CN116740361A - 一种点云分割方法、装置、存储介质及电子设备 - Google Patents
一种点云分割方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN116740361A CN116740361A CN202311010087.6A CN202311010087A CN116740361A CN 116740361 A CN116740361 A CN 116740361A CN 202311010087 A CN202311010087 A CN 202311010087A CN 116740361 A CN116740361 A CN 116740361A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- plane
- point
- determining
- cloud plane
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000011218 segmentation Effects 0.000 title claims abstract description 58
- 239000013598 vector Substances 0.000 claims abstract description 54
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000006872 improvement Effects 0.000 description 8
- 239000004973 liquid crystal related substance Substances 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- 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
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
Abstract
本说明书公开了一种点云分割方法、装置、存储介质及电子设备。该方法包括：根据待测点以及位于待测点第一邻域内的其他点，确定若干个候选点云平面，针对每个候选点云平面，确定与该候选点云平面之间的距离小于预设距离阈值的点的数量，作为参考点数量；根据每个候选点云平面对应的参考点数量，确定出初始点云平面；针对位于待测点预设第二邻域内的每个点，根据该点与初始点云平面之间的距离，以及与初始点云平面的法向量之间的夹角，确定该点与初始点云平面是否位于同一平面区域；若是，则根据该点对初始点云平面进行扩展，得到目标点云平面；根据每个目标点云平面进行点云分割，并根据点云分割结果执行任务。
Description
技术领域
本说明书涉及无人驾驶技术领域，尤其涉及一种点云分割方法、装置、存储介质及电子设备。
背景技术
点云分割作为立体视觉研究的基础，广泛应用于自动驾驶、飞行器自主导航以及智能机器人等无人驾驶领域。其中，点云分割的关键在于平面分割，在复杂的点云环境中通常充斥着多个方向、面积、以及曲率的平面，将不同的平面高效、鲁棒地从点云中分割出来将为地面检测、墙面检测等平面检测功能提供重要依据和基础，从而保证了无人驾驶设备的行驶安全。
然而，目前对点云中的平面进行分割的技术并不成熟，无法将不同的平面准确的进行分割，精确度较低，难以根据分割结果对无人驾驶设备的行驶路径进行准确的规划，保证无人驾驶设备的安全行驶。
因此，如何对点云数据进行准确的平面分割，提高执行路径规划任务的准确性，保证无人驾驶设备的行驶安全，是一个亟待解决的问题。
发明内容
本说明书提供一种点云分割方法、装置、存储介质及电子设备，以部分的解决现有技术存在的上述问题。
本说明书采用下述技术方案：
本说明书提供了一种点云分割方法，包括：
获取点云数据，并在所述点云数据中确定出待测点；
根据所述待测点以及位于所述待测点预设第一邻域内的其他点，确定若干个点云平面，作为各候选点云平面；
针对每个候选点云平面，在所述点云数据中确定出与该候选点云平面之间的距离小于预设距离阈值的点的数量，作为该候选点云平面对应的参考点数量；
根据每个候选点云平面对应的参考点数量，在所述各候选点云平面中确定出初始点云平面；
针对位于所述待测点预设第二邻域内的每个点，根据该点与所述初始点云平面之间的距离，以及该点的法向量与所述初始点云平面的法向量之间的夹角，确定该点与所述初始点云平面是否位于同一平面区域；
若是，则根据该点对所述初始点云平面进行扩展，得到目标点云平面；
根据由所述点云数据中的每个待测点所确定出的目标点云平面，对所述点云数据进行点云分割，并根据点云分割结果执行任务。
可选地，获取点云数据，并在所述点云数据中确定出待测点，具体包括：
确定所述点云数据中的每个点所对应的法向量以及曲率；
按照所述曲率由小到大的顺序，对各点进行排序；
从排序后的各点中确定出所述待测点。
可选地，从排序后的各点中确定出所述待测点，具体包括：
确定所述排序后的各点对应的平面标签；
按照每个点对应的排序，将平面标签为初始标签的点作为待测点，所述初始标签表示点未被用于确定任何平面。
可选地，根据每个候选点云平面对应的参考点数量，在所述各候选点云平面中确定出初始点云平面，具体包括：
根据每个候选点云平面对应的参考点数量，在所述各候选点云平面中确定出初始点云平面，并将所述第一邻域中除所述待测点外的其他点所对应的平面标签更新为所述初始点云平面所对应的唯一平面标签。
可选地，在根据每个候选点云平面对应的参考点数量，在所述各候选点云平面中确定出初始点云平面之前，所述方法还包括：
确定所述第一邻域内的点数量，作为比对点数量；
根据每个候选点云平面对应的参考点数量，在所述各候选点云平面中确定出初始点云平面，具体包括：
针对每个候选点云平面，根据该候选点云平面对应的参考点数量与所述比对点数量，确定该候选点云平面对应的内点比例；
将内点比例最大的候选点云平面作为所述初始点云平面。
可选地，根据由所述点云数据中的每个待测点所确定出的目标点云平面，对所述点云数据进行点云分割，具体包括：
针对每个目标点云平面，确定该目标点云平面的面积是否大于预设面积；
若是，在该目标点云平面中重新确定出若干个点云平面；
根据重新确定出的每个点云平面所对应的参考点数量，对该目标点云平面进行更新，得到更新后点云平面；
根据每个更新后点云平面以及未被更新的目标点云平面，对所述点云数据进行点云分割。
可选地，所述方法还包括：
针对每个更新后点云平面，确定该更新后点云平面所对应的法向量与期望法向量之间的夹角是否大于给定阈值，若是，将该更新后点云平面进行删除。
本说明书提供了一种点云分割装置，包括：
获取模块，获取点云数据，并在所述点云数据中确定出待测点；
第一确定模块，根据所述待测点以及位于所述待测点预设第一邻域内的其他点，确定若干个点云平面，作为各候选点云平面；
第二确定模块，针对每个候选点云平面，在所述点云数据中确定出与该候选点云平面之间的距离小于预设距离阈值的点的数量，作为该候选点云平面对应的参考点数量；
第三确定模块，根据每个候选点云平面对应的参考点数量，在所述各候选点云平面中确定出初始点云平面；
第四确定模块，针对位于所述待测点预设第二邻域内的每个点，根据该点与所述初始点云平面之间的距离，以及该点的法向量与所述初始点云平面的法向量之间的夹角，确定该点与所述初始点云平面是否位于同一平面区域；
扩展模块，若是，则根据该点对所述初始点云平面进行扩展，得到目标点云平面；
分割模块，根据由所述点云数据中的每个待测点所确定出的目标点云平面，对所述点云数据进行点云分割，并根据点云分割结果执行任务。
本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述点云分割方法。
本说明书提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述点云分割方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果：
在本说明书提供的点云分割方法中，根据待测点以及位于待测点第一邻域内的其他点，确定若干个候选点云平面，针对每个候选点云平面，确定与该候选点云平面之间的距离小于预设距离阈值的点的数量，作为参考点数量；根据每个候选点云平面对应的参考点数量，确定出初始点云平面；针对位于待测点预设第二邻域内的每个点，根据该点与初始点云平面之间的距离，以及与初始点云平面的法向量之间的夹角，确定该点与初始点云平面是否位于同一平面区域；若是，则根据该点对初始点云平面进行扩展，得到目标点云平面；根据每个目标点云平面进行点云分割。
从上述方法可以看出，本方案在确定点云平面的过程中，服务器可以基于与候选点云平面之间的距离小于预设距离阈值的点的数量从若干个候选点云平面中确定出最为符合条件的初始点云平面，而后再进一步根据满足要求的其他点对该初始点云平面进行扩展，由小到大的平面确定方式可以实现对不同的点云平面进行精准、有效的分割，提高了点云平面分割的精度，保证后续执行路径规划任务的准确性，进一步保证了无人驾驶设备的行驶安全。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：
图1为本说明书中提供的一种点云分割方法的流程示意图；
图2为本说明书提供的一种点云分割装置的示意图；
图3为本说明书提供的一种对应于图1的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都属于本说明书保护的范围。
以下结合附图，详细说明本说明书各实施例提供的技术方案。
图1为本说明书中提供的一种点云分割方法的流程示意图，包括以下步骤：
S101：获取点云数据，并在所述点云数据中确定出待测点。
在诸如无人车、无人机、智能机器人等无人驾驶设备的行驶过程中，通常需要通过自身装载的传感器（如雷达）对周围障碍物的点云数据进行采集，从而根据采集到的点云数据集来对行驶路径上的平面进行分割，进而根据分割出的平面（如路面）对无人驾驶设备的行驶路径进行规划。
然而，点云的平面拟合往往只能针对单一的平面，在点云环境复杂并且同时存在多个平面及曲面的情况下难以将几个平面有效分割。
基于此，本说明书提供了一种点云分割方法，可根据每个点对应的法向量、曲率以及邻域面积等将点云分割为多个平面，而后对分割出的平面进行区域增长，保证平面分割的准确性，进而准确的执行对无人驾驶设备的路径规划任务。
在本说明书中，用于实现点云分割方法的执行主体可以是指服务器等指定设备，当然，也可以是无人驾驶设备的终端，为了便于描述，本说明书仅以服务器作为执行主体为例，对本说明书提供的一种点云分割方法进行说明。
服务器可以获取点云数据，该点云数据可以是无人驾驶设备通过诸如雷达等传感器采集到的点云集合，该点云数据可以表示为：
}
其中，表示点云数据对应的数据集合，/>表示其中的每个点，对于任意一个点，该点可以表示为：
表示该点云数据中点/>对应的三维坐标，/>为预设转置。
此外，服务器还可以获取每个点对应的法向量以及曲率，各点对应法向量的集合可以表示为：
其中，表示各点对应法向量的集合，/>表示各点对应的法向量，针对任意一个点的法向量/>，该法向量可以表示为：
表示预设向量参数。
各点对应曲率的集合可以表示为：
其中，表示各点对应曲率的集合，/>表示各点对应的曲率。
在本说明书中，每个点及其对应的曲率和法向量之间一一对应，服务器可以根据各点及其指定范围内的其他点对每个点的曲率和法向量进行预估。
进一步的，服务器可以按照每个点对应曲率由小到大的顺序，对各点以及各点对应的法向量进行排序，得到重排序后的点云数据S4，法向量集合V4，曲率集合C4，三个集合中的元素一一对应。
在本说明书中，点云数据中的每一个点都对应一个平面标签，在未对任何平面进行划分的起始阶段，各点对应的平面标签均为初始标签，该初始标签可以设置为0，表示该点未被用于确认任何平面。
在对点云平面进行确定的过程中，服务器可以按照上述排序，选取平面标签为初始标签的点作为待测点。例如，在起始阶段，服务器可以将排序最靠前的点作为待测点（在起始阶段该点的平面标签必然为初始标签），在通过该待测点确定出目标点云平面后，服务器可以在点云数据中重新选取出新的待测点以分割出下一目标点云平面。
当然，在本说明书中也可以不按照曲率的大小对各点进行排序，而是直接基于未排序的点云数据执行后续任务。
S102：根据所述待测点以及位于所述待测点预设第一邻域内的其他点，确定若干个点云平面，作为各候选点云平面。
S103：针对每个候选点云平面，在所述点云数据中确定出与该候选点云平面之间的距离小于预设距离阈值的点的数量，作为该候选点云平面对应的参考点数量。
S104：根据每个候选点云平面对应的参考点数量，在所述各候选点云平面中确定出初始点云平面。
服务器可以预先将待测点的邻域半径设置为/>，而后在点云数据S4中搜索以为球心，r为半径的第一邻域内的点云的集合/>，并确定该第一邻域内的点云数量，作为比对点数量。其中，该邻域半径的大小可以根据实际情况进行设定，本说明书对此不做具体限定。
服务器可以采用随机采样一致性方法对包含点进行平面拟合，从而确定出若干个点云平面，作为各候选点平面。
具体的，服务器可以从中随机选取三个点拟合平面/>并作为候选点云平面，预先设定距离阈值/>，而后确定各点与/>之间的距离/>，确定/>的点的数量，作为候选点云平面/>对应的参考点数量。上述距离阈值可以根据实际情况进行设定，另外在实际应用中，服务器也可以选取三个以上的点云来确定各候选点云平面，本说明书对此均不做具体限定。
针对每个候选点云平面，服务器可以根据该候选点云平面对应的参考点数量与比对点数量，确定该候选点云平面对应的内点比例（如将参考点数量与比对点数量/>的比值作为内点比例）。
服务器可以重复上述步骤，多次随机选取三个点进行平面拟合，直到内点比例大于给定阈值，或确定出的候选点云平面大于给定数量，上述给定阈值和给定数量可以根据实际情况进行设定，本说明书对此不做具体限定。
确定各候选点云平面以及各候选点云平面对应的内点比例后，服务器可以将内点比例最大的候选点云平面作为初始点云平面。当然，服务器也可以不确定内点比例，而是在确定各候选点云平面对应的参考点数量后，将参考点数量最多的候选点云平面作为初始点云平面。
进一步的，服务器可以把该初始点云平面对应的平面标签值设置为一个不重复的正整数，使得每个点云平面都对应一个唯一的平面标签。/>中除/>外的所有点赋予该平面标签的值为/>。
S105：针对位于所述待测点预设第二邻域内的每个点，根据该点与所述初始点云平面之间的距离，以及该点的法向量与所述初始点云平面的法向量之间的夹角，确定该点与所述初始点云平面是否位于同一平面区域。
S106：若是，则根据该点对所述初始点云平面进行扩展，得到目标点云平面。
确定出初始点云平面后，服务器可以基于该初始点云平面的平面方程和待测点/>预设第二邻域对应点云集合/>中的所有点对初始点云平面进行区域增长操作。在本说明书中，第一邻域对应的邻域半径可以小于第二邻域所对应的邻域半径，以使第一邻域小于第二邻域，以便对初始点云平面进行扩展。
具体的，针对待测点，该点属于点云集合S4，对应该点的法向量vi属于法向量集合V4。服务器可以计算初始点云平面的法向量v与vi的夹角/>，计算/>与初始点云平面之间的距离di。初始点云平面的法向量v与vi的夹角/>可以表示为：
与初始点云平面之间的距离di可以表示为：
其中，初始点云平面的法向量，D表示截距。
针对第二邻域中包括待测点在内的每个点，服务器可以重复上述操作，计算这些点的法向量与初始点云平面的法向量之间的夹角，以及这些点与初始点云平面之间的距离。
针对第二邻域中的每个点，若该点的法向量与初始点云平面的法向量之间的夹角小于预设夹角，且该点与初始点云平面之间的距离小于预设距离，则说明该点与初始点云平面属于同一平面区域，服务器可以基于该点对初始点云平面进行扩展（如将该点与初始点云平面进行连接，重新围成较大的平面），并将其对应的平面标签设置为初始点云平面对应的平面标签。
若该点的法向量与初始点云平面的法向量之间的夹角小于预设夹角，和/或该点与初始点云平面之间的距离小于预设距离，则说明该点与初始点云平面不属于同一平面区域，服务器不通过该点对初始点云平面进行扩展。
服务器可以分别确定第二邻域内的每个点是否与初始点云平面属于同一平面区域，进而对初始点云平面进行扩展，并将扩展完成后的点云平面作为目标点云平面。需要指出的是，由于目标点云平面是扩展后的点云平面，所以目标点云平面的面积要大于初始点云平面的面积。
在本说明书中，每当确定出一个目标点云平面后，服务器可以继续按照各点的曲率排序，选取平面标签为初始标签的点作为待测点，从而依次确定出各点云平面。
S107：根据由所述点云数据中的每个待测点所确定出的目标点云平面，对所述点云数据进行点云分割，并根据点云分割结果执行任务。
通过每个待测点确定出全部目标点云平面后，服务器可以得到目标点云平面集合，而后计算/>中每个目标点云平面包含点云的覆盖面积Area，作为该目标点云平面的面积。
针对每个目标点云平面，服务器可以确定该目标点云平面的面积是否大于预设面积。若是，在该目标点云平面中重新确定出若干个点云平面，进而根据重新确定出的每个点云平面所对应的参考点数量，对该目标点云平面进行更新，得到更新后点云平面，以过滤掉小面积的点云噪声，得到更新后点云平面的集合。上述预设面积可以根据实际情况进行设定，本说明书对此不做具体限定。
目标点云平面对应的面积可以表示为：
其中，点云空间分辨率表示单位面积的点云数量。
对于更新后点云平面集合中的每个点云平面（包括更新后点云平面以及未被更新的目标点云平面），服务器可以确定该点云平面所对应的法向量与期望法向量之间的夹角是否大于给定阈值，若是，将该点云平面进行删除。否则对其进行保留。上述给定阈值可以根据实际情况进行设定，本说明书对此不做具体限定。点云平面所对应的法向量与期望法向量之间的夹角可以表示为：
其中，表示点云平面所对应的法向量与期望法向量之间的夹角，/>表示期望法向量。
而后服务器可以根据保留的各点云平面，对点云数据进行点云分割，从而根据点云分割结果执行任务。
例如，服务器可以根据点云分割结果确定无人驾驶设备周围的道路平面以及障碍物平面，进而对无人驾驶设备的行驶路径进行规划，执行对无人驾驶设备的路径规划任务。
此外，服务器还可以执行对无人驾驶设备的控制、导航等其他任务，本说明书对此不做具体限定。
从上述方法可以看出，本方案在确定点云平面的过程中，服务器可以基于与候选点云平面之间的距离小于预设距离阈值的点的数量从若干个候选点云平面中确定出最为符合条件的初始点云平面，而后再进一步根据满足要求的其他点对该初始点云平面进行扩展，由小到大的平面确定方式可以实现对不同的点云平面进行精准、有效的分割，提高了点云平面分割的精度，保证后续执行路径规划任务的准确性，进一步保证了无人驾驶设备的行驶安全。
以上为本说明书的一个或多个实施点云分割方法，基于同样的思路，本说明书还提供了相应的点云分割装置，如图2所示。
图2为本说明书提供的一种点云分割装置的示意图，包括：
获取模块201，用于获取点云数据，并在所述点云数据中确定出待测点；
第一确定模块202，用于根据所述待测点以及位于所述待测点预设第一邻域内的其他点，确定若干个点云平面，作为各候选点云平面；
第二确定模块203，用于针对每个候选点云平面，在所述点云数据中确定出与该候选点云平面之间的距离小于预设距离阈值的点的数量，作为该候选点云平面对应的参考点数量；
第三确定模块204，用于根据每个候选点云平面对应的参考点数量，在所述各候选点云平面中确定出初始点云平面；
第四确定模块205，用于针对位于所述待测点预设第二邻域内的每个点，根据该点与所述初始点云平面之间的距离，以及该点的法向量与所述初始点云平面的法向量之间的夹角，确定该点与所述初始点云平面是否位于同一平面区域；
扩展模块206，若是，则若是，则根据该点对所述初始点云平面进行扩展，得到目标点云平面；
分割模块207，用于根据由所述点云数据中的每个待测点所确定出的目标点云平面，对所述点云数据进行点云分割，并根据点云分割结果执行任务。
可选地，所述获取模块201具体用于，确定所述点云数据中的每个点所对应的法向量以及曲率；按照所述曲率由小到大的顺序，对各点进行排序；从排序后的各点中确定出所述待测点。
可选地，所述获取模块201具体用于，确定所述排序后的各点对应的平面标签；按照每个点对应的排序，将平面标签为初始标签的点作为待测点，所述初始标签表示点未被用于确定任何平面。
可选地，所述第三确定模块204具体用于，根据每个候选点云平面对应的参考点数量，在所述各候选点云平面中确定出初始点云平面，并将所述第一邻域中除所述待测点外的其他点所对应的平面标签更新为所述初始点云平面所对应的唯一平面标签。
可选地，在根据每个候选点云平面对应的参考点数量，在所述各候选点云平面中确定出初始点云平面之前，所述第三确定模块204还用于，确定所述第一邻域内的点数量，作为比对点数量；
所述第三确定模块204具体用于，
根据每个候选点云平面对应的参考点数量，在所述各候选点云平面中确定出初始点云平面，具体包括：针对每个候选点云平面，根据该候选点云平面对应的参考点数量与所述比对点数量，确定该候选点云平面对应的内点比例；将内点比例最大的候选点云平面作为所述初始点云平面。
可选地，所述分割模块207具体用于，针对每个目标点云平面，确定该目标点云平面的面积是否大于预设面积；若是，在该目标点云平面中重新确定出若干个点云平面；根据重新确定出的每个点云平面所对应的参考点数量，对该目标点云平面进行更新，得到更新后点云平面；根据每个更新后点云平面以及未被更新的目标点云平面，对所述点云数据进行点云分割。
可选地，所述分割模块207还用于，针对每个更新后点云平面，确定该更新后点云平面所对应的法向量与期望法向量之间的夹角是否大于给定阈值，若是，将该更新后点云平面进行删除。
本说明书还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1提供的一种点云分割方法。
本说明书还提供了图3所示的一种对应于图1的电子设备的示意结构图。如图3所述，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。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，以实现上述图1所述的点云分割方法。当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
对于一个技术的改进可以很明显地区分是硬件上的改进（例如，对二极管、晶体管、开关等电路结构的改进）还是软件上的改进（对于方法流程的改进）。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件（ProgrammableLogic Device, PLD）（例如现场可编程门阵列（Field Programmable Gate Array，FPGA））就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器（logic compiler）”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言（HardwareDescription Language，HDL），而HDL也并非仅有一种，而是有许多种，如ABEL（AdvancedBoolean Expression Language）、AHDL（Altera Hardware Description Language）、Confluence、CUPL（Cornell University Programming Language）、HDCal、JHDL（JavaHardware Description Language）、Lava、Lola、MyHDL、PALASM、RHDL（Ruby HardwareDescription Language）等，目前最普遍使用的是VHDL（Very-High-Speed IntegratedCircuit Hardware Description Language）与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该（微）处理器执行的计算机可读程序代码（例如软件或固件）的计算机可读介质、逻辑门、开关、专用集成电路（Application Specific Integrated Circuit，ASIC）、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书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，本说明书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。
本说明书是参照根据本说明书实施例的方法、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，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书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，本说明书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。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。
Claims (10)
1.一种点云分割方法，其特征在于，包括：
获取点云数据，并在所述点云数据中确定出待测点；
根据所述待测点以及位于所述待测点预设第一邻域内的其他点，确定若干个点云平面，作为各候选点云平面；
针对每个候选点云平面，在所述点云数据中确定出与该候选点云平面之间的距离小于预设距离阈值的点的数量，作为该候选点云平面对应的参考点数量；
根据每个候选点云平面对应的参考点数量，在所述各候选点云平面中确定出初始点云平面；
针对位于所述待测点预设第二邻域内的每个点，根据该点与所述初始点云平面之间的距离，以及该点的法向量与所述初始点云平面的法向量之间的夹角，确定该点与所述初始点云平面是否位于同一平面区域；
若是，则根据该点对所述初始点云平面进行扩展，得到目标点云平面；
根据由所述点云数据中的每个待测点所确定出的目标点云平面，对所述点云数据进行点云分割，并根据点云分割结果执行任务。
2.如权利要求1所述的方法，其特征在于，获取点云数据，并在所述点云数据中确定出待测点，具体包括：
确定所述点云数据中的每个点所对应的法向量以及曲率；
按照所述曲率由小到大的顺序，对各点进行排序；
从排序后的各点中确定出所述待测点。
3.如权利要求2所述的方法，其特征在于，从排序后的各点中确定出所述待测点，具体包括：
确定所述排序后的各点对应的平面标签；
按照每个点对应的排序，将平面标签为初始标签的点作为待测点，所述初始标签表示点未被用于确定任何平面。
4.如权利要求3所述的方法，其特征在于，根据每个候选点云平面对应的参考点数量，在所述各候选点云平面中确定出初始点云平面，具体包括：
根据每个候选点云平面对应的参考点数量，在所述各候选点云平面中确定出初始点云平面，并将所述第一邻域中除所述待测点外的其他点所对应的平面标签更新为所述初始点云平面所对应的唯一平面标签。
5.如权利要求1所述的方法，其特征在于，在根据每个候选点云平面对应的参考点数量，在所述各候选点云平面中确定出初始点云平面之前，所述方法还包括：
确定所述第一邻域内的点数量，作为比对点数量；
根据每个候选点云平面对应的参考点数量，在所述各候选点云平面中确定出初始点云平面，具体包括：
针对每个候选点云平面，根据该候选点云平面对应的参考点数量与所述比对点数量，确定该候选点云平面对应的内点比例；
将内点比例最大的候选点云平面作为所述初始点云平面。
6.如权利要求1所述的方法，其特征在于，根据由所述点云数据中的每个待测点所确定出的目标点云平面，对所述点云数据进行点云分割，具体包括：
针对每个目标点云平面，确定该目标点云平面的面积是否大于预设面积；
若是，在该目标点云平面中重新确定出若干个点云平面；
根据重新确定出的每个点云平面所对应的参考点数量，对该目标点云平面进行更新，得到更新后点云平面；
根据每个更新后点云平面以及未被更新的目标点云平面，对所述点云数据进行点云分割。
7.如权利要求6所述的方法，其特征在于，所述方法还包括：
针对每个更新后点云平面，确定该更新后点云平面所对应的法向量与期望法向量之间的夹角是否大于给定阈值，若是，将该更新后点云平面进行删除。
8.一种点云分割装置，其特征在于，包括：
获取模块，获取点云数据，并在所述点云数据中确定出待测点；
第一确定模块，根据所述待测点以及位于所述待测点预设第一邻域内的其他点，确定若干个点云平面，作为各候选点云平面；
第二确定模块，针对每个候选点云平面，在所述点云数据中确定出与该候选点云平面之间的距离小于预设距离阈值的点的数量，作为该候选点云平面对应的参考点数量；
第三确定模块，根据每个候选点云平面对应的参考点数量，在所述各候选点云平面中确定出初始点云平面；
第四确定模块，针对位于所述待测点预设第二邻域内的每个点，根据该点与所述初始点云平面之间的距离，以及该点的法向量与所述初始点云平面的法向量之间的夹角，确定该点与所述初始点云平面是否位于同一平面区域；
扩展模块，若是，则根据该点对所述初始点云平面进行扩展，得到目标点云平面；
分割模块，根据由所述点云数据中的每个待测点所确定出的目标点云平面，对所述点云数据进行点云分割，并根据点云分割结果执行任务。
9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1~7任一项所述的方法。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1~7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311010087.6A CN116740361B (zh) | 2023-08-11 | 2023-08-11 | 一种点云分割方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311010087.6A CN116740361B (zh) | 2023-08-11 | 2023-08-11 | 一种点云分割方法、装置、存储介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116740361A true CN116740361A (zh) | 2023-09-12 |
| CN116740361B CN116740361B (zh) | 2023-10-13 |
Family
ID=87915401
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311010087.6A Active CN116740361B (zh) | 2023-08-11 | 2023-08-11 | 一种点云分割方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116740361B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117291936A (zh) * | 2023-11-27 | 2023-12-26 | 法奥意威(苏州)机器人系统有限公司 | 点云分割方法、装置、设备和介质 |
| CN117455928A (zh) * | 2023-12-25 | 2024-01-26 | 珠海市格努科技有限公司 | 无序抓取过程中抓取对象的分割方法、装置和电子设备 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108257213A (zh) * | 2018-01-17 | 2018-07-06 | 视缘(上海)智能科技有限公司 | 一种点云轻量级的多边形曲面重建方法 |
| JP2018179588A (ja) * | 2017-04-05 | 2018-11-15 | 株式会社トプコン | レーザスキャナ |
| CN112650790A (zh) * | 2020-12-28 | 2021-04-13 | 北京字节跳动网络技术有限公司 | 目标点云平面确定方法，装置，电子设备及存储介质 |
| CN113191297A (zh) * | 2021-05-13 | 2021-07-30 | 北京云迹科技有限公司 | 一种路面识别方法、装置及电子设备 |
| CN113838069A (zh) * | 2021-09-27 | 2021-12-24 | 上海景吾智能科技有限公司 | 基于平面度约束的点云分割方法和系统 |
| WO2022099511A1 (zh) * | 2020-11-11 | 2022-05-19 | 深圳元戎启行科技有限公司 | 基于点云数据的地面分割方法、装置和计算机设备 |
| CN114764885A (zh) * | 2022-03-10 | 2022-07-19 | 杭州蓝芯科技有限公司 | 障碍物的检测方法、装置、计算机可读存储介质和处理器 |
| CN114791994A (zh) * | 2022-04-08 | 2022-07-26 | 西安建筑科技大学 | 一种引入法向量优化的ransac点云平面拟合方法 |
| CN115523935A (zh) * | 2022-09-09 | 2022-12-27 | 芜湖雄狮汽车科技有限公司 | 点云地面检测方法、装置、车辆及存储介质 |
-
2023
- 2023-08-11 CN CN202311010087.6A patent/CN116740361B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018179588A (ja) * | 2017-04-05 | 2018-11-15 | 株式会社トプコン | レーザスキャナ |
| CN108257213A (zh) * | 2018-01-17 | 2018-07-06 | 视缘(上海)智能科技有限公司 | 一种点云轻量级的多边形曲面重建方法 |
| WO2022099511A1 (zh) * | 2020-11-11 | 2022-05-19 | 深圳元戎启行科技有限公司 | 基于点云数据的地面分割方法、装置和计算机设备 |
| CN112650790A (zh) * | 2020-12-28 | 2021-04-13 | 北京字节跳动网络技术有限公司 | 目标点云平面确定方法，装置，电子设备及存储介质 |
| CN113191297A (zh) * | 2021-05-13 | 2021-07-30 | 北京云迹科技有限公司 | 一种路面识别方法、装置及电子设备 |
| CN113838069A (zh) * | 2021-09-27 | 2021-12-24 | 上海景吾智能科技有限公司 | 基于平面度约束的点云分割方法和系统 |
| CN114764885A (zh) * | 2022-03-10 | 2022-07-19 | 杭州蓝芯科技有限公司 | 障碍物的检测方法、装置、计算机可读存储介质和处理器 |
| CN114791994A (zh) * | 2022-04-08 | 2022-07-26 | 西安建筑科技大学 | 一种引入法向量优化的ransac点云平面拟合方法 |
| CN115523935A (zh) * | 2022-09-09 | 2022-12-27 | 芜湖雄狮汽车科技有限公司 | 点云地面检测方法、装置、车辆及存储介质 |
Non-Patent Citations (4)
| Title |
|---|
| WENLONG YUE ET AL.: "A New Plane Segmentation Method of Point Cloud Based on Mean Shift and RANSAC", 《2018 IEEE》, pages 1658 - 1663 * |
| XIAOBIN XU ET AL.: "Plane segmentation and fitting method of point clouds based on improved density clustering algorithm for laser radar", 《INFRARED PHYSICS & TECHNOLOGY》, pages 133 - 140 * |
| 宋健 等: "基于改进区域生长的非均匀点云平面分割研究", 《现代交通技术》, vol. 20, no. 2, pages 42 - 48 * |
| 纪思源 等: "基于法向量估计的激光点云平面特征提取", 《测绘科学与工程》, vol. 37, no. 4, pages 24 - 29 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117291936A (zh) * | 2023-11-27 | 2023-12-26 | 法奥意威(苏州)机器人系统有限公司 | 点云分割方法、装置、设备和介质 |
| CN117291936B (zh) * | 2023-11-27 | 2024-02-20 | 法奥意威(苏州)机器人系统有限公司 | 点云分割方法、装置、设备和介质 |
| CN117455928A (zh) * | 2023-12-25 | 2024-01-26 | 珠海市格努科技有限公司 | 无序抓取过程中抓取对象的分割方法、装置和电子设备 |
| CN117455928B (zh) * | 2023-12-25 | 2024-04-02 | 珠海市格努科技有限公司 | 无序抓取过程中抓取对象的分割方法、装置和电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116740361B (zh) | 2023-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116740361B (zh) | 一种点云分割方法、装置、存储介质及电子设备 | |
| CN110262486B (zh) | 一种无人驾驶设备运动控制方法及装置 | |
| CN111639682A (zh) | 基于点云数据的地面分割方法及装置 | |
| CN111288971B (zh) | 一种视觉定位方法及装置 | |
| CN114295119B (zh) | 一种构建地图的方法及装置 | |
| CN110530398B (zh) | 一种电子地图精度检测的方法及装置 | |
| CN113968243B (zh) | 一种障碍物轨迹预测方法、装置、设备及存储介质 | |
| CN114740842A (zh) | 一种多传感器融合的机器人避障的方法、设备及介质 | |
| CN116385999A (zh) | 一种停车位的识别方法、装置及设备 | |
| CN114299147A (zh) | 一种定位方法、装置、存储介质及电子设备 | |
| CN114153204B (zh) | 一种行驶轨迹的修复方法及修复装置 | |
| CN112712561A (zh) | 一种建图方法、装置、存储介质及电子设备 | |
| CN112393723B (zh) | 一种定位方法、设备、介质及无人设备 | |
| CN116721118B (zh) | 一种基于点云的飞行器安全降落点的选择方法及装置 | |
| CN116740197B (zh) | 一种外参的标定方法、装置、存储介质及电子设备 | |
| CN116184466A (zh) | 一种确定无人机降落点的方法及装置 | |
| CN115880685B (zh) | 一种基于votenet模型的三维目标检测方法和系统 | |
| CN118053153A (zh) | 一种点云数据的识别方法、装置、存储介质及电子设备 | |
| CN114322987B (zh) | 一种构建高精地图的方法及装置 | |
| CN115861560B (zh) | 一种构建地图的方法、装置、存储介质及电子设备 | |
| CN114019981B (zh) | 一种无人驾驶设备的轨迹规划方法及规划装置 | |
| CN116721316A (zh) | 一种模型训练和地磁图优化方法、装置、介质及设备 | |
| CN117437168A (zh) | 一种地图评估方法、装置、设备及存储介质 | |
| CN116430841A (zh) | 一种地面机器人速度连续避障轨迹优化方法和系统 | |
| CN117315968A (zh) | 一种交通信号灯朝向的确定方法及装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |