CN116047477A - 一种噪点处理方法、装置、设备及计算机存储介质 - Google Patents

Abstract

本申请适用于激光雷达技术领域，提供一种噪点处理方法、装置、设备及计算机存储介质，上述方法包括：识别点云数据中的噪点和正常点，点云数据包含多个点云点，正常点为用于探测目标的点云点；判断噪点的预设范围内的邻近点云点是否为正常点；若邻近点云点是正常点，则根据噪点的下降沿信号与正常点的下降沿信号，确定噪点与邻近点云点是否为同一目标上的点云点；若噪点与邻近点云点是同一目标上的点云点，则根据邻近点云点修正噪点，修正后的噪点用于探测目标。采用本申请提供的一种噪点处理方法，有效避免了点云数据中直接将所有噪点都滤除的情况，尽可能保留了点云数据处理中的有用信息，从而提升了激光雷达的探测结果。

Description

一种噪点处理方法、装置、设备及计算机存储介质

技术领域

本申请属于激光雷达系统领域，尤其涉及一种噪点处理方法、装置、设备及计算机存储介质。

背景技术

由于激光雷达具有分辨率高、抗干扰能力强、获取信息丰富及可全天时工作等特点，被广泛应用于无人驾驶领域的自动驾驶汽车中。激光雷达通过获取目标表面大量的点数据集合(即点云数据)来实现目标的探测。当遇到雨、雪、雾、霾等极端天气的情况下，激光雷达在识别目标目标的过程中，获取的点云数据会存在大量噪点，导致激光雷达的探测结果不准确，影响自动驾驶汽车决策单元的判断。

目前，常采用形态学的方式对点云数据中的噪点进行滤波处理，即直接滤除点云数据中的噪点。这种方式可能会同时过滤掉大量的有用信息，大大降低激光雷达的探测结果。

发明内容

本申请实施例的目的在于提供一种噪点处理方法、装置、设备及计算机存储介质，旨在利用噪点中的有用信息，提升激光雷达的探测结果。

本申请实施例是这样实现的，第一方面，本申请实施例提供了一种噪点处理方法，所述方法包括：识别点云数据中的噪点和正常点，点云数据包含多个点云点，正常点为用于探测目标的点云点；判断噪点的预设范围内的邻近点云点是否为正常点；若邻近点云点是正常点，则根据噪点的下降沿信号与邻近点云点的下降沿信号，确定噪点与邻近点云点是否为同一目标上的点云点；若噪点与邻近点云点是同一目标上的点云点，则根据邻近点云点修正噪点，修正后的噪点用于探测目标。

采用本申请提供的一种噪点处理方法，没有直接通过滤波等方法滤除激光雷达获取的点云数据中的噪点，而是在识别到噪点后，如果判断出该噪点的邻近点云点是正常点，且该噪点和邻近点云点是同一目标上的点，则利用邻近点云点修正噪点。修正后的噪点可以用于探测目标，保留了这部分被修正的噪点所指示的部分有用信息，从而提升了激光雷达的探测结果。

可选地，确定噪点与邻近点云点是否为同一目标上的点云点的确定方法包括：根据公式

确定噪点与邻近点云点是否为同一目标上的点云点，其中，T表示预设阈值，i表示下降沿信号对应的时间戳，x₁(i)表示所述噪点和所述邻近点云点中的一个点云点的下降沿对应i时刻的电压值，x₂(i)表示另一个点云点的下降沿对应i时刻的电压值，n表示所述下降沿信号中所述时间戳的数。

可选地，根据邻近点云点修正噪点，包括：根据位于邻近点云点的预设扫描角度内的至少一个正常点的扫描距离，修正噪点的扫描距离。

可选地，点云数据中的正常点的识别方式为：获取点云数据中点云点的上升沿信号；若上升沿信号的平滑度符合预设的平滑度，则确定点云点为正常点。

可选地，上述方法还包括：若上升沿信号的平滑度不符合预设的平滑度，则获取该点云点的上升沿信号的上半部分信号；若根据上半部分信号的形态，能够计算得到该点云点的扫描距离，则确定该点云点为正常点。

可选地，修正噪点的扫描距离的方式包括：样条插值法或者直线插值法中的至少一种。

可选地，上述方法还包括：若噪点与邻近点云点不是同一目标上的点云点，则删除噪点。

第二方面，本申请实施例提供了一种噪点处理装置，上述装置包括：

识别单元，用于识别点云数据中的噪点和正常点，点云数据包含多个点云点，正常点为用于探测目标的点云点；

判断单元，用于判断噪点的预设范围内的邻近点云点是否为正常点；

确定单元，用于若邻近点云点是正常点，则根据噪点的下降沿信号与邻近点云点的下降沿信号，确定噪点与邻近点云点是否为同一目标上的点云点；

修正单元，用于若噪点与邻近点云点是同一目标上的点云点，则根据邻近点云点修正噪点，修正后的噪点用于探测目标。

第三方面，本申请实施例提供了一种终端设备，所述设备包括：处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于从所述存储器中调用并运行所述计算机程序，使得所述设备执行第一方面中任一项所述的方法。

第四方面，本申请实施例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了计算机程序，当所述计算机程序被处理器执行时，使得处理器执行第一方面中任一项所述的方法。

第五方面，本申请实施例提供了一种计算机程序产品，所述计算机程序产品包括：计算机程序代码，当所述计算机程序代码被计算机运行时，使得该计算机执行第一方面中任一项所述的方法。

可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

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点云数据的信号波形的对比示意图；

图2是本申请实施例提供的一种噪点处理方法的流程图；

图3是本申请实施例提供的同一目标上的点云点的信号波形的示意图；

图4是本申请实施例提供的一种噪点处理装置的结构示意图；

图5为本申请实施例提供的一种终端设备的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

在对本申请实施例进行详细地解释说明之前，先对本申请实施例中的激光雷达、噪点、正常点予以简单介绍。

激光雷达是一种通过发射激光束探测目标的位置、三维结构等特征的传感器，其工作过程为：激光雷达的发射器发射出激光光束，激光光束碰到目标表面后，经漫反射返回至接收器。通过发出激光光束到接收器接收到回波信号的时间间隔以及信号波形，可以分析得到激光雷达与目标物体之间的距离。通过控制发射器在不同方向沿着不同的角度发射出激光束，可以获取目标表面大量的回波信号。采集的大量的回波信号即为采集到的点云数据，每个回波信号即为一个点云点。通过点云数据即可实现对目标的三维轮廓、位置等信息的探测。由于激光雷达具有分辨率高、抗干扰能力强、获取信息丰富及可全天时工作等特点，被广泛应用于无人驾驶领域的自动驾驶汽车中。

然而，当在雨、雪、雾、霾或者霜等极端天气环境下使用激光雷达探测目标时，激光光束可能会受到雨、雪、雾等悬浮的颗粒物阻碍，使得接收器接收到的回波信号的波形产生形变。或者，在路面存在积水时，当车经过积水的路面从而溅起水花，激光光束穿过水花后会被打在地面上，使得接收器接收到由水花的回波信号和地面的回拨信号叠加的信号。这种情况下接收器接收到的信号波形发生形变的点云点即为噪点。而在正常的天气环境下(例如没有悬浮的颗粒物，路面无积水)，接收器采集到的点云点为正常点。

示例性的，如图1所示，为本申请实施例提供的一种点云点的信号波形的对比示意图，图1中的(a)是点云数据中正常点对应的信号波形，图1中的(b)是点云数据中噪点对应的信号波形。参见图1，横坐标表示时间，纵坐标表示电压值。可以看出，相比于正常点，噪点的上升沿信号(即信号波形中电压随时间变化从低电压值到高电压值所对应的信号区域)的波形明显发生形变。

目前，为了避免噪点的无用信息对探测结果的影响，通常采用形态学的方式对点云数据中的噪点进行滤波处理，即通过波形对比，筛选点云数据中的正常点，直接滤除噪点。这种方式可能会同时删除掉大量的有用信息，大大降低激光雷达的探测结果的可靠性。

针对上述问题，本申请提供一种噪点处理方法，在识别到的噪点后，利用与该噪点属于同一目标且与该噪点邻近的正常点修正该噪点，使得修正后的噪点可以用于探测目标。避免了直接删除噪点而造成的大量有用信息的丢失，从而提升了激光雷达的探测结果的可靠性。

下面结合具体地实施例对本申请的技术方案进行示例性的说明。

在一种可能的实现方式中，图2所示是本申请提供的一种噪点处理方法的流程图。参见图2，该方法包括以下步骤。

S101，识别点云数据中的噪点和正常点，点云数据包含多个点云点，正常点为用于探测目标的点云点。

在本申请实施例中，可以通过信号波形相似度比对来确定点云数据中的每个点云点分别是噪点还是正常点。例如，预设一个标准信号波形。将点云数据中的每个点云点的信号波形分别与该标准信号波形进行相似度匹配，若相似度大于一个预设值，则确定该点云点为正常点，若相似度小于该预设值，则确定该点云点为噪点。

在一个示例中，由于点云点的信号波形中上升沿信号的平滑度决定该点云点是否能够计算得到该点云点的扫描距离。因此，本申请提供一种点云点识别方式，可以根据每个点云点的上升沿信号来识别该点云点是噪点还是正常点。

例如，以一个点云点为例。获取到该点云点的上升沿信号后，判断该上升沿信号的平滑度符合预设的平滑度。所谓预设的平滑度是指能够确定扫描距离的平滑度。若上升沿信号的平滑度符合预设的平滑度，则确定点云点为正常点。

对应的，若上升沿信号的平滑度不符合预设的平滑度，则确定点云点为噪点。

可选的，若信号波形的上升沿信号的平滑度不符合预设的平滑度，则还可以获取点云点的上升沿信号的上半部分信号；根据上半部分信号的形态，确定上升沿信号是否能够计算得到点云点的扫描距离。例如，通过判断上半部分信号的形态是否符合预设的平滑度。若符合预设的平滑度，则可以认为可以通过该计算得到扫描距离。

在该实例中，若根据该点云点的上半部分信号的形态能够得到该点云点的扫描距离，则确定该点云点为正常点。否则将该点云点识别为噪点。

其中，可以将上升沿信号按照时间划分为两部分，时间靠后的部分为上半部分，即对应的电压值取值较大的部分信号为上半部分信号。

S102，判断噪点的预设范围内的邻近点云点是否为正常点。

其中，预设范围可以是该噪点的扫描角度的邻近扫描角度范围。例如，假设激光雷达的初始扫描角度为0°，且激光雷达设备的扫描角度分辨率为0.1°，那么点云数据的扫描角度依次为0°，0.1°，0.2°，0.3°，0.4°……。这种情况下，若该噪点是在0.3°扫描到的点云点，则预设范围可以是扫描角度0.1°、0.2°、0.4°和0.5°的范围内。

S103，若邻近点云点是正常点，则根据噪点的下降沿信号与邻近点云点的下降沿信号，确定噪点与邻近点云点是否为同一目标上的点云点。

通常来说，激光雷达获取的同一目标上的点云数据中的每个点云点具有相同的距离和相同的反射率，故在误差允许的范围内，同一目标上点云点形成的信号波形的形状是相同的，但是遇到雨、雪、雾、霾等极端天气，同一目标上点云点形成的信号波形的上升沿会受到影响，而下降沿受影响较小，因此，可以利用点云点中噪点与邻近点云点之间的下降沿信号的重合度判断是否为同一目标上点。

例如，同一目标上的多个点云点的信号波形可以如图3所示。无论各个点云点的上升沿信号是否存在波形变化，下降沿信号的波形基本重合。

示例性的，可以利用根据公式

确定噪点与邻近点云点是否为同一目标上的点云点，其中，T表示预设阈值，i表示下降沿信号对应的时间戳，x₁(i)表示噪点和邻近点云点中的一个点云点的下降沿对应i时刻的电压值，x₂(i)表示另一个点云点的下降沿对应i时刻的电压值，n表示下降沿信号中时间戳的数量。

也就是说，若噪点与邻近点云点的下降沿上每个点对应的电压值均满足上述公式，则确定噪点与邻近点云点为同一目标上的点。

上述方式为确定噪点与邻近点云点是否为从同一目标上采集的点云点提供了容错性，提升了噪点与邻近点云点均为从同一目标上采集的点云点的概率，避免了噪点与邻近点云点的信号波形的下降沿完全重合才确定噪点与邻近点云点均为从同一目标上采集的点云点的情况。

S104，若噪点与邻近点云点是同一目标上的点云点，则根据邻近点云点修正噪点，修正后的噪点用于探测目标。

在一个示例中，可以根据位于邻近点云点的预设扫描角度内的至少一个正常点的扫描距离，修正噪点的扫描距离。

示例性的，假设激光雷达的初始扫描角度为0°，且激光雷达设备的扫描角度分辨率为0.1°，那么点云数据的扫描角度依次为0°，0.1°，0.2°，0.3°，0.4°……。这种情况下，若邻近点云点的扫描角度为0.2°，那么邻近点云点的预设扫描角度内的正常点，可以是扫描角度为0.1°和0.3°的点云点中的正常点，也可以是扫描角度为0°、0.1°、0.3°和0.4°的点云点中的正常点。因此，可以根据不同的激光雷达获取点云数据的精度，灵活调整预设扫描角度以寻找邻近点云点周围的正常点。

在该示例中，如果点云数据中的某个噪点的邻近点中仅存在一个满足条件的的正常点，则可以结合该正常点周围的预设扫描角度内的至少一个正常点对该噪点进行修正，以提高修正后的噪点的有效性，提升激光雷达探测的准确性。当然，若噪点的邻近点中仅存在多个正常点，则可以结合该多个正常点中每个点云点周围的预设扫描角度内的至少一个正常点对该噪点进行修正。

可选的，若噪点的预设范围内的邻近点云点存在至少两个正常点，也可以直接根据该至少两个正常点修正该噪点。

示例性的，修正噪点的扫描距离的方式可以利用样条插值法或者直线插值法中的至少一种方法修正噪点的扫描距离。采用样条插值法或者直线插值法修正噪点的位置参数，计算量小，有利于提高噪点的处理效率。

在一种可能的实施方式中，在上述S103之后，若噪点的预设范围内的邻近点云点是正常点，但该噪点与每个为正常点的邻近点云点都不是同一目标上的点云点，则删除该噪点。

在一些实施例中，若噪点的预设范围内的邻近点云点不存在正常点时，则可以直接删除该噪点。

本申请提供的一种噪点处理方法，没有直接通过滤波等方法滤除激光雷达获取的点云数据中的噪点，而是首先从点云数据中识别噪点和正常点，然后判断噪点的邻近点云点中是否存在正常点，若存在正常点，则进一步确定噪点和邻近点云点是否是同一目标上的点，当噪点和邻近点云点是同一目标上的点时，则利用邻近点云点修正噪点，利用邻近点云点修正后的噪点可以用于探测目标，有效避免了直接将点云数据中所有噪点都滤除的情况，尽可能保留了点云数据处理中的有用信息，从而提升了激光雷达的探测结果。

基于同一发明构思，本申请实施例还提供了一种噪点处理装置。如图4所示，该装置200包括：识别单元201、判断单元202、确定单元203和修正单元204。

识别单元201，用于识别点云数据中的噪点和正常点，点云数据包含多个点云点，正常点为用于探测目标的点云点。

判断单元202，用于判断噪点的预设范围内的邻近点云点是否为正常点；

确定单元203，用于若邻近点云点是正常点，则根据噪点的下降沿信号与邻近点云点的下降沿信号，确定噪点与邻近点云点是否为同一目标上的点云点；

修正单元204，用于若噪点与邻近点云点是同一目标上的点云点，则根据邻近点云点修正噪点，修正后的噪点用于探测目标。

可选地，确定单元203，还用于：根据公式

确定噪点与邻近点云点是否为同一目标上的点云点，其中，T表示预设阈值，i表示下降沿信号对应的时间戳，x₁(i)表示噪点和邻近点云点中的一个点云点的下降沿对应i时刻的电压值，x₂(i)表示另一个点云点的下降沿对应i时刻的电压值，n表示下降沿信号中时间戳的数量。

可选地，修正单元204，还用于根据位于邻近点云点的预设扫描角度内的至少一个正常点的扫描距离，修正噪点的扫描距离。

可选地，识别单元201，还用于获取点云数据中点云点的上升沿信号；若上升沿信号的平滑度符合预设的平滑度，则确定点云点为正常点。

可选地，上述方法还包括：若上升沿信号的平滑度不符合预设的平滑度，则获取点云点的上升沿信号的上半部分信号；根据上半部分信号的形态，确定上升沿信号是否能够计算得到点云点的扫描距离；若能够得到点云点的扫描距离，则确定点云点为正常点。

可选地，修正单元204，还用于选择样条插值法或者直线插值法中的至少一种修正噪点的扫描距离。

可选地，上述装置还包括：删除单元，用于若噪点与正常点不是同一目标上的点云点，则删除噪点。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、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单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

基于同一发明构思，本申请实施例还提供了一种终端设备。如图5所示，该实施例的终端设备300包括：处理器301、存储器302以及存储在存储器302中并可在处理器301上运行的计算机程序303。计算机程序303可被处理器301运行，生成指令，处理器301可根据指令实现上述各个噪点处理方法实施例中的步骤。或者，处理器301执行计算机程序303时实现上述各装置实施例中各模块/单元的功能，例如图4所示的识别单元201、判断单元202、确定单元203和修正单元204的功能。

示例性的，计算机程序303可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器302中，并由处理器301执行，以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序303在终端设备300中的执行过程。

本领域技术人员可以理解，图5仅仅是终端设备300的示例，并不构成对终端设备300的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如终端设备300还可以包括输入输出设备、网络接入设备、总线等。

处理器301可以是中央处理单元(Central Processing Unit，CPU)，还可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。

存储器302可以是终端设备300的内部存储单元，例如终端设备300的硬盘或内存。存储器302也可以是终端设备300的外部存储设备，例如终端设备300上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(FlashCard)等。进一步地，存储器302还可以既包括终端设备300的内部存储单元也包括外部存储设备。存储器302用于存储计算机程序以及终端设备300所需的其它程序和数据。存储器302还可以用于暂时地存储已经输出或者将要输出的数据。

本实施例提供的终端设备可以执行上述方法实施例，其实现原理与技术效果类似，此处不再赘述。

本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例所述的方法。

本申请实施例还提供一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行时实现上述方法实施例所述的方法。

上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random AccessMemory，RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。

在本申请中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

在本申请的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。

此外，在本申请中，除非另有明确的规定和限定，术语“连接”、“相连”等应做广义理解，例如可以是机械连接，也可以是电连接；可以是直接连接，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定、对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。

以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims (10)

1.一种噪点处理方法，其特征在于，所述方法包括：

识别点云数据中的噪点和正常点，所述点云数据包含多个点云点，所述正常点为用于探测目标的点云点；

判断所述噪点的预设范围内的邻近点云点是否为正常点；

若所述邻近点云点是正常点，则根据所述噪点的下降沿信号与所述邻近点云点的下降沿信号，确定所述噪点与所述邻近点云点是否为同一目标上的点云点；

若所述噪点与所述邻近点云点是同一目标上的点云点，则根据所述邻近点云点修正所述噪点，修正后的所述噪点用于探测目标。

2.根据权利要求1所述的方法，其特征在于，所述确定所述噪点与所述邻近点云点是否为同一目标上的点云点的确定方法包括：

根据公式

确定所述噪点与所述邻近点云点是否为同一目标上的点云点，其中，T表示预设阈值，i表示所述下降沿信号对应的时间戳，x₁(i)表示所述噪点和所述邻近点云点中的一个点云点的下降沿对应i时刻的电压值，x₂(i)表示另一个点云点的下降沿对应i时刻的电压值，n表示所述下降沿信号中所述时间戳的数量。

3.根据权利要求1所述的方法，其特征在于，所述根据所述邻近点云点修正所述噪点，包括：

根据位于所述邻近点云点的预设扫描角度内的至少一个正常点的扫描距离，修正所述噪点的扫描距离。

4.根据权利要求1所述的方法，其特征在于，所述点云数据中的正常点的识别方式为：

获取点云数据中点云点的上升沿信号；

若所述上升沿信号的平滑度符合预设的平滑度，则确定所述点云点为正常点。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

若所述上升沿信号的平滑度不符合预设的平滑度，则获取所述点云点的上升沿信号的上半部分信号；

若根据所述上半部分信号的形态，能够计算得到所述点云点的扫描距离，则确定所述点云点为正常点。

6.根据权利要求3所述的方法，其特征在于，修正所述噪点的扫描距离的方式包括：样条插值法或者直线插值法中的至少一种。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

若所述噪点与所述邻近点云点不是同一目标上的点云点，则删除所述噪点。

8.一种噪点处理装置，其特征在于，所述装置包括：

识别单元，用于识别点云数据中的噪点和正常点，所述点云数据包含多个点云点，所述正常点为用于探测目标的点云点；

判断单元，用于判断所述噪点的预设范围内的邻近点云点是否为正常点；

确定单元，用于若所述邻近点云点是正常点，则根据所述噪点的下降沿信号与所述邻近点云点的下降沿信号，确定所述噪点与所述邻近点云点是否为同一目标上的点云点；

修正单元，用于若所述噪点与所述邻近点云点是同一目标上的点云点，则根据所述邻近点云点修正所述噪点，修正后的所述噪点用于探测目标。

9.一种终端设备，其特征在于，所述设备包括：处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于从所述存储器中调用并运行所述计算机程序，使得所述设备执行权利要求1至7中任一项所述的方法。

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了计算机程序，当所述计算机程序被处理器执行时，使得处理器执行权利要求1至7中任一项所述的方法。

Images