CN116977226B - 点云数据分层的处理方法、装置、电子设备及存储介质 - Google Patents
点云数据分层的处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116977226B CN116977226B CN202311227438.9A CN202311227438A CN116977226B CN 116977226 B CN116977226 B CN 116977226B CN 202311227438 A CN202311227438 A CN 202311227438A CN 116977226 B CN116977226 B CN 116977226B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- frame
- layering
- current frame
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title abstract description 12
- 239000002131 composite material Substances 0.000 claims abstract description 112
- 230000033001 locomotion Effects 0.000 claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000005457 optimization Methods 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 48
- 230000006870 function Effects 0.000 claims description 123
- 230000009466 transformation Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000013329 compounding Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 7
- 230000008030 elimination Effects 0.000 description 7
- 238000003379 elimination reaction Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 230000032798 delamination Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本申请实施例提供一种点云数据分层的处理方法、装置、电子设备及存储介质，该方法包括：获取激光雷达的运动信息和与运动信息对应的待扫描物体的点云数据；根据运动信息和点云数据，确定与点云数据对应的复合帧；根据复合帧中的参考帧和当前帧，确定与当前帧对应的损失函数；在损失函数的函数值为最小值的情况下，将当前帧向参考帧方向进行消除分层的优化处理，得到与待扫描物体对应的消除分层的点云数据，以将存在分层的点云数据优化至不存在分层，且能清晰呈现被扫描物体的真实物理形状和体积，提高识别被扫描物体的准确度，达到良好的模型建立效果，同时提高了消除分层的效率。
Description
技术领域
本申请涉及激光雷达技术领域，具体而言，涉及一种点云数据分层的处理方法、装置、电子设备及存储介质。
背景技术
现有技术中，采用激光雷达扫描输电线路，获取输电线路的点云数据，但是由于搭载激光雷达的无人机的载波相位动态实时差分（Real-time kinematic，RTK）定位不准等原因，得到的点云数据会出现错位叠加的现象，就是分层现象，目前在优化这种分层点云时，通过采用点云滤波、整体平移，点云分割提取线路等，但是这些方法通常只适用于某些特定系统误差类型，或者不能完全解决分层问题，如何能快速准确地消除点云分层，是目前急需解决的问题。
发明内容
本申请提供一种点云数据分层的处理方法、装置、电子设备及存储介质，通过本申请的技术方案，通过获取激光雷达的运动信息和与所述运动信息对应的待扫描物体的点云数据；根据所述运动信息和所述点云数据，确定与所述点云数据对应的复合帧；根据所述复合帧中的参考帧和当前帧，确定与所述当前帧对应的损失函数；在所述损失函数的函数值为最小值的情况下，将所述当前帧向所述参考帧方向进行消除分层的优化处理，得到与所述待扫描物体对应的消除分层的点云数据，以将存在分层的点云数据优化至不存在分层，且能清晰呈现被扫描物体的真实物理形状和体积，提高识别被扫描物体的准确度，达到良好的模型建立效果，同时提高了消除分层的效率。
第一方面，本申请提供了一种点云数据分层的处理方法，包括：
获取激光雷达的运动信息和与所述运动信息对应的待扫描物体的点云数据；
根据所述运动信息和所述点云数据，确定与所述点云数据对应的复合帧；
根据所述复合帧中的参考帧和当前帧，确定与所述当前帧对应的损失函数；
在所述损失函数的函数值为最小值的情况下，将所述当前帧向所述参考帧方向进行消除分层的优化处理，得到与所述待扫描物体对应的消除分层的点云数据。
本申请通过对不同运动信息对应的点云数据计算损失函数，在损失函数值小于预设值的情况系下，将所述当前帧向所述参考帧方向进行消除分层的优化处理，得到与所述待扫描物体对应的消除分层的点云数据，以将存在分层的点云数据优化至不存在分层，且能清晰呈现被扫描物体的真实物理形状和体积，提高识别被扫描物体的准确度，达到良好的模型建立效果，同时提高了消除分层的效率。
可选地，所述根据所述运动信息和所述点云数据，确定与所述点云数据对应的复合帧，包括：
根据所述运动信息，将激光雷达坐标系下的点云数据转换成世界坐标下的点云数据；其中，所述运动信息至少包括惯导的位置信息和惯导的位姿信息，所述位姿信息至少包括激光雷达的头部朝向和角度信息；
将预设长度的点云数据，确定为与所述点云数据对应的复合帧。
本申请通过将预设长度的点云数据进行合并生成与点云数据对应的复合帧，一个复合帧包含一定数量的数据帧，点云数据不仅需要足够多的数据特征，但是点云数据的数量也不能太多，影响后续处理效率。
可选地，所述根据所述运动信息，将激光雷达坐标系下的点云数据转换成世界坐标下的点云数据，包括：
其中：为雷达坐标系下的点云数据，/>为世界坐标系下的点云数据，/>为投影矩阵，且/>，/>为惯导的位姿信息，/>为惯导的位置信息，/>为惯导与激光雷达的头部之间的相对位置，t为时间戳。
本申请通过根据所述运动信息，将激光雷达坐标系下的点云数据转换成世界坐标下的点云数据，方便计算后续的损失函数。
可选地，所述根据所述复合帧中的参考帧和当前帧，确定与所述当前帧对应的损失函数，包括：
将所述复合帧中的每一帧确定为当前帧；
若在所述当前帧的预设范围内存在复合帧，则将所述复合帧确定为所述参考帧；
根据所述当前帧和所述参考帧，构建损失函数。
本申请通过将复合帧中的每一帧作为当前帧，在该当前帧的预设范围查找是否还有其他的复合帧，若存在复合帧，则将该复合帧确定为参考帧，并根据当前帧和参考帧，构建损失函数，通过计算损失函数值，将当前帧向参考帧进行投影变换。
可选地，所述根据所述当前帧和所述参考帧，构建损失函数，包括：
根据预设优化变量，对所述当前帧中的每一个点云数据进行投影变换，得到变换后的点云数据，其中，所述预设优化变量至少包括移动距离和旋转角度信息；
根据所述参考帧，确定与所述变换后的点云数据的距离小于预设距离的对应点云数据；
将所述变换后的点云数据到所述对应点云数据的距离平方和的平均值，确定为所述损失函数。
本申请通过根据预设优化变量，对所述当前帧中的每一个点云数据进行投影变换，得到变换后的点云数据，根据所述参考帧，确定与所述变换后的点云数据的距离小于预设距离的对应点云数据；将所述变换后的点云数据到所述对应点云数据的距离平方和的平均值，确定为所述损失函数，通过计算每一复合帧的损失函数值，将当前帧向参考帧进行投影变换。
可选地，在所述损失函数的函数值为最小值的情况下，将所述当前帧向所述参考帧方向进行消除分层的优化处理，得到与所述待扫描物体对应的消除分层的点云数据，包括：
在所述移动距离小于预设移动距离，且所述旋转角度信息采用小于预设角度的情况，采用有约束的多变量标量函数的最小化算法，计算所述损失函数的函数值；
在所述损失函数的函数值为最小值的情况下，将所述当前帧向所述参考帧方向进行优化，得到优化后的复合帧；
循环对每一个复合帧进行优化处理，得到所述消除分层的点云数据。
本申请通过对损失函数值进行判断，在所述损失函数的函数值为最小值的情况下，将所述当前帧向所述参考帧方向进行优化，得到优化后的复合帧；循环对每一个复合帧进行优化处理，得到所述消除分层的点云数据。
第二方面，本申请提供了一种点云数据分层的处理装置，包括：
获取模块，用于获取激光雷达的运动信息和与所述运动信息对应的待扫描物体的点云数据；
复合模块，用于根据所述运动信息和所述点云数据，确定与所述点云数据对应的复合帧；
计算模块，用于根据所述复合帧中的参考帧和当前帧，确定与所述当前帧对应的损失函数；
处理模块，用于在所述损失函数的函数值为最小值的情况下，将所述当前帧向所述参考帧方向进行消除分层的优化处理，得到与所述待扫描物体对应的消除分层的点云数据。
本申请通过对不同运动信息对应的点云数据计算损失函数，在损失函数值小于预设值的情况系下，将所述当前帧向所述参考帧方向进行消除分层的优化处理，得到与所述待扫描物体对应的消除分层的点云数据，以将存在分层的点云数据优化至不存在分层，且能清晰呈现被扫描物体的真实物理形状和体积，提高识别被扫描物体的准确度，达到良好的模型建立效果，同时提高了消除分层的效率。
可选地，所述复合模块用于：
根据所述运动信息，将激光雷达坐标系下的点云数据转换成世界坐标下的点云数据；其中，所述运动信息至少包括惯导的位置信息和惯导的位姿信息，所述位姿信息至少包括激光雷达的头部朝向和角度信息；
将预设长度的点云数据，确定为与所述点云数据对应的复合帧。
本申请通过将预设长度的点云数据进行合并生成与点云数据对应的复合帧，一个复合帧包含一定数量的数据帧，点云数据不仅需要足够多的数据特征，但是点云数据的数量也不能太多，影响后续处理效率。
可选地，所述复合模块用于：
其中：为雷达坐标系下的点云数据，/>为世界坐标系下的点云数据，/>为投影矩阵，且/>，/>为惯导的位姿信息，/>为惯导的位置信息，/>为惯导与激光雷达的头部之间的相对位置。
本申请通过根据所述运动信息，将激光雷达坐标系下的点云数据转换成世界坐标下的点云数据，方便计算后续的损失函数。可选地，所述根据所述复合帧中的参考帧和当前帧，确定与所述当前帧对应的损失函数，包括：
将所述复合帧中的每一帧确定为当前帧；
若在所述当前帧的预设范围内存在复合帧，则将所述复合帧确定为所述参考帧；
根据所述当前帧和所述参考帧，构建损失函数。
本申请通过将复合帧中的每一帧作为当前帧，在该当前帧的预设范围查找是否还有其他的复合帧，若存在复合帧，则将该复合帧确定为参考帧，并根据当前帧和参考帧，构建损失函数，通过计算损失函数值，将当前帧向参考帧进行投影变换。
可选地，所述计算模块用于：
根据预设优化变量，对所述当前帧中的每一个点云数据进行投影变换，得到变换后的点云数据，其中，所述预设优化变量至少包括移动距离和旋转角度信息；
根据所述参考帧，确定与所述变换后的点云数据的距离小于预设距离的对应点云数据；
将所述变换后的点云数据到所述对应点云数据的距离平方和的平均值，确定为所述损失函数。
本申请通过根据预设优化变量，对所述当前帧中的每一个点云数据进行投影变换，得到变换后的点云数据，根据所述参考帧，确定与所述变换后的点云数据的距离小于预设距离的对应点云数据；将所述变换后的点云数据到所述对应点云数据的距离平方和的平均值，确定为所述损失函数，通过计算每一复合帧的损失函数值，将当前帧向参考帧进行投影变换。
可选地，所述处理模块用于：
在所述移动距离小于预设移动距离，且所述旋转角度信息采用小于预设角度的情况，采用有约束的多变量标量函数的最小化算法，计算所述损失函数的函数值；
在所述损失函数的函数值为最小值的情况下，将所述当前帧向所述参考帧方向进行优化，得到优化后的复合帧；
循环对每一个复合帧进行优化处理，得到所述消除分层的点云数据。
本申请通过对损失函数值进行判断，在所述损失函数的函数值为最小值的情况下，将所述当前帧向所述参考帧方向进行优化，得到优化后的复合帧；循环对每一个复合帧进行优化处理，得到所述消除分层的点云数据。
第三方面，本申请提供一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述程序时可实现如第一方面任一实施例所述的点云数据分层的处理方法。
第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时可实现如第一方面任一实施例所述的点云数据分层的处理方法。
第五方面，本申请提供一种计算机程序产品，所述的计算机程序产品包括计算机程序，其中，所述的计算机程序被处理器执行时可实现如第一方面任一实施例所述的点云数据分层的处理方法。
附图说明
为了更清楚地说明本申请的一些实施例的技术方案，下面将对本申请的一些实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例提供的一种点云数据分层的处理方法的流程示意图；
图2为本申请实施例提供的未优化前的待扫描物体的点云数据示意图；
图3为本申请实施例提供的优化后的待扫描物体的点云数据示意图；
图4为本申请实施例提供的一种点云数据分层的处理装置的结构示意图；
图5为本申请实施例提供的一种电子设备示意图。
具体实施方式
下面将结合本申请的一些实施例中的附图，对本申请的一些实施例中的技术方案进行描述。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
现有技术中，采用激光雷达扫描输电线路，获取输电线路的点云数据，但是由于搭载激光雷达的无人机的载波相位动态实时差分（Real-time kinematic，RTK）定位不准等原因，得到的点云数据会出现错位叠加的现象，就是分层现象，目前在优化这种分层点云时，通过采用点云滤波、整体平移，点云分割提取线路等，但是这些方法通常只适用于某些特定系统误差类型，或者不能完全解决分层问题，鉴于此，本申请的一些实施例提供了一种点云数据分层的处理方法，该方法包括获取激光雷达的运动信息和与运动信息对应的待扫描物体的点云数据；根据运动信息和点云数据，确定与点云数据对应的复合帧；根据复合帧中的参考帧和当前帧，确定与当前帧对应的损失函数；在损失函数的函数值为最小值的情况下，将当前帧向参考帧方向进行消除分层的优化处理，得到与待扫描物体对应的消除分层的点云数据，本申请实施例通过对不同运动信息对应的点云数据计算损失函数，在损失函数值小于预设值的情况系下，将当前帧向参考帧方向进行消除分层的优化处理，得到与待扫描物体对应的消除分层的点云数据，以将存在分层的点云数据优化至不存在分层，且能清晰呈现被扫描物体的真实物理形状和体积，提高识别被扫描物体的准确度，达到良好的模型建立效果，同时提高了消除分层的效率。
如图1所示，本申请的实施例提供了一种点云数据分层的处理方法，该方法包括：
S101、获取激光雷达的运动信息和与运动信息对应的待扫描物体的点云数据；
具体地，将高精度的惯性导航传感器即惯导，安装在激光雷达的头部的摄像头附近，用于采集激光雷达的运动信息，运动信息至少包括激光雷达的位置信息和激光雷达的姿态信息，姿态信息至少包括头部朝向以及角度信息。激光雷达用于采集待扫描物体的点云数据，激光雷达将采集的点云数据发送至地面的终端设备。
S102、根据运动信息和点云数据，确定与点云数据对应的复合帧；
终端设备根据运动信息和与运动信息对应的点云数据，将一定长度的点云数据的数据帧进行合并，生成复合帧。
S103、根据复合帧中的参考帧和当前帧，确定与当前帧对应的损失函数；
具体地，终端设备将每一个复合帧当作当前帧，确定与当前帧对应的参考帧，根据当前帧和参考帧构建与当前帧和参考帧对应的损失函数。
S104、在损失函数的函数值为最小值的情况下，将当前帧向参考帧方向进行消除分层的优化处理，得到与待扫描物体对应的消除分层的点云数据。
具体地，终端设备计算损失函数的函数值，在损失函数的函数值为最小值的情况下，将当前帧按照预设优化变量，向参考帧进行移动和旋转，其中，预设优化变量至少包括移动距离和旋转角度信息，对每一个复合帧都执行上述操作，从而消除各个复合帧之间的距离，达到消除分层的效果。
本申请的一些实施例通过对不同运动信息对应的点云数据计算损失函数，在损失函数值小于预设值的情况系下，将当前帧向参考帧方向进行消除分层的优化处理，得到与待扫描物体对应的消除分层的点云数据，以将存在分层的点云数据优化至不存在分层，且能清晰呈现被扫描物体的真实物理形状和体积，提高识别被扫描物体的准确度，达到良好的模型建立效果，同时提高了消除分层的效率。
本申请又一实施例对上述实施例提供的点云数据分层的处理方法做进一步补充说明。
可选地，根据运动信息和点云数据，确定与点云数据对应的复合帧，包括：
根据运动信息，将激光雷达坐标系下的点云数据转换成世界坐标下的点云数据；其中，运动信息至少包括惯导的位置信息和惯导的位姿信息，位姿信息至少包括激光雷达的头部朝向和角度信息；
将预设长度的点云数据，确定为与点云数据对应的复合帧。
本申请的一些实施例通过将预设长度的点云数据进行合并生成与点云数据对应的复合帧，一个复合帧包含一定数量的数据帧，点云数据不仅需要足够多的数据特征，但是点云数据的数量也不能太多，影响后续处理效率。
可选地，根据运动信息，将激光雷达坐标系下的点云数据转换成世界坐标下的点云数据，包括：
其中：为雷达坐标系下的点云数据，/>为世界坐标系下的点云数据，/>为投影矩阵，且/>，/>为惯导的位姿信息，/>为惯导的位置信息，/>为惯导与激光雷达的头部之间的相对位置，t为时间戳，即把几个小数据帧组合成一些大的复合帧，该t就是复合帧开始的时间。
具体地，终端设备将雷达坐标系下的点云数据变换到世界坐标系下，已知对齐了时间戳的激光雷达点云和惯导位姿（航迹），可根据下式进行变换：
其中：为雷达坐标系下的点云数据，/>为世界坐标系下的点云数据，/>为投影矩阵，且有/>，其中/>为惯导姿态，/>为惯导位置，/>为惯导与雷达头部之间的相对位置。
终端设备将世界坐标系下的点云数据即数据帧组合成复合帧，一个数据帧包含激光雷达一次取数所获得的点云数据，数据帧之间的间隔是固定的。一个复合帧包含一定数量的数据帧，是进行优化的最小单位，复合帧应选择合适的长度即预设长度，若预设长度太短则缺乏足够特征，若预设长度太长则会使优化不够灵敏。
本申请的一些实施例通过根据运动信息，将激光雷达坐标系下的点云数据转换成世界坐标下的点云数据，方便计算后续的损失函数。可选地，根据复合帧中的参考帧和当前帧，确定与当前帧对应的损失函数，包括：
将所述复合帧中的每一帧确定为当前帧；
若在当前帧的预设范围内存在复合帧，则将复合帧确定为参考帧；
根据当前帧和参考帧，构建损失函数。
本申请的一些实施例，将复合帧中的每一帧作为当前帧，在该当前帧的预设范围查找是否还有其他的复合帧，若存在复合帧，则将该复合帧确定为参考帧，并根据当前帧和参考帧，构建损失函数，通过计算损失函数值，将当前帧向参考帧进行投影变换。
可选地，根据当前帧和参考帧，构建损失函数，包括：
根据预设优化变量，对当前帧中的每一个点云数据进行投影变换，得到变换后的点云数据，其中，预设优化变量至少包括移动距离和旋转角度信息；
根据参考帧，确定与变换后的点云数据的距离小于预设距离的对应点云数据；
将变换后的点云数据到对应点云数据的距离平方和的平均值，确定为损失函数。
具体地，终端设备使用当前帧和参考点云即参考帧构建损失函数，损失函数的构造遵循如下算法步骤：
1) 首先对当前帧中每个点进行投影变换，其中/>由优化变量算得，其中j表示第j个复合帧。
2) 然后对上述每个点在参考点云中搜索最近邻点，将其作为对应点。3) 按照下式计算损失函数。其中：/>为第j个复合帧中进行了上述投影变换后的第i个点，/>为第i个点的对应点（即最近邻点），/>为第j个复合帧（即当前帧）中所包含点的个数。该损失函数的物理意义为复合帧中所有点到参考点云中最近邻点的距离平方和的平均值。
本申请的一些实施例通过根据预设优化变量，对当前帧中的每一个点云数据进行投影变换，得到变换后的点云数据，根据参考帧，确定与变换后的点云数据的距离小于预设距离的对应点云数据；将变换后的点云数据到对应点云数据的距离平方和的平均值，确定为损失函数，通过计算每一复合帧的损失函数值，将当前帧向参考帧进行投影变换。
可选地，在损失函数的函数值为最小值的情况下，将当前帧向参考帧方向进行消除分层的优化处理，得到与待扫描物体对应的消除分层的点云数据，包括：
在移动距离小于预设移动距离，且旋转角度信息采用小于预设角度的情况，采用有约束的多变量标量函数的最小化算法，计算损失函数的函数值；
在损失函数的函数值为最小值的情况下，将当前帧向参考帧方向进行优化，得到优化后的复合帧；
循环对每一个复合帧进行优化处理，得到消除分层的点云数据。
具体地，终端设备使用优化器最小化损失函数，得到当前帧的优化后位姿。这里使用优化算法对损失函数进行优化处理，即求解最小值，例如，可以采用SLSQP（SequentialLeast Squares Quadratic Programming）速度快，兼容非线性约束算法去求解最小值。在优化时采用了非线性约束，使优化变量中的每个值的绝对值不能超过某个最大值，其中，/>为当前帧的平移距离，/>，为偏航角，终端设备将当前帧向参考帧进行优化移动，然后调整复合帧长度和参考点云筛选方式后再次重复循环，多次迭代直到得到满意的结果 。调节复合帧长度时应从长到短。调节参考点云筛选方式时应先只包含对侧航带点云，而后逐渐包含同侧航点相邻帧（已优化后的）点云，如图2和图3所示，图2为未优化的点云图，图3为优化后的点云图，即消除分层的点云图。
本申请的一些实施例通过对损失函数值进行判断，在损失函数的函数值为最小值的情况下，将当前帧向参考帧方向进行优化，得到优化后的复合帧；循环对每一个复合帧进行优化处理，得到消除分层的点云数据。
需要说明的是，本实施例中各可实施的方式可以单独实施，也可以在不冲突的情况下以任意组合方式结合实施本申请不做限定。
本申请另一实施例提供一种点云数据分层的处理装置，用于执行上述实施例提供的点云数据分层的处理方法。
如图4所示，为本申请实施例提供的点云数据分层的处理装置的结构示意图。该点云数据分层的处理装置包括，其中：
获取模块401用于获取激光雷达的运动信息和与运动信息对应的待扫描物体的点云数据；
复合模块402用于根据运动信息和点云数据，确定与点云数据对应的复合帧；
计算模块403用于根据复合帧中的参考帧和当前帧，确定与当前帧对应的损失函数；
处理模块404用于在损失函数的函数值为最小值的情况下，将当前帧向参考帧方向进行消除分层的优化处理，得到与待扫描物体对应的消除分层的点云数据。
关于本实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本申请的一些实施例通过对不同运动信息对应的点云数据计算损失函数，在损失函数值小于预设值的情况系下，将当前帧向参考帧方向进行消除分层的优化处理，得到与待扫描物体对应的消除分层的点云数据，以将存在分层的点云数据优化至不存在分层，且能清晰呈现被扫描物体的真实物理形状和体积，提高识别被扫描物体的准确度，达到良好的模型建立效果，同时提高了消除分层的效率。
本申请又一实施例对上述实施例提供的点云数据分层的处理装置做进一步补充说明。
可选地，复合模块用于：
根据运动信息，将激光雷达坐标系下的点云数据转换成世界坐标下的点云数据；其中，运动信息至少包括惯导的位置信息和惯导的位姿信息，位姿信息至少包括激光雷达的头部朝向和角度信息；
将预设长度的点云数据，确定为与点云数据对应的复合帧。
本申请的一些实施例通过将预设长度的点云数据进行合并生成与点云数据对应的复合帧，一个复合帧包含一定数量的数据帧，点云数据不仅需要足够多的数据特征，但是点云数据的数量也不能太多，影响后续处理效率。
可选地，复合模块用于：
其中：为雷达坐标系下的点云数据，/>为世界坐标系下的点云数据，/>为投影矩阵，且/>，/>为惯导的位姿信息，/>为惯导的位置信息，/>为惯导与激光雷达的头部之间的相对位置。
本申请的一些实施例通过根据运动信息，将激光雷达坐标系下的点云数据转换成世界坐标下的点云数据，方便计算后续的损失函数。
可选地，根据复合帧中的参考帧和当前帧，确定与当前帧对应的损失函数，包括：
将所述复合帧中的每一帧确定为当前帧；
若在当前帧的预设范围内存在复合帧，则将复合帧确定为参考帧；
根据当前帧和参考帧，构建损失函数。
本申请的一些实施例，通过将每一个复合帧作为当前帧，并进一步确定与当前帧对应的参考帧，根据当前帧和参考帧，构建损失函数，通过计算损失函数值，将当前帧向参考帧进行投影变换。
可选地，计算模块用于：
根据预设优化变量，对当前帧中的每一个点云数据进行投影变换，得到变换后的点云数据，其中，预设优化变量至少包括移动距离和旋转角度信息；
根据参考帧，确定与变换后的点云数据的距离小于预设距离的对应点云数据；
将变换后的点云数据到对应点云数据的距离平方和的平均值，确定为损失函数。
本申请的一些实施例通过根据预设优化变量，对当前帧中的每一个点云数据进行投影变换，得到变换后的点云数据，根据参考帧，确定与变换后的点云数据的距离小于预设距离的对应点云数据；将变换后的点云数据到对应点云数据的距离平方和的平均值，确定为损失函数，通过计算每一复合帧的损失函数值，将当前帧向参考帧进行投影变换。
可选地，处理模块用于：
在移动距离小于预设移动距离，且旋转角度信息采用小于预设角度的情况，采用有约束的多变量标量函数的最小化算法，计算损失函数的函数值；
在损失函数的函数值为最小值的情况下，将当前帧向参考帧方向进行优化，得到优化后的复合帧；
循环对每一个复合帧进行优化处理，得到消除分层的点云数据。
本申请通过将复合帧中的每一帧作为当前帧，在该当前帧的预设范围查找是否还有其他的复合帧，若存在复合帧，则将该复合帧确定为参考帧，并根据当前帧和参考帧，构建损失函数，通过计算损失函数值，将当前帧向参考帧进行投影变换。
关于本实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
需要说明的是，本实施例中各可实施的方式可以单独实施，也可以在不冲突的情况下以任意组合方式结合实施本申请不做限定。
本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，程序被处理器执行时可实现如上述实施例提供的点云数据分层的处理方法中的任意实施例所对应方法的操作。
本申请实施例还提供了一种计算机程序产品，的计算机程序产品包括计算机程序，其中，的计算机程序被处理器执行时可实现如上述实施例提供的点云数据分层的处理方法中的任意实施例所对应方法的操作。
如图5所示，本申请的一些实施例提供一种电子设备500，该电子设备500包括：存储器510、处理器520以及存储在存储器510上并可在处理器520上运行的计算机程序，其中，处理器520通过总线530从存储器510读取程序并执行程序时可实现如上述点云数据分层的处理方法包括的任意实施例的方法。
处理器520可以处理数字信号，可以包括各种计算结构。例如复杂指令集计算机结构、结构精简指令集计算机结构或者一种实行多种指令集组合的结构。在一些示例中，处理器520可以是微处理器。
存储器510可以用于存储由处理器520执行的指令或指令执行过程中相关的数据。这些指令和/或数据可以包括代码，用于实现本申请实施例描述的一个或多个模块的一些功能或者全部功能。本公开实施例的处理器520可以用于执行存储器510中的指令以实现上述所示的方法。存储器510包括动态随机存取存储器、静态随机存取存储器、闪存、光存储器或其它本领域技术人员所熟知的存储器。
以上仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种点云数据分层的处理方法，其特征在于，所述方法包括：
获取激光雷达的运动信息和与所述运动信息对应的待扫描物体的点云数据；
根据所述运动信息和所述点云数据，确定与所述点云数据对应的复合帧，其中，所述复合帧是根据一定长度的点云数据的数据帧进行合并得到的；
根据所述复合帧中的参考帧和当前帧，确定与所述当前帧对应的损失函数；
对所述损失函数进行优化处理，在所述损失函数的函数值为最小值的情况下，将所述当前帧向所述参考帧方向进行消除分层的优化处理，得到与所述待扫描物体对应的消除分层的点云数据。
2.根据权利要求1所述的点云数据分层的处理方法，其特征在于，所述根据所述运动信息和所述点云数据，确定与所述点云数据对应的复合帧，包括：
根据所述运动信息，将激光雷达坐标系下的点云数据转换成世界坐标下的点云数据；其中，所述运动信息至少包括惯导的位置信息和惯导的位姿信息，所述位姿信息至少包括激光雷达的头部朝向和角度信息；
将预设长度的点云数据，确定为与所述点云数据对应的复合帧。
3.根据权利要求2所述的点云数据分层的处理方法，其特征在于，所述根据所述运动信息，将激光雷达坐标系下的点云数据转换成世界坐标下的点云数据，包括：
其中：为雷达坐标系下的点云数据，/>为世界坐标系下的点云数据，/>为投影矩阵，且/>，/>为惯导的位姿信息，/>为惯导的位置信息，/>为惯导与激光雷达的头部之间的相对位置，t为时间戳。
4. 根据权利要求1所述的点云数据分层的处理方法，其特征在于， 所述根据所述复合帧中的参考帧和当前帧，确定与所述当前帧对应的损失函数，包括：
将所述复合帧中的每一帧确定为当前帧；
若在所述当前帧的预设范围内存在复合帧，则将所述复合帧确定为所述参考帧；
根据所述当前帧和所述参考帧，构建损失函数。
5.根据权利要求4所述的点云数据分层的处理方法，其特征在于，所述根据所述当前帧和所述参考帧，构建损失函数，包括：
根据预设优化变量，对所述当前帧中的每一个点云数据进行投影变换，得到变换后的点云数据，其中，所述预设优化变量至少包括移动距离和旋转角度信息；
根据所述参考帧，确定与所述变换后的点云数据的距离小于预设距离的对应点云数据；
将所述变换后的点云数据到所述对应点云数据的距离平方和的平均值，确定为所述损失函数。
6.根据权利要求5所述的点云数据分层的处理方法，其特征在于，在所述损失函数的函数值为最小值的情况下，将所述当前帧向所述参考帧方向进行消除分层的优化处理，得到与所述待扫描物体对应的消除分层的点云数据，包括：
在所述移动距离小于预设移动距离，且所述旋转角度信息采用小于预设角度的情况，采用有约束的多变量标量函数的最小化算法，计算所述损失函数的函数值；
在所述损失函数的函数值为最小值的情况下，将所述当前帧向所述参考帧方向进行优化，得到优化后的复合帧；
循环对每一个复合帧进行优化处理，得到所述消除分层的点云数据。
7.一种点云数据分层的处理装置，其特征在于，所述装置包括：
获取模块，用于获取激光雷达的运动信息和与所述运动信息对应的待扫描物体的点云数据；
复合模块，用于根据所述运动信息和所述点云数据，确定与所述点云数据对应的复合帧，其中，所述复合帧是根据一定长度的点云数据的数据帧进行合并得到的；
计算模块，用于根据所述复合帧中的参考帧和当前帧，确定与所述当前帧对应的损失函数；
处理模块，用于对所述损失函数进行优化处理，在所述损失函数的函数值为最小值的情况下，将所述当前帧向所述参考帧方向进行消除分层的优化处理，得到与所述待扫描物体对应的消除分层的点云数据。
8. 根据权利要求7所述的点云数据分层的处理装置，其特征在于， 所述复合模块用于：
根据所述运动信息，将激光雷达坐标系下的点云数据转换成世界坐标下的点云数据；其中，所述运动信息至少包括惯导的位置信息和惯导的位姿信息，所述位姿信息至少包括激光雷达的头部朝向和角度信息；
将预设长度的点云数据，确定为与所述点云数据对应的复合帧。
9.一种电子设备，其特征在于，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述程序时可实现权利要求1-6中任意一项权利要求所述的点云数据分层的处理方法。
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上存储有计算机程序，其特征在于，所述程序被处理器执行时可实现权利要求1-6中任意一项权利要求所述的点云数据分层的处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311227438.9A CN116977226B (zh) | 2023-09-22 | 2023-09-22 | 点云数据分层的处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311227438.9A CN116977226B (zh) | 2023-09-22 | 2023-09-22 | 点云数据分层的处理方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116977226A CN116977226A (zh) | 2023-10-31 |
| CN116977226B true CN116977226B (zh) | 2024-01-19 |
Family
ID=88485337
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311227438.9A Active CN116977226B (zh) | 2023-09-22 | 2023-09-22 | 点云数据分层的处理方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116977226B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021072710A1 (zh) * | 2019-10-17 | 2021-04-22 | 深圳市大疆创新科技有限公司 | 移动物体的点云融合方法、系统及计算机存储介质 |
| CN113066105A (zh) * | 2021-04-02 | 2021-07-02 | 北京理工大学 | 激光雷达和惯性测量单元融合的定位与建图方法及系统 |
| CN114089316A (zh) * | 2021-10-15 | 2022-02-25 | 东风越野车有限公司 | 一种激光雷达-惯导的联合标定系统、方法及介质 |
| CN115047438A (zh) * | 2021-03-08 | 2022-09-13 | 广东博智林机器人有限公司 | 数据校正方法、装置、电子设备和存储介质 |
| WO2022188094A1 (zh) * | 2021-03-11 | 2022-09-15 | 华为技术有限公司 | 一种点云匹配方法及装置、导航方法及设备、定位方法、激光雷达 |
| CN115079202A (zh) * | 2022-06-16 | 2022-09-20 | 智道网联科技(北京)有限公司 | 激光雷达建图方法、装置及电子设备、存储介质 |
| WO2023050638A1 (zh) * | 2021-09-29 | 2023-04-06 | 上海仙途智能科技有限公司 | 基于激光点云的路沿识别 |
| CN116106870A (zh) * | 2023-01-31 | 2023-05-12 | 新石器慧通（北京）科技有限公司 | 车辆激光雷达外参的标定方法和装置 |
| CN116563466A (zh) * | 2023-05-23 | 2023-08-08 | 电子科技大学 | 一种基于深度学习的三维单木点云的补全方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110335295B (zh) * | 2019-06-06 | 2021-05-11 | 浙江大学 | 一种基于tof相机的植物点云采集配准与优化方法 |
-
2023
- 2023-09-22 CN CN202311227438.9A patent/CN116977226B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021072710A1 (zh) * | 2019-10-17 | 2021-04-22 | 深圳市大疆创新科技有限公司 | 移动物体的点云融合方法、系统及计算机存储介质 |
| CN115047438A (zh) * | 2021-03-08 | 2022-09-13 | 广东博智林机器人有限公司 | 数据校正方法、装置、电子设备和存储介质 |
| WO2022188094A1 (zh) * | 2021-03-11 | 2022-09-15 | 华为技术有限公司 | 一种点云匹配方法及装置、导航方法及设备、定位方法、激光雷达 |
| CN113066105A (zh) * | 2021-04-02 | 2021-07-02 | 北京理工大学 | 激光雷达和惯性测量单元融合的定位与建图方法及系统 |
| WO2023050638A1 (zh) * | 2021-09-29 | 2023-04-06 | 上海仙途智能科技有限公司 | 基于激光点云的路沿识别 |
| CN114089316A (zh) * | 2021-10-15 | 2022-02-25 | 东风越野车有限公司 | 一种激光雷达-惯导的联合标定系统、方法及介质 |
| CN115079202A (zh) * | 2022-06-16 | 2022-09-20 | 智道网联科技(北京)有限公司 | 激光雷达建图方法、装置及电子设备、存储介质 |
| CN116106870A (zh) * | 2023-01-31 | 2023-05-12 | 新石器慧通（北京）科技有限公司 | 车辆激光雷达外参的标定方法和装置 |
| CN116563466A (zh) * | 2023-05-23 | 2023-08-08 | 电子科技大学 | 一种基于深度学习的三维单木点云的补全方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116977226A (zh) | 2023-10-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113432600B (zh) | 基于多信息源的机器人即时定位与地图构建方法及系统 | |
| JP6987797B2 (ja) | リアルタイムオンラインエゴモーション推定を有するレーザスキャナ | |
| US10109104B2 (en) | Generation of 3D models of an environment | |
| CN111445531B (zh) | 一种多目相机导航方法、装置、设备及存储介质 | |
| EP2922023A1 (en) | Three-dimensional object recognition device and three-dimensional object recognition method | |
| CN112183171A (zh) | 一种基于视觉信标建立信标地图方法、装置 | |
| CN113587934B (zh) | 一种机器人、室内定位方法、装置和可读存储介质 | |
| CN113640756B (zh) | 一种数据标定方法、系统、装置、计算机程序以及存储介质 | |
| CN118089704B (zh) | 一种基于自适应特征提取的slam方法及装置 | |
| CN111623773A (zh) | 一种基于鱼眼视觉和惯性测量的目标定位方法及装置 | |
| CN114596382A (zh) | 一种基于全景相机的双目视觉slam方法及系统 | |
| CN117367412B (zh) | 一种融合捆集调整的紧耦合激光惯导里程计与建图方法 | |
| CN114429432A (zh) | 一种多源信息分层融合方法、装置及存储介质 | |
| CN117518196A (zh) | 一种激光雷达的运动补偿方法、装置、系统、设备及介质 | |
| CN112097772B (zh) | 机器人及其地图构建方法和装置 | |
| CN116977226B (zh) | 点云数据分层的处理方法、装置、电子设备及存储介质 | |
| CN117685980A (zh) | 一种室内机器人多相机定位方法、系统及介质 | |
| CN113252023A (zh) | 基于里程计的定位方法、装置及设备 | |
| CN113516772B (zh) | 三维场景重建方法及装置、bim模型的优化方法及装置 | |
| CN115619954A (zh) | 稀疏语义地图的构建方法、装置、设备及存储介质 | |
| US20210270611A1 (en) | Navigation apparatus, navigation parameter calculation method, and medium | |
| CN117367458A (zh) | 地图的精度验证方法、装置、终端设备及介质 | |
| CN118392168B (zh) | 一种应用于边防的视巡一体化机器人的巡检方法及系统 | |
| CN116912310B (zh) | 相机位姿估计方法、装置、计算机设备及介质 | |
| CN118155039B (zh) | 多源信息融合的定位地图构建方法、装置、介质及设备 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |