以及

基于所述第一特征和所述第二特征，确定所述第一点云数据和所述第二点云数据之间的偏差。

2.如权利要求1所述的方法，所述基于所述多个第一分割区域及所述多个第一分割区域各自的类别，从所述第一点云数据中确定至少一个第一元素的点云数据包括：

针对所述第一分割区域中的每个第一分割区域，

将该第一分割区域划分为多个第一体素；

基于该第一分割区域的类别，确定所述多个第一体素所包括的点云数据的元素类型，所述元素类型包括平面元素和直线元素；以及

从所述多个第一体素各自包括的点云数据中确定所述至少一个第一元素的点云数据。

3.如权利要求2所述的方法，其中，所述从所述多个第一体素各自包括的点云数据中确定所述至少一个第一元素的点云数据包括：

针对所述多个第一体素中的每个第一体素，

确定该第一体素所包括的点云数据的中心点；

响应于确定所述第一体素所包括的点云数据的元素类型为平面元素，基于所述第一体素所包括的点云数据中的每个点与所述中心点的距离，确定所述第一体素所包括的点云数据的平面度；

响应于确定所述第一体素所包括的点云数据的元素类型为直线元素，基于所述第一体素所包括的点云数据中的每个点与所述中心点的距离，确定所述第一体素所包括的点云数据的线性度；以及

响应于确定所述平面度或所述线性度满足预设条件，确定所述第一体素包括的点云数据为第一元素的点云数据。

4.如权利要求1-3中任一项所述的方法，其中，所述基于所述至少一个第一元素和所述至少一个第二元素的点云数据，分别确定所述第一点云数据的第一特征和所述第二点云数据的第二特征包括：

确定所述至少一个第一元素和所述至少一个第二元素的点云数据的中心点；

基于所述至少一个第一元素和所述至少一个第二元素的点云数据中的每个点与所述中心点的距离，确定所述至少一个第一元素和所述至少一个第二元素的点云数据的法向量和分布方差中的至少一者；以及

基于所述至少一个第一元素和所述至少一个第二元素的点云数据的中心点以及法向量和分布方差中的至少一者，确定所述第一特征和第二特征。

5.如权利要求1-4中任一项所述的方法，其中，所述多个第一分割区域和多个第二分割区域均包括地面区域，所述方法还包括：

融合所述第一点云数据和所述第二点云数据的地面区域，以得到融合地面点云数据；

确定所述融合地面点云数据的厚度；以及

基于所述融合地面点云数据的厚度，确定所述第一点云数据和所述第二点云数据之间的偏差。

6.如权利要求5所述的方法，其中，所述确定所述融合地面点云数据的厚度包括：

确定所述融合地面点云数据的中心点；

基于所述融合地面点云数据中的每个点与所述中心点的距离，确定所述融合地面点云数据的法向量；以及

基于所述融合地面点云数据中的每个点与所述中心点的连线在所述法向量上的投影，确定所述融合地面点云数据的厚度。

7.一种用于检测点云数据偏差的装置，包括：

分割单元，被配置为对第一点云数据进行语义分割，以得到多个第一分割区域及所述多个第一分割区域各自的类别，所述分割单元还被配置为对第二点云数据进行语义分割，以得到多个第二分割区域及所述多个第二分割区域各自的类别，其中，所述第一点云数据和第二点云数据是针对同一对象进行采集得到的；

第一确定单元，被配置为基于所述多个第一分割区域及所述多个第一分割区域各自的类别，从所述第一点云数据中确定至少一个第一元素的点云数据，所述至少一个第一元素包括平面元素和直线元素中的至少一者，所述第一确定单元还被配置为基于所述多个第二分割区域及所述多个第二分割区域各自的类别，从所述第二点云数据中确定至少一个第二元素的点云数据，所述至少一个第二元素包括平面元素和直线元素中的至少一者；

第二确定单元，被配置为基于所述至少一个第一元素的点云数据和所述至少一个第二元素的点云数据，分别确定所述第一点云数据的第一特征和所述第二点云数据的第二特征；以及

第三确定单元，被配置为基于所述第一特征和所述第二特征，确定所述第一点云数据和所述第二点云数据之间的偏差。

8.如权利要求7所述的装置，所述第一确定单元包括：

划分子单元，被配置为针对所述第一分割区域中的每个第一分割区域，将该第一分割区域划分为多个第一体素；

第一确定子单元，被配置为基于该第一分割区域的类别，确定所述多个第一体素所包括的点云数据的元素类型，所述元素类型包括平面元素和直线元素；以及

第二确定子单元，被配置为从所述多个第一体素各自包括的点云数据中确定所述至少一个第一元素的点云数据。

9.如权利要求8所述的装置，其中，所述第二确定子单元被配置为：

针对所述多个第一体素中的每个第一体素，

确定该第一体素所包括的点云数据的中心点；

响应于确定所述第一体素所包括的点云数据的元素类型为平面元素，基于所述第一体素所包括的点云数据中的每个点与所述中心点的距离，确定所述第一体素所包括的点云数据的平面度；

响应于确定所述第一体素所包括的点云数据的元素类型为直线元素，基于所述第一体素所包括的点云数据中的每个点与所述中心点的距离，确定所述第一体素所包括的点云数据的线性度；以及

响应于确定所述平面度或所述线性度满足预设条件，确定所述第一体素包括的点云数据为第一元素的点云数据。

10.如权利要求7-9中任一项所述的装置，其中，第二确定单元包括：

第三确定子单元，被配置为确定所述至少一个第一元素和所述至少一个第二元素的点云数据的中心点；

第四确定子单元，被配置为基于所述至少一个第一元素和所述至少一个第二元素的点云数据中的每个点与所述中心点的距离，确定所述至少一个第一元素和所述至少一个第二元素的点云数据的法向量和分布方差中的至少一者；以及

第五确定子单元，被配置为基于所述至少一个第一元素和所述至少一个第二元素的点云数据的中心点以及法向量和分布方差中的至少一者，确定所述第一特征和第二特征。

11.如权利要求7-10中任一项所述的装置，其中，所述多个第一分割区域和多个第二分割区域均包括地面区域，所述装置还包括：

融合单元，被配置为融合所述第一点云数据和所述第二点云数据的地面区域，以得到融合地面点云数据；

第四确定单元，被配置为确定所述融合地面点云数据的厚度，

其中，所述第三确定单元还被配置为基于所述融合地面点云数据的厚度，确定所述第一点云数据和所述第二点云数据之间的偏差。

12.如权利要求11所述的装置，其中，所述第四确定单元被配置为：

确定所述融合地面点云数据的中心点；

基于所述融合地面点云数据中的每个点与所述中心点的距离，确定所述融合地面点云数据的法向量；以及

基于所述融合地面点云数据中的每个点与所述中心点的连线在所述法向量上的投影，确定所述融合地面点云数据的厚度。

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，其中，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