CN116485674A - 激光点云数据的实时去噪方法、装置及电子设备、存储介质 - Google Patents
激光点云数据的实时去噪方法、装置及电子设备、存储介质 Download PDFInfo
- Publication number
- CN116485674A CN116485674A CN202310457362.2A CN202310457362A CN116485674A CN 116485674 A CN116485674 A CN 116485674A CN 202310457362 A CN202310457362 A CN 202310457362A CN 116485674 A CN116485674 A CN 116485674A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- noise
- denoising
- target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 238000001914 filtration Methods 0.000 claims abstract description 98
- 238000012887 quadratic function Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 12
- 230000008447 perception Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
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
-
- 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
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/42—Simultaneous measurement of distance and other co-ordinates
-
- 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
-
- 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
- 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
- G01S7/483—Details of pulse systems
- G01S7/486—Receivers
-
- 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
- G01S7/491—Details of non-pulse systems
- G01S7/4912—Receivers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
-
- 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)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本申请公开了一种激光点云数据的实时去噪方法、装置及电子设备、存储介质,所述方法包括获取目标激光雷达产生的激光点云数据,所述目标激光雷达安装在车辆上;对所述激光点云数据进行粗滤,得到第一去噪结果;根据第一去噪结果进行精滤,得到第二去噪结果以作为所述激光点云数据的去噪结果。通过本申请中的方法能够在特殊场景下降激光点云数据中的噪声实时滤除,保证车辆对环境的感知结果的稳定性。
Description
技术领域
本申请涉及自动驾驶技术领域,尤其涉及一种激光点云数据的实时去噪方法、装置及电子设备、存储介质。
背景技术
激光雷达也称光学雷达,是激光探测和测距系统的简称,通过发射和接收激光束,检测周围物体的距离和位置,从而实现对自动驾驶车辆周边环境的感知。
激光雷达具有测量精度高、响应速度快、抗干扰能力强等优点,可以提供高精度目标位置和轮廓信息,对目标分类和识别等任务具有很好的效果。然而在大雨、浓烟、大雾等恶劣天气时,激光雷达的探测精度会急速下降。影响自动驾驶车辆的感知结果。
发明内容
本申请实施例提供了一种激光点云数据的实时去噪方法、装置及电子设备、存储介质,以对特殊场景中的激光点云数据进行去噪,减少对感知结果的影响。
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激光点云数据的实时去噪方法,其中,所述方法包括:
获取目标激光雷达产生的激光点云数据,所述目标激光雷达安装在车辆上;
对所述激光点云数据进行粗滤,得到第一去噪结果;
根据第一去噪结果进行精滤,得到第二去噪结果以作为所述激光点云数据的去噪结果。
在一些实施例中,所述方法还包括:
预先标定所述目标激光雷达,并建立预设使用场景的工作模式,其中所述预设使用场景至少包括如下之一:雾、或雪、或雨的等恶劣天气场景。
在一些实施例中,对所述激光点云数据进行粗滤,得到第一去噪结果,包括:
当开启所述预设使用场景的工作模式后,在当前使用场景中设置第一目标噪声的滤除范围;
根据所述第一目标噪声的滤除范围和噪声反射强度的动态阈值,将所述第一目标噪声滤除后得到所述第一去噪结果。
在一些实施例中,根据第一去噪结果进行精滤,得到第二去噪结果以作为所述激光点云数据的去噪结果,包括:
根据所述第一去噪结果,确定第二目标噪声所在的区域;
通过预设高度动态阈值,将所述第二目标噪声所在的区域中的所述第二目标噪声滤除后得到所述第二去噪结果。
在一些实施例中,所述方法还包括:
将所述噪声反射强度的动态阈值设置为所述第一目标噪声距离所述目标激光雷达的距离的二次函数并拟合;
基于拟合结果,将点云强度值小于噪声反射强度的动态阈值的点作为噪声删除。
在一些实施例中,所述根据第一去噪结果进行精滤,得到第二去噪结果以作为所述激光点云数据的去噪结果,包括:
将所述第一去噪结果中的点云数据在XOY平面内按照x范围和y范围划分得到多个栅格;
计算每个栅格中的噪点个数;
如果所述噪点个数超过预设比例值,则根据所述当前栅格内的噪点的高度排序结果,对当前栅格对应的区域进行精滤。
在一些实施例中,获取目标激光雷达产生的激光点云数据,包括:
获取旋转机械式激光雷达每一帧产生的所述激光点云数据;
所述激光点云数据的去噪结果,包括:
滤除所述旋转机械式激光雷达每一帧产生的所述激光点云数据的点云噪声。
第二方面,本申请实施例还提供一种大雾场景中的点云检测方法,其中,所述点云检测方法包括:
采用第一方面中所述的激光点云数据的去噪方法,将大雾场景中的噪声滤除;
基于所述大雾场景中的噪声滤除的结果,得到目标点云数据的感知结果。
第三方面,本申请实施例还提供一种激光点云数据的实时去噪装置,其中,所述装置包括:
获取模块,用于获取目标激光雷达产生的激光点云数据,所述目标激光雷达安装在车辆上;
第一去噪模块,用于对所述激光点云数据进行粗滤,得到第一去噪结果;
第二去噪模块,用于根据第一去噪结果进行精滤,得到第二去噪结果以作为所述激光点云数据的去噪结果。
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:对于特殊场景(大雾天气),先获取目标激光雷达产生的激光点云数据,再对所述激光点云数据进行粗滤,得到第一去噪结果,之后根据第一去噪结果进行精滤,得到第二去噪结果以作为所述激光点云数据的去噪结果。基于安装在车辆上的目标激光雷达中获取每一帧激光点云数据都会实时进行二重去噪之后用以障碍物等目标感知,从而保证车辆对环境的感知结果的稳定性。
此外,由于去除了噪点,也减少了对目标误检的概率。
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为本申请实施例中激光点云数据的实时去噪方法流程示意图;
图2为本申请实施例中具有噪点场景的一帧点云数据分布示意图;
图3为本申请实施例中经过粗滤之后的效果图;
图4为本申请实施例中残余的噪点局部放大示意图(箭头示出);
图5为本申请实施例中经过精滤过后的效果图;
图6为本申请实施例中激光点云数据的实时去噪装置结构示意图;
图7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。
激光雷达主要由激光发射器、接收器、扫描器、透镜天线和信号处理电路等部分组成,按照扫描方式分,激光雷达可以被分为MEMS型激光雷达、Flash型激光雷达、相控阵激光雷达以及机械旋转式激光雷达等,为了确保方案的适用性,本申请实施例中激光点云数据的获取均采用机械旋转式激光雷达。
此外,激光雷达还可以提供高分辨率的地图,使车辆可以实现高精度的定位和路径规划,此外激光雷达具有较大的视野范围,可以检测多个角度的目标。在复杂的环境下,激光雷达也可以提供更为精准的目标位置信息,使自动驾驶汽车可以避免碰撞。
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激光点云数据的实时去噪方法,如图1所示,提供了本申请实施例中激光点云数据的实时去噪方法流程示意图,所述方法至少包括如下的步骤S110至步骤S140:
步骤S110,获取目标激光雷达产生的激光点云数据,所述目标激光雷达安装在车辆上。
所述目标激光雷达包括多个,分别部署在车辆上。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。以采用机械旋转式激光雷达为例,实时获取目标激光雷达产生的激光点云数据。并且由于机械旋转式激光雷达属于环视感知,可近似在具有各线束方向上具有各向同性,即在不考虑正负方向的情况下,激光雷达扫描得到的激光点云数据在同一个方向上的成像距离相同。
步骤S120,对所述激光点云数据进行粗滤,得到第一去噪结果。
对所述激光点云数据进行粗滤,主要是将预设范围内的绝大部分属于噪声的点云滤除。在对所述激光点云数据进行粗滤的过程中,因为近处目标反射强度明显高于预设场景(比如大雾天气)中的噪点,所以可以基于强度来进行滤除。换而言之,预设场景中的反射强度较低,可以设置阈值进行滤除。
可以理解,所述目标激光雷达可以具备对于预设场景的滤除噪点的能力,或者可以根据预设场景进行开启或关闭。
所述第一去噪结果中是经过初过滤之后得到的被滤除噪点之后的处理结果。此时在所述第一去噪结果仍然残留有少量噪点。对于这些少量噪点,可以通过遍历栅格的方式确定其中噪声较多的区域或网络,从而进行精滤。
需要注意的是,在此步骤中的实现难点在于:如何区分感知目标与噪声。因为近处目标的反射信号强度明显高于大雾场景中的噪点的反射信号强度,所以可以基于信号强度来进行滤除。经过试验研究,反射信号强度与激光雷达接收的能量是二次函数关系,且随着距离变长而进行衰减,从而可分辨出噪声和实际目标的距离得到对应的感知目标或噪声。通常,感知目标的反射信号强度大于噪声的反射信号强度,故可以用激光雷达接收的能量来区分噪声或是感知目标。
步骤S130,根据第一去噪结果进行精滤,得到第二去噪结果以作为所述激光点云数据的去噪结果。
根据上一个步骤中得到的第一去噪结果再进行精滤,在经过精滤之后得到第二去噪结果,此时在得到的第二去噪结果中已没有残留的噪点,并可作为所述激光点云数据的去噪结果。
需要注意的是,在此步骤中的实现难点在于:如何确定哪个点云数据所在区域中的噪点较多。具体实施时,通过将当前帧的激光点云数据划分为大小相同的栅格,然后遍历每个栅格得到需要再次滤除的栅格所在区域。
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。通过上述步骤可以对每一帧的处理得到毫秒级别,所以可以很好的满足实时性的要求。
通过上述两重滤除激光点云噪声的方式,可以使得在大雨、浓烟、大雾等恶劣天气时,激光雷达仍然保持较好的探测精度。同时,即使在粗滤时有遗留的噪点,在精滤时也可以准确地进行滤除。
通过上述方法,区别于相关技术中在激光雷达遇到大雾等场景时感知精度受到影响的情况,本申请实施例中的方法采用粗滤和精滤的方式,将每一帧的激光雷达数据进行噪点的去除,同时由于响应在毫秒级别从而能够满足实时性的要求。
通过上述方法,可以在大雾等场景时在激光雷达主动开启噪点去除模式,从而提高或保持激光雷达在大雾等场景中的感知精度。
在本申请的一个实施例中,所述方法还包括:预先标定所述目标激光雷达,并建立预设使用场景的工作模式,其中所述预设使用场景至少包括如下之一:雾或雪或雨等恶劣天气场景。
安装在车辆上的目标激光雷达需要经过预先标定,之后建立预设使用场景的工作模式,可以理解这些预设使用场景的工作模式可以是通过软件程序实现,并且根据不同目标激光雷达的类型进行适配。
在本申请的一个实施例中,对所述激光点云数据进行粗滤,得到第一去噪结果,包括:当开启所述预设使用场景的工作模式后,在当前使用场景中设置第一目标噪声的滤除范围;根据所述第一目标噪声的滤除范围和噪声反射强度的动态阈值,将所述第一目标噪声滤除后得到所述第一去噪结果。
经过一帧扫描后,激光雷达采集得到的激光点云数据如图2所示。开启所述预设使用场景的工作模式后,对当前使用场景中设置第一目标噪声的滤除范围,比如对于设定雾天噪声范围,根据经验其范围基本都在0-10m左右的范围内,故可设定滤除范围为0-15m。这样保证初步滤除时将可能存在的噪点都涵盖到。
进一步地,根据所述第一目标噪声的滤除范围和噪声反射强度的动态阈值的两者关系,将所述第一目标噪声滤除后得到所述第一去噪结果。这样以来可以滤除大部分的噪点。
示例性地,在进行粗滤的过程中,依据反射强度的动态阈值滤除大部分噪声。因为近处目标反射强度明显高于大雾场景中的噪点,所以可以基于强度来进行滤除。
经过试验研究发现,激光雷达中的反射信号强度随距离关系如下:
其中ρ为系数,Ti为各种材料的透过率,r为距离,Q接收为接收的能量。因为不同激光雷达服务商提供的激光雷达的点云Intensity(强度)与接收能量的关系各不相同,所以可以将二者当作是线性关系,因此将噪声的动态阈值设计为距离的二次函数来进行拟合,将小于阈值的点认为是噪点并删除。
对于二次函数y=ax2+bx+c,接收能量与距离是二次函数的关系,由于机械旋转式激光雷达近似具有各向同性,所有奇次项系数设为0,故得到y=a·x2+c,其中a和c为系数(根据激光雷达信号不同得到的经验值),x为距离雷达的距离,y为反射强度的阈值。
机械旋转式激光雷达采集的点云数据具有对称的关系,当机械旋转式激光雷达安装到车辆上后对于车体坐标系中的前后左右环视的各个反方向也有对应距离关系,也即反射强度只跟距离有关与正负无关,所以奇数项为零,平方项不为零。
经过粗滤之后的效果,黑色点为判为噪点。如图3所示。
在本申请的一个实施例中,根据第一去噪结果进行精滤,得到第二去噪结果以作为所述激光点云数据的去噪结果,包括:根据所述第一去噪结果,确定第二目标噪声所在的区域;通过预设高度动态阈值,将所述第二目标噪声所在的区域中的所述第二目标噪声滤除后得到所述第二去噪结果。
如图4所示,是第一去噪结果中残留的噪点。箭头指出的部分。
在所述第一去噪结果中确定第二目标噪声所在的区域,通过预设高度动态阈值可以用来区分不同的噪点。
可以理解,激光点云成像结果在二维平面点云,作为点云BEV(Bird's Eye View)视图,点云BEV视图是指点云在垂直于高度方向的平面上的投影。
在本申请的一个实施例中,所述方法还包括:将所述噪声反射强度的动态阈值设置为所述第一目标噪声距离所述目标激光雷达的距离的二次函数并拟合;基于拟合结果,将点云强度值小于噪声反射强度的动态阈值的点作为噪声删除。
基于上述得到的y=a·x2+c,其中a和c为系数,x为距离雷达的距离,y为反射强度的阈值。可以对结果二次函数进行拟合处理,之后根据拟合结果将点云强度值小于噪声反射强度的动态阈值的点作为噪声删除。
通过上述方式,借助二次函数的拟合结果,可以确定不同强度的点云与距离阈值范围的关系,并作为噪声进行滤除。
在本申请的一个实施例中,所述根据第一去噪结果进行精滤,得到第二去噪结果以作为所述激光点云数据的去噪结果,包括:将所述第一去噪结果中的点云数据在XOY平面内按照x范围和y范围划分得到多个栅格;计算每个栅格中的噪点个数;如果所述噪点个数超过预设比例值,则根据所述当前栅格内的噪点的高度排序结果,对当前栅格对应的区域进行精滤。
对噪声较多的区域中设定高度动态阈值,滤除残余的噪点,这些都是稀疏的高反射率的点。如果判断噪声较少则不需要精滤,找噪声多的地方会有有残留的噪声。
示例性地,对x范围y范围内分栅格处理,对于每个栅格,计算栅格内噪点的个数,如果占比超过一定比例,则说明该栅格中包含较多的噪声,需要进行后续的处理。处理方式是将栅格内点按照高度排序,将高度处于某比例前的点进行删除。比如,如果将前10%比例的噪点滤,剩下的目标的点比较多。经过精滤之后得到如图5所示的效果示意图。
在本申请的一个实施例中,获取目标激光雷达产生的激光点云数据,包括:获取旋转机械式激光雷达每一帧产生的所述激光点云数据;所述激光点云数据的去噪结果,包括:滤除所述旋转机械式激光雷达每一帧产生的所述激光点云数据的点云噪声。
对于旋转机械式激光雷达,获取每一帧产生的所述激光点云数据,之后实时滤除所述旋转机械式激光雷达每一帧产生的所述激光点云数据的点云噪声。由于每一帧的计算量在毫秒级别,且计算精度较高,故可以实时得到滤除后的结果。
在本申请的实施例中,还提供了一种大雾场景中的点云检测方法,其中,所述点云检测方法包括:
采用所述的激光点云数据的去噪方法,将大雾场景中的噪声滤除;
基于所述大雾场景中的噪声滤除的结果,得到目标点云数据的感知结果。
所述激光点云数据的实时去噪方法包括:
获取目标激光雷达产生的激光点云数据,所述目标激光雷达安装在车辆上;
对所述激光点云数据进行粗滤,得到第一去噪结果;
根据第一去噪结果进行精滤,得到第二去噪结果以作为所述激光点云数据的去噪结果。
具体实施时,所述方法还包括:
预先标定所述目标激光雷达,并建立预设使用场景的工作模式,其中所述预设使用场景至少包括如下之一:雾或雪或雨等恶劣天气场景。
对所述激光点云数据进行粗滤,得到第一去噪结果,包括:
当开启所述预设使用场景的工作模式后,在当前使用场景中设置第一目标噪声的滤除范围;
根据所述第一目标噪声的滤除范围和噪声反射强度的动态阈值,将所述第一目标噪声滤除后得到所述第一去噪结果。
根据第一去噪结果进行精滤,得到第二去噪结果以作为所述激光点云数据的去噪结果,包括:
根据所述第一去噪结果,确定第二目标噪声所在的区域;
通过预设高度动态阈值,将所述第二目标噪声所在的区域中的所述第二目标噪声滤除后得到所述第二去噪结果。
所述方法还包括:
将所述噪声反射强度的动态阈值设置为所述第一目标噪声距离所述目标激光雷达的距离的二次函数并拟合;
基于拟合结果,将点云强度值小于噪声反射强度的动态阈值的点作为噪声删除。
所述根据第一去噪结果进行精滤,得到第二去噪结果以作为所述激光点云数据的去噪结果,包括:
将所述第一去噪结果中的点云数据在XOY平面内按照x范围和y范围划分得到多个栅格;
计算每个栅格中的噪点个数;
如果所述噪点个数超过预设比例值,则根据所述当前栅格内的噪点的高度排序结果,对当前栅格对应的区域进行精滤。
本申请实施例还提供了激光点云数据的实时去噪装置600,如图6所示,提供了本申请实施例中激光点云数据的实时去噪装置的结构示意图,所述激光点云数据的实时去噪装置600至少包括:获取模块610、第一去噪模块620、第二去噪模块630,其中:
在本申请的一个实施例中,所述获取模块610具体用于:获取目标激光雷达产生的激光点云数据,所述目标激光雷达安装在车辆上。
所述目标激光雷达包括多个,分别部署在车辆上。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。以采用机械旋转式激光雷达为例,实时获取目标激光雷达产生的激光点云数据。并且由于机械旋转式激光雷达属于环视感知,可近似在具有各线束方向上具有各向同性,即在不考虑正负方向的情况下,激光雷达扫描得到的激光点云数据在同一个方向上的成像距离相同。
在本申请的一个实施例中,所述第一去噪模块620具体用于:对所述激光点云数据进行粗滤,得到第一去噪结果。
对所述激光点云数据进行粗滤,主要是将预设范围内的绝大部分属于噪声的点云滤除。在对所述激光点云数据进行粗滤的过程中,因为近处目标反射强度明显高于预设场景(比如大雾天气)中的噪点,所以可以基于强度来进行滤除。换而言之,预设场景中的反射强度较低,可以设置阈值进行滤除。
可以理解,所述目标激光雷达可以具备对于预设场景的滤除噪点的能力,或者可以根据预设场景进行开启或关闭。
所述第一去噪结果中是经过初过滤之后得到的被滤除噪点之后的处理结果。此时在所述第一去噪结果仍然残留有少量噪点。对于这些少量噪点,可以通过遍历栅格的方式确定其中噪声较多的区域或网络,从而进行精滤。
需要注意的是,在此步骤中的实现难点在于:如何区分感知目标与噪声。经过试验研究,反射信号强度与激光雷达接收的能量是二次函数关系,且随着距离变长而进行衰减,从而可分辨出噪声和实际目标的距离得到对应的感知目标或噪声。
在本申请的一个实施例中,所述第二去噪模块630具体用于:根据第一去噪结果进行精滤,得到第二去噪结果以作为所述激光点云数据的去噪结果。
根据上一个步骤中得到的第一去噪结果再进行精滤,在经过精滤之后得到第二去噪结果,此时在得到的第二去噪结果中已没有残留的噪点,并可作为所述激光点云数据的去噪结果。
需要注意的是,在此步骤中的实现难点在于:如何确定哪个点云数据所在区域中的噪点较多。具体实施时,通过将当前帧的激光点云数据划分为大小相同的栅格,然后遍历每个栅格得到需要再次滤除的栅格所在区域。
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。通过上述步骤可以对每一帧的处理得到毫秒级别,所以可以很好的满足实时性的要求。
能够理解,上述激光点云数据的实时去噪装置,能够实现前述实施例中提供的激光点云数据的实时去噪方法的各个步骤,关于激光点云数据的实时去噪方法的相关阐释均适用于激光点云数据的实时去噪装置,此处不再赘述。
图7是本申请的一个实施例电子设备的结构示意图。请参考图7,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7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,在逻辑层面上形成激光点云数据的实时去噪装置。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:
获取目标激光雷达产生的激光点云数据,所述目标激光雷达安装在车辆上;
对所述激光点云数据进行粗滤,得到第一去噪结果;
根据第一去噪结果进行精滤,得到第二去噪结果以作为所述激光点云数据的去噪结果。
上述如本申请图1所示实施例揭示的激光点云数据的实时去噪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(CentralProcessing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific IntegratedCircuit,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中激光点云数据的实时去噪装置执行的方法,并实现激光点云数据的实时去噪装置在图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所示实施例中激光点云数据的实时去噪装置执行的方法,并具体用于执行:
获取目标激光雷达产生的激光点云数据,所述目标激光雷达安装在车辆上;
对所述激光点云数据进行粗滤,得到第一去噪结果;
根据第一去噪结果进行精滤,得到第二去噪结果以作为所述激光点云数据的去噪结果。
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 (11)
1.一种激光点云数据的实时去噪方法,其中,所述方法包括:
获取目标激光雷达产生的激光点云数据,所述目标激光雷达安装在车辆上;
对所述激光点云数据进行粗滤,得到第一去噪结果;
根据第一去噪结果进行精滤,得到第二去噪结果以作为所述激光点云数据的去噪结果。
2.如权利要求1所述方法,其中,所述方法还包括:
预先标定所述目标激光雷达,并建立预设使用场景的工作模式,其中所述预设使用场景至少包括如下之一:雾或雪或雨等恶劣天气场景。
3.如权利要求2所述方法,其中,对所述激光点云数据进行粗滤,得到第一去噪结果,包括:
当开启所述预设使用场景的工作模式后,在当前使用场景中设置第一目标噪声的滤除范围;
根据所述第一目标噪声的滤除范围和噪声反射强度的动态阈值,将所述第一目标噪声滤除后得到所述第一去噪结果。
4.如权利要求2所述方法,其中,根据第一去噪结果进行精滤,得到第二去噪结果以作为所述激光点云数据的去噪结果,包括:
根据所述第一去噪结果,确定第二目标噪声所在的区域;
通过预设高度动态阈值,将所述第二目标噪声所在的区域中的所述第二目标噪声滤除后得到所述第二去噪结果。
5.如权利要求3所述方法,其中,所述方法还包括:
将所述噪声反射强度的动态阈值设置为所述第一目标噪声距离所述目标激光雷达的距离的二次函数并拟合;
基于拟合结果,将点云强度值小于噪声反射强度的动态阈值的点作为噪声删除。
6.如权利要求4所述方法,其中,所述根据第一去噪结果进行精滤,得到第二去噪结果以作为所述激光点云数据的去噪结果,包括:
将所述第一去噪结果中的点云数据在XOY平面内按照x范围和y范围划分得到多个栅格;
计算每个栅格中的噪点个数;
如果所述噪点个数超过预设比例值,则根据所述当前栅格内的噪点的高度排序结果,对当前栅格对应的区域进行精滤。
7.如权利要求1所述方法,其中:
获取目标激光雷达产生的激光点云数据,包括:
获取旋转机械式激光雷达每一帧产生的所述激光点云数据;
所述激光点云数据的去噪结果,包括:
滤除所述旋转机械式激光雷达每一帧产生的所述激光点云数据的点云噪声。
8.一种大雾场景中的点云检测方法,其中,所述点云检测方法包括:
采用如权利要求1至6任一项所述的激光点云数据的去噪方法,将大雾场景中的噪声滤除;
基于所述大雾场景中的噪声滤除的结果,得到目标点云数据的感知结果。
9.一种激光点云数据的实时去噪装置,其中,所述装置包括:
获取模块,用于获取目标激光雷达产生的激光点云数据,所述目标激光雷达安装在车辆上;
第一去噪模块,用于对所述激光点云数据进行粗滤,得到第一去噪结果;
第二去噪模块,用于根据第一去噪结果进行精滤,得到第二去噪结果以作为所述激光点云数据的去噪结果。
10.一种电子设备,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。
11.一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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310457362.2A CN116485674A (zh) | 2023-04-24 | 2023-04-24 | 激光点云数据的实时去噪方法、装置及电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310457362.2A CN116485674A (zh) | 2023-04-24 | 2023-04-24 | 激光点云数据的实时去噪方法、装置及电子设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116485674A true CN116485674A (zh) | 2023-07-25 |
Family
ID=87226515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310457362.2A Pending CN116485674A (zh) | 2023-04-24 | 2023-04-24 | 激光点云数据的实时去噪方法、装置及电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116485674A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117392000A (zh) * | 2023-12-08 | 2024-01-12 | 吉咖智能机器人有限公司 | 一种噪点去除方法、装置、电子设备及存储介质 |
CN117523532A (zh) * | 2023-11-29 | 2024-02-06 | 北京斯年智驾科技有限公司 | 一种杂草点云滤除方法、系统和存储介质 |
CN117830140A (zh) * | 2024-03-04 | 2024-04-05 | 厦门中科星晨科技有限公司 | 无人驾驶控制系统用雾天点云的去噪方法及装置 |
CN117893412A (zh) * | 2024-03-15 | 2024-04-16 | 北京理工大学 | 一种点云数据滤除方法、装置、设备及存储介质 |
CN117934324A (zh) * | 2024-03-25 | 2024-04-26 | 广东电网有限责任公司中山供电局 | 激光点云数据的去噪方法、装置和雷达扫描装置 |
-
2023
- 2023-04-24 CN CN202310457362.2A patent/CN116485674A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117523532A (zh) * | 2023-11-29 | 2024-02-06 | 北京斯年智驾科技有限公司 | 一种杂草点云滤除方法、系统和存储介质 |
CN117523532B (zh) * | 2023-11-29 | 2024-06-04 | 北京斯年智驾科技有限公司 | 一种杂草点云滤除方法、系统和存储介质 |
CN117392000A (zh) * | 2023-12-08 | 2024-01-12 | 吉咖智能机器人有限公司 | 一种噪点去除方法、装置、电子设备及存储介质 |
CN117392000B (zh) * | 2023-12-08 | 2024-03-08 | 吉咖智能机器人有限公司 | 一种噪点去除方法、装置、电子设备及存储介质 |
CN117830140A (zh) * | 2024-03-04 | 2024-04-05 | 厦门中科星晨科技有限公司 | 无人驾驶控制系统用雾天点云的去噪方法及装置 |
CN117830140B (zh) * | 2024-03-04 | 2024-05-10 | 厦门中科星晨科技有限公司 | 无人驾驶控制系统用雾天点云的去噪方法及装置 |
CN117893412A (zh) * | 2024-03-15 | 2024-04-16 | 北京理工大学 | 一种点云数据滤除方法、装置、设备及存储介质 |
CN117893412B (zh) * | 2024-03-15 | 2024-06-11 | 北京理工大学 | 一种点云数据滤除方法、装置、设备及存储介质 |
CN117934324A (zh) * | 2024-03-25 | 2024-04-26 | 广东电网有限责任公司中山供电局 | 激光点云数据的去噪方法、装置和雷达扫描装置 |
CN117934324B (zh) * | 2024-03-25 | 2024-06-11 | 广东电网有限责任公司中山供电局 | 激光点云数据的去噪方法、装置和雷达扫描装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN111712731B (zh) | 目标检测方法、系统及可移动平台 | |
CN109766404B (zh) | 点云处理方法、装置及计算机可读存储介质 | |
CN108028023B (zh) | 信息处理装置、信息处理方法和计算机可读存储介质 | |
CN112513679B (zh) | 一种目标识别的方法和装置 | |
US11367292B2 (en) | Road marking detection | |
US11393126B2 (en) | Method and apparatus for calibrating the extrinsic parameter of an image sensor | |
CN109849930B (zh) | 自动驾驶汽车的相邻车辆的速度计算方法和装置 | |
CN110799989A (zh) | 一种障碍物检测方法、设备、可移动平台及存储介质 | |
US20220276360A1 (en) | Calibration method and apparatus for sensor, and calibration system | |
CN111860295A (zh) | 基于无人车的障碍物检测方法、装置、设备以及存储介质 | |
CN112230241B (zh) | 基于随机扫描型雷达的标定方法 | |
CN112083441A (zh) | 激光雷达和毫米波雷达深度融合的障碍物检测方法及系统 | |
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 | |
WO2020196513A1 (ja) | 物体検出装置 | |
CN114509045A (zh) | 车轮区域高程检测方法和系统 | |
CN115755097A (zh) | 天气情况检测方法、装置、设备及存储介质 | |
WO2021102676A1 (zh) | 物体状态获取方法、可移动平台及存储介质 | |
CN113158864B (zh) | 卡车车头与挂车之间的夹角的确定方法与确定装置 | |
CN114219770A (zh) | 地面检测方法、装置、电子设备及存储介质 | |
CN113734176A (zh) | 智能驾驶车辆的环境感知系统、方法、车辆及存储介质 | |
Vasile et al. | Advanced coincidence processing of 3D laser radar data | |
CN113034539A (zh) | 一种确定点云的边界框的方法及装置 | |
CN113075709A (zh) | 车载卫星导航方法、装置、存储介质及处理器 | |
JP7064400B2 (ja) | 物体検知装置 |
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 |