CN116087992A - 点云处理方法、装置及电子设备、存储介质 - Google Patents

点云处理方法、装置及电子设备、存储介质 Download PDF

Info

Publication number
CN116087992A
CN116087992A CN202310315304.6A CN202310315304A CN116087992A CN 116087992 A CN116087992 A CN 116087992A CN 202310315304 A CN202310315304 A CN 202310315304A CN 116087992 A CN116087992 A CN 116087992A
Authority
CN
China
Prior art keywords
point cloud
grid
global
cloud data
intensity value
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
Application number
CN202310315304.6A
Other languages
English (en)
Inventor
海港
江浚源
盛杲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhidao Network Technology Beijing Co Ltd
Original Assignee
Zhidao Network Technology Beijing Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhidao Network Technology Beijing Co Ltd filed Critical Zhidao Network Technology Beijing Co Ltd
Priority to CN202310315304.6A priority Critical patent/CN116087992A/zh
Publication of CN116087992A publication Critical patent/CN116087992A/zh
Pending legal-status Critical Current

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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Electromagnetism (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本申请公开了一种点云处理方法、装置及电子设备、存储介质，所述方法包括获取激光雷达在当前帧中的激光点云数据；根据所述激光点云数据建立全局栅格，所述全局栅格与点云数据之间预先建立双向索引关系；判断所述全局栅格中的点云强度值是否满足过滤条件；如果所述全局栅格中的点云强度值满足所述过滤条件，则删除所述点云强度值满足所述过滤条件时对应的栅格。通过本申请对栅格强度值进行统计处理并过滤点云噪声，提高感知结果的准确性。本申请可用于水雾或扬尘的滤除。

Description

点云处理方法、装置及电子设备、存储介质
技术领域
本申请涉及自动驾驶技术领域，尤其涉及一种点云处理方法、装置及电子设备、存储介质。
背景技术
自动驾驶系统中，通过激光雷达识别障碍物是重要的感知模块之一。激光雷达传感器的障碍物识别，是利用激光雷达传感器获取激光点云数据，使用感知算法进行处理，获得道路内的真实障碍物3D框(位置、大小、朝向)的过程，同时避免非真实障碍物的检出。
搭载激光雷达传感器的自动驾驶车辆，行驶过程中如果自车前方或侧方遇到他车/自车驶过引起的水雾或扬尘，容易产生点刹，严重影响乘坐体验甚至安全。
发明内容
本申请实施例提供了一种点云处理方法、装置及电子设备、存储介质，以过滤点云噪声，提高感知准确率。
本申请实施例采用下述技术方案：
第一方面，本申请实施例提供一种点云处理方法，其中，所述方法包括：
获取激光雷达在当前帧中的激光点云数据；
根据所述激光点云数据建立全局栅格，所述全局栅格与点云数据之间预先建立双向索引关系；
判断所述全局栅格中的点云强度值是否满足过滤条件；
如果所述全局栅格中的点云强度值满足所述过滤条件，则删除所述点云强度值满足所述过滤条件时对应的栅格。
在一些实施例中，所述方法还包括：
如果所述全局栅格中的点云强度值不满足所述过滤条件，则保留所述点云强度值不满足所述过滤条件时对应的栅格，以继续对所述栅格中的点云进行聚类处理。
在一些实施例中，判断所述全局栅格中的点云强度值是否满足过滤条件，删除所述点云强度值满足所述过滤条件时对应的栅格，包括：
判断所述全局栅格中每个栅格的点云强度平均值以及每个栅格的点云标准差值是否均大于预设阈值；
如果判断所述全局栅格中每个栅格的点云强度平均值以及每个栅格的点云标准差值分别大于各自的预设阈值，则删除对应的栅格，所述对应的栅格包括水雾、扬尘的噪声点云数据。
在一些实施例中，所述根据所述激光点云数据建立全局栅格，所述全局栅格与点云数据之间预先建立双向索引关系，包括：
基于点云数据的BEV图像，在车体坐标系下将点云数据所在空间划分为等间隔大小的栅格，生成全局栅格并建立栅格点云之间的双向索引。
在一些实施例中，所述根据所述激光点云数据建立全局栅格之后，还包括：
遍历所述全局栅格中的有效栅格；
根据所述有效栅格，遍历该栅格内的点云数据；
将所述点云数据添加到栅格点云数组，所述栅格点云数组包括点云的点云强度值。
在一些实施例中，所述遍历所述全局栅格中的有效栅格，包括：
判断所述全局栅格中的x坐标横向以及y坐标纵向是否在预设有效范围内；
如果判断所述全局栅格中的x坐标以及y坐标在预设有效范围内，则得到有效栅格；
所述根据所述有效栅格，遍历该栅格内的点云数据，包括：
根据所述双向索引关系，获取所述有效栅格中的点云数据；
逐点判断点云在z坐标垂直方向是否大于最小门限阈值；
如果大于最小门限阈值，则作为目标点云条添加到栅格点云数组；
如果小于所述最小门限阈值，则删除该点云。
第二方面，本申请实施例还提供一种障碍物识别方法，采用上述第一方面中所述的点云处理方法对点云噪声进行过滤，所述障碍物识别方法包括：
根据所述点云噪声的过滤结果，识别行驶过程中的障碍物。
第三方面，本申请实施例还提供一种点云处理装置，其中，所述装置包括：
获取模块，用于获取激光雷达在当前帧中的激光点云数据；
建立模块，用于根据所述激光点云数据建立全局栅格，所述全局栅格与点云数据之间预先建立双向索引关系；
判断模块，用于判断所述全局栅格中的点云强度值是否满足过滤条件；
过滤模块，用于如果所述全局栅格中的点云强度值满足所述过滤条件，则删除所述点云强度值满足所述过滤条件时对应的栅格。
第四方面，本申请实施例还提供一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述方法。
第五方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行上述方法。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：通过获取激光雷达在当前帧中的激光点云数据，建立全局栅格。之后判断所述全局栅格中的点云强度值是否满足过滤条件，如果所述全局栅格中的点云强度值满足所述过滤条件，则删除所述点云强度值满足所述过滤条件时对应的栅格。由于在自车的一定范围内，将激光点云划分为相同大小的栅格，从而实现对栅格强度值进行统计处理和过滤。特别针对如果自车前方或侧方遇到他车/自车驶过引起的水雾或扬尘，而造成点云数据中存在大量噪声，影响感应准确度的自动驾驶的场景。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例中点云处理方法的流程示意图；
图2为本申请实施例中点云处理方法的实现原理示意图；
图3为本申请实施例中点云处理装置的结构示意图；
图4为本申请实施例中一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
发明人研究时发现，在自动驾驶车辆上，受限于常用激光雷达的波长(通常在905nm和1550nm的波长范围)，无法有效穿透环境中的水雾和扬尘等目标，因此反射形成激光点云噪声。对于水雾或扬尘造成的激光点云噪声，主要有两类影响：第一类是水雾扬尘噪声遮挡，造成道路内真实障碍物的点云减少。第二类是水雾扬尘激光点云容易被规则算法误检，造成自动驾驶车辆点刹等负面影响。
针对上述缺陷，本申请实施例中点云处理方法基于激光雷达点云强度的水雾扬尘栅格过滤算法，目标在于减少水雾扬尘激光点云造成的误检。
以下结合附图，详细说明本申请各实施例提供的技术方案。
本申请实施例提供了一种点云处理方法，如图1所示，提供了本申请实施例中点云处理方法流程示意图，所述方法至少包括如下的步骤S110至步骤S140：
步骤S110，获取激光雷达在当前帧中的激光点云数据。
在自动驾驶车辆上通过安装传感器比如激光雷达，获取车辆前、后、左、右的方向上的激光点云数据。
可以理解，对激光雷达的每一帧激光点云数据进行同样的处理方式。
激光雷达是一种综合的光探测与测量系统，通过发射接受激光束，分析激光遇到目标对象后的折返时间，计算出目标对象与车的相对距离。目前常见的有16线、32线、64线激光雷达。激光雷达线束越多，测量精度越高，安全性越高。
此外，激光雷达的稀疏点云成像与稠密像素点的图像成像不同，点云都是连续的，图像是离散的。激光点云数据可以反应真实世界目标的形状、姿态信息。
步骤S120，根据所述激光点云数据建立全局栅格，所述全局栅格与点云数据之间预先建立双向索引关系。
根据所述激光点云数据建立全局栅格，对于全局栅格通过在车体坐标系下将空间划分为等间隔大小的栅格，保存为全局变量结构体，并且用栅格中心位置坐标指代该栅格坐标。
可以理解，通过所述双向索引关系，可以实现点云数据与全局栅格之间的相互查找。
示例性地，建立双向索引关系的方式包括首先增加栅格结构体变量的属性，包括栅格内点云数量、栅格序号、有效点数量、点序号等，之后通过遍历点云和坐标判断的方式，填充相应属性值，属性不为空的即为有效栅格。
步骤S130，判断所述全局栅格中的点云强度值是否满足过滤条件。
常用的车载激光雷达在水雾和扬尘上反射会形成的激光点云，这些激光点云的强度值(Intensity)都较低且分布均匀，介于1-10之间(正常的激光点云的Intensity范围为0-255)。与此同时，地面或其他障碍物的点云强度值相对较高(几十到一两百)，且分布不均匀。因此，如果针对水雾和扬尘的激光噪声点云，具有很明显的物理强度特征。从而可以通过点云强度值判断出由于水雾或扬尘造成的属于点云噪声的点云数据。
对于全局栅格中的点云数据，可以逐个判断点云数据的强度值或者强度平均值，可以满足过滤条件则可以过滤掉属于点云噪声的数据。
具体实施时，对于过滤条件即可以是强度值介于1-10之间的激光点云的强度值。
步骤S140，如果所述全局栅格中的点云强度值满足所述过滤条件，则删除所述点云强度值满足所述过滤条件时对应的栅格。
如果在全局栅格中的点云强度值满足了预设条件或者多个点云平均强度值满足了预设条件，则删除所述点云强度值满足所述过滤条件时对应的栅格。即根据双向索引关系确定的这个点云数据所在的那个栅格。
需要注意的是，还需要对全局栅格中满足点云强度值的点云数据的数量进行判断或者在全局栅格中的有效栅格进行筛选。
区别于相关技术中主要根据机器学习模型训练相关的网络识别激光点云数据的依赖于检测模型的方式，上述点云处理方法中通过建立全局栅格，并判断在全局栅格中的点云强度值，之后确定出点云强度值满足过滤条件时对应的栅格，并将对应的栅格进行删除。这样在之后点云数据聚类以及障碍物识别算法中可以减少点云噪声，提高检测的准确率。
此外，通过上述方法还能够实现基于全局栅格划分的激光雷达强度值统计，并且过滤掉属于水雾或扬尘等的点云噪声。对于保留的栅格可以继续进行点云规则聚类。
同时，上述方法中之所以能够过滤水雾或扬尘等的点云噪声，是由于水雾或扬尘等的点云噪声的强度值与地面、其他障碍物的点云强度值之间具有较大差异，从而能够区别不同的类型的点云数据。此外，点云强度值属于激光雷达自身的属性信息，可以通过激光雷达获取激光点云数据时获得。
在本申请的一个实施例中，所述方法还包括：如果所述全局栅格中的点云强度值不满足所述过滤条件，则保留所述点云强度值不满足所述过滤条件时对应的栅格，以继续对所述栅格中的点云进行聚类处理。
对于不满足所述过滤条件的点云强度值，保留所述点云强度值不满足所述过滤条件时对应的栅格，从而继续对所述栅格中的点云进行聚类处理。聚类处理之后可以进行定位感知等处理。
在本申请的一个实施例中，判断所述全局栅格中的点云强度值是否满足过滤条件，删除所述点云强度值满足所述过滤条件时对应的栅格，包括：判断所述全局栅格中每个栅格的点云强度平均值以及每个栅格的点云标准差值是否均大于预设阈值；如果判断所述全局栅格中每个栅格的点云强度平均值以及每个栅格的点云标准差值分别大于各自的预设阈值，则删除对应的栅格，所述对应的栅格包括水雾、扬尘的噪声点云数据。
每个栅格的点云强度平均值，需要先计算每个点云强度值之后得到每个栅格中的点云强度平均值。点云标准差作为点云数据的属性值，可以在从激光雷达中获取。通常需要两个不同的预设门限值，用来作为强度平均值和标准差值的筛选门限。如果两者均满足比如均大于各自门限阈值，则删除对应的栅格。此时的对应的栅格即包括了水雾、扬尘的噪声点云数据。
可以理解，可以计算一个指定栅格中的点云强度平均值作为判断依据，或者也可以计算一个点云强度平均值并通过双向索引确定是在那个栅格中。为了提高计算的实时性，可以计算预先划分到同一个栅格点云数组中的点云强度值，之后通过双向索引确定出对应的栅格即可确定需要删除的对应的栅格。
为了提高计算的准确性，可计算某个栅格中每个点云的强度值并得到某个栅格中的点云强度平均值，从而判断该栅格是否需要进行删除。可以理解，所述预设阈值可根据实际使用情况设置，在本申请的实施例中并不进行具体限定。
需要注意的是，可以将符合相关条件的栅格中的点云单独添加到一组作为栅格点云数组，便于之后的点云强度值的计算。
在本申请的一个实施例中，所述根据所述激光点云数据建立全局栅格，所述全局栅格与点云数据之间预先建立双向索引关系，包括：基于点云数据的BEV图像，在车体坐标系下将点云数据所在空间划分为等间隔大小的栅格，生成全局栅格并建立栅格点云之间的双向索引。
BEV(Bird’s Eye View，鸟瞰图)图像,基于所述点云数据构造。之后在车体坐标系下将点云数据所在空间划分为等间隔大小的栅格，生成全局栅格并建立栅格点云之间的双向索引。建立双向索引之后，可以根据点云查询对应的栅格，或者通过栅格确定属于哪个栅格。
根据激光雷达的成像原理，采用基于旋转平面(即激光坐标系下的xy坐标平面)离散化，可以得到BEV(Bird’s Eye View)图像。BEV图像由激光雷达点云在XY坐标平面离散化后投影得到，其中需要人为规定离散化时的分辨率，即点云空间多大的长方体范围(Δl*Δw*Δh)对应离散化后的图像的一个像素点(或一组特征向量)。
在本申请的一个实施例中，所述根据所述激光点云数据建立全局栅格之后，还包括：遍历所述全局栅格中的有效栅格；根据所述有效栅格，遍历该栅格内的点云数据；将所述点云数据添加到栅格点云数组，所述栅格点云数组包括点云的点云强度值。
根据所述激光点云数据建立全局栅格之后且在进行判断所述全局栅格中的点云强度值是否满足过滤条件之前，需要遍历所述全局栅格中的有效栅格，对于非有效栅格进行删除。根据得到的有效栅格，在所述有效栅格中遍历栅格内的点云数据。
进一步地，将栅格中的点云数据加到栅格点云数组，便于之后点云强度值计算的处理。即在所述栅格点云数组包括点云的点云强度值，为了便于下一步的计算处理，需要把上一步获得的点的强度值放入到一个数组中。
在本申请的一个实施例中，所述遍历所述全局栅格中的有效栅格，包括：判断所述全局栅格中的x坐标横向以及y坐标纵向是否在预设有效范围内；如果判断所述全局栅格中的x坐标以及y坐标在预设有效范围内，则得到有效栅格；所述根据所述有效栅格，遍历该栅格内的点云数据，包括：根据所述双向索引关系，获取所述有效栅格中的点云数据；逐点判断点云在z坐标垂直方向是否大于最小门限阈值；如果大于最小门限阈值，则作为目标点云条添加到栅格点云数组；如果小于所述最小门限阈值，则删除该点云。
首先，遍历有效栅格，考虑到激光雷达获取的点云数据主要在车辆周围范围内，如果超出一定范围，则不考虑。故判断栅格的坐标x和y坐标是否在一定范围内，如果栅格坐标的x和y值，都在限定的最大或最小范围内，即继续处理。否则，继续遍历获取有效栅格。
进一步地，遍历该栅格内的点云。考虑到在垂直方向上的点云数据如果过高或者过低，即表明点云既可能不属于障碍物，也不属于水雾或扬尘等的点云噪声。所以需要判断z轴方向上的点云数据的范围是否在阈值范围内。之后可快速获得该栅格内的点云。逐点判断点的z坐标是否大于阈值，如果大于限定的最小值，即属于有效点云数据。否则，继续遍历该栅格内的点云数据。
如图2所示，为本申请实施例中点云处理方法的实现原理示意图，具体包括如下步骤：
步骤S1，生成全局栅格。在车体坐标系下，将空间划分为等间隔大小的栅格，保存为全局变量结构体，用栅格中心位置坐标指代该栅格坐标。
步骤S2，建立栅格点云双向索引。增加栅格结构体变量的属性，包括栅格内点云数量、栅格序号、有效点数量、点序号等。通过遍历点云和坐标判断的方式，填充相应属性值。属性不为空的即为有效栅格。
步骤S3，遍历有效栅格。判断栅格的x和y坐标是否在一定范围内，如果栅格坐标的x和y值，都在限定的最大最小范围内，即进入下一步。否则，继续遍历有效栅格。
步骤S4，遍历该栅格内的点云。根据步骤S2的双向索引，快速获得该栅格内的点云。逐点判断点的z坐标是否大于阈值，如果大于限定的最小值，即进入下一步。否则，继续遍历该栅格内的点云。
步骤S5，添加该点到栅格点云数组。为了便于下一步的计算处理，需要把上一步获得的点的强度值放入到一个数组中。
步骤S6，计算栅格的点云强度平均值和标准差。判断栅格强度的平均值和标准差是否分别大于一定的阈值，两个条件判断取交集。如果满足条件，则删除该栅格，视为水雾扬尘噪声点云形成的栅格。如果不满足该条件，则保留该栅格，进入到此后的聚类算法，用于障碍物识别的规则算法。
在本申请的实施例中还提供了一种障碍物识别方法，采用所述的点云处理方法对点云噪声进行过滤，所述障碍物识别方法包括：
根据所述点云噪声的过滤结果，识别行驶过程中的障碍物。
示例性地，由于水雾扬尘激光点云容易被规则算法误检，造成自动驾驶车辆点刹等负面影响。经过点云噪声过滤之后，可以构建障碍物识别方法用于识别自动驾驶车辆在行驶过程中的障碍物，可以减少激光雷达水雾扬尘误检造成的自动驾驶点刹，提升了自动驾驶性能。
本申请实施例还提供了点云处理装置300，如图3所示，提供了本申请实施例中点云处理装置的结构示意图，所述装置300至少包括：获取模块310、建立模块320、判断模块330以及过滤模块340，其中：
在本申请的一个实施例中，所述获取模块310具体用于：获取激光雷达在当前帧中的激光点云数据。
在自动驾驶车辆上通过安装传感器比如激光雷达，获取车辆前、后、左、右的方向上的激光点云数据。
可以理解，对激光雷达的每一帧激光点云数据进行同样的处理方式。
激光雷达是一种综合的光探测与测量系统，通过发射接受激光束，分析激光遇到目标对象后的折返时间，计算出目标对象与车的相对距离。目前常见的有16线、32线、64线激光雷达。激光雷达线束越多，测量精度越高，安全性越高。
此外，激光雷达的稀疏点云成像与稠密像素点的图像成像不同，点云都是连续的，图像是离散的。激光点云数据可以反应真实世界目标的形状、姿态信息。
在本申请的一个实施例中，所述建立模块320具体用于：根据所述激光点云数据建立全局栅格，所述全局栅格与点云数据之间预先建立双向索引关系。
根据所述激光点云数据建立全局栅格，对于全局栅格通过在车体坐标系下，将空间划分为等间隔大小的栅格，保存为全局变量结构体，并且用栅格中心位置坐标指代该栅格坐标。
可以理解，通过所述双向索引关系，可以实现点云数据与全局栅格之间的相互查找。
示例性地，建立双向索引关系的方式包括首先增加栅格结构体变量的属性，包括栅格内点云数量、栅格序号、有效点数量、点序号等；之后通过遍历点云和坐标判断的方式，填充相应属性值，属性不为空的即为有效栅格。
在本申请的一个实施例中，所述判断模块330具体用于：判断所述全局栅格中的点云强度值是否满足过滤条件。
常用的车载激光雷达在水雾和扬尘上反射会形成的激光点云，这些激光点云的强度值(Intensity)都较低且分布均匀，介于1-10之间(正常的激光点云的Intensity范围为0-255)。与此同时，地面或其他障碍物的点云强度值相对较高(几十到一两百)，且分布不均匀。因此，如果针对水雾和扬尘的激光噪声点云，具有很明显的物理强度特征。从而可以通过点云强度值判断出由于水雾或扬尘造成的属于点云噪声的点云数据。
对于全局栅格中的点云数据，可以逐个判断点云数据的强度值或者强度平均值，可以满足过滤条件则可以过滤掉属于点云噪声的数据。
具体实施时，对于过滤条件即可以是介于1-10之间的激光点云的强度值。
在本申请的一个实施例中，所述过滤模块340具体用于：如果所述全局栅格中的点云强度值满足所述过滤条件，则删除所述点云强度值满足所述过滤条件时对应的栅格。
如果在全局栅格中的点云强度值满足了预设条件或者多个点云强度值满足了预设条件，则删除所述点云强度值满足所述过滤条件时对应的栅格。即根据双向索引关系确定的这个点云数据所在的那个栅格。
需要注意的是，还需要对全局栅格中满足点云强度值的点云数据的数量进行判断或者在全局栅格中的有效栅格进行筛选。
能够理解，上述点云处理装置，能够实现前述实施例中提供的点云处理方法的各个步骤，关于点云处理方法的相关阐释均适用于点云处理装置，此处不再赘述。
图4是本申请的一个实施例电子设备的结构示意图。请参考图4，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成点云处理装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
获取激光雷达在当前帧中的激光点云数据；
根据所述激光点云数据建立全局栅格，所述全局栅格与点云数据之间预先建立双向索引关系；
判断所述全局栅格中的点云强度值是否满足过滤条件；
如果所述全局栅格中的点云强度值满足所述过滤条件，则删除所述点云强度值满足所述过滤条件时对应的栅格。
上述如本申请图1所示实施例揭示的点云处理装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能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处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。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。结合本申请实施例所公开的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器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图1中点云处理装置执行的方法，并实现点云处理装置在图1所示实施例的功能，本申请实施例在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1所示实施例中点云处理装置执行的方法，并具体用于执行：
获取激光雷达在当前帧中的激光点云数据；
根据所述激光点云数据建立全局栅格，所述全局栅格与点云数据之间预先建立双向索引关系；
判断所述全局栅格中的点云强度值是否满足过滤条件；
如果所述全局栅格中的点云强度值满足所述过滤条件，则删除所述点云强度值满足所述过滤条件时对应的栅格。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商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、商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“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种点云处理方法，其中，所述方法包括：
获取激光雷达在当前帧中的激光点云数据；
根据所述激光点云数据建立全局栅格，所述全局栅格与点云数据之间预先建立双向索引关系；
判断所述全局栅格中的点云强度值是否满足过滤条件；
如果所述全局栅格中的点云强度值满足所述过滤条件，则删除所述点云强度值满足所述过滤条件时对应的栅格。
2.如权利要求1所述方法，其中，所述方法还包括：
如果所述全局栅格中的点云强度值不满足所述过滤条件，则保留所述点云强度值不满足所述过滤条件时对应的栅格，以继续对所述栅格中的点云进行聚类处理。
3.如权利要求1或2所述方法，其中，判断所述全局栅格中的点云强度值是否满足过滤条件，删除所述点云强度值满足所述过滤条件时对应的栅格，包括：
判断所述全局栅格中每个栅格的点云强度平均值以及每个栅格的点云标准差值是否均大于预设阈值；
如果判断所述全局栅格中每个栅格的点云强度平均值以及每个栅格的点云标准差值分别大于各自的预设阈值，则删除对应的栅格，所述对应的栅格包括水雾、扬尘的噪声点云数据。
4.如权利要求1所述方法，其中，所述根据所述激光点云数据建立全局栅格，所述全局栅格与点云数据之间预先建立双向索引关系，包括：
基于点云数据的BEV图像，在车体坐标系下将点云数据所在空间划分为等间隔大小的栅格，生成全局栅格并建立全局栅格与点云数据之间的双向索引。
5.如权利要求1所述方法，其中，所述根据所述激光点云数据建立全局栅格之后，还包括：
遍历所述全局栅格中的有效栅格；
根据所述有效栅格，遍历该栅格内的点云数据；
将所述点云数据添加到栅格点云数组，所述栅格点云数组包括点云的点云强度值。
6.如权利要求5所述方法，其中：
所述遍历所述全局栅格中的有效栅格，包括：
判断所述全局栅格中的x坐标横向以及y坐标纵向是否在预设有效范围内；
如果判断所述全局栅格中的x坐标以及y坐标在预设有效范围内，则得到有效栅格；
所述根据所述有效栅格，遍历该栅格内的点云数据，包括：
根据所述双向索引关系，获取所述有效栅格中的点云数据；
逐点判断点云在z坐标垂直方向是否大于最小门限阈值；
如果大于最小门限阈值，则作为目标点云条添加到栅格点云数组；
如果小于所述最小门限阈值，则删除该点云。
7.一种障碍物识别方法，采用如权利要求1至6任一项所述的点云处理方法对点云噪声进行过滤，所述障碍物识别方法包括：
根据所述点云噪声的过滤结果，识别行驶过程中的障碍物。
8.一种点云处理装置，其中，所述装置包括：
获取模块，用于获取激光雷达在当前帧中的激光点云数据；
建立模块，用于根据所述激光点云数据建立全局栅格，所述全局栅格与点云数据之间预先建立双向索引关系；
判断模块，用于判断所述全局栅格中的点云强度值是否满足过滤条件；
过滤模块，用于如果所述全局栅格中的点云强度值满足所述过滤条件，则删除所述点云强度值满足所述过滤条件时对应的栅格。
9.一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行所述权利要求1～7之任一所述方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行所述权利要求1～7之任一所述方法。
CN202310315304.6A 2023-03-24 2023-03-24 点云处理方法、装置及电子设备、存储介质 Pending CN116087992A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310315304.6A CN116087992A (zh) 2023-03-24 2023-03-24 点云处理方法、装置及电子设备、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310315304.6A CN116087992A (zh) 2023-03-24 2023-03-24 点云处理方法、装置及电子设备、存储介质

Publications (1)

Publication Number Publication Date
CN116087992A true CN116087992A (zh) 2023-05-09

Family

ID=86206755

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310315304.6A Pending CN116087992A (zh) 2023-03-24 2023-03-24 点云处理方法、装置及电子设备、存储介质

Country Status (1)

Country Link
CN (1) CN116087992A (zh)

Similar Documents

Publication Publication Date Title
CN110764108B (zh) 一种用于港口自动驾驶场景的障碍物检测方法及装置
CN116129376A (zh) 一种道路边缘检测方法和装置
CN109739230B (zh) 驾驶轨迹生成方法、装置及存储介质
US11367292B2 (en) Road marking detection
CN116485674A (zh) 激光点云数据的实时去噪方法、装置及电子设备、存储介质
US10275665B2 (en) Device and method for detecting a curbstone in an environment of a vehicle and system for curbstone control for a vehicle
CN114509045A (zh) 车轮区域高程检测方法和系统
CN114705121B (zh) 车辆位姿测量方法、装置及电子设备、存储介质
US11657572B2 (en) Systems and methods for map generation based on ray-casting and semantic class images
CN114495043B (zh) 基于双目视觉系统的上下坡路况检测方法、系统和智能终端
CN115205803A (zh) 自动驾驶环境感知方法、介质及车辆
CN110568454B (zh) 一种感知天气状况的方法及系统
CN115311646A (zh) 一种障碍物检测的方法及装置
CN116682091A (zh) 用于自动驾驶车辆的障碍物感知方法、装置
CN115164919A (zh) 基于双目相机的空间可行驶区域地图构建方法及装置
US20220171975A1 (en) Method for Determining a Semantic Free Space
US20220221585A1 (en) Systems and methods for monitoring lidar sensor health
CN116087992A (zh) 点云处理方法、装置及电子设备、存储介质
CN113705272A (zh) 可行驶区域检测方法、装置、设备及存储介质
CN116189122A (zh) 道路边界的识别方法及装置、存储介质、终端
CN115359332A (zh) 基于车路协同的数据融合方法、装置、电子设备及系统
CN114549764A (zh) 基于无人车的障碍物识别方法、装置、设备及存储介质
CN116740670A (zh) 一种障碍物分割识别方法与系统
CN111767761A (zh) 可移动设备的行驶区域的确定方法、确定装置及电子设备
CN116883973A (zh) 点云目标检测方法、装置、电子设备

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