CN117931968A - 点云数据校正方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明公开了一种点云数据校正方法、装置、电子设备及存储介质。具体方案为：在确定目标车辆所属行驶道路为单轨迹道路时，获取目标车辆在前一多轨迹道路上实际历史轨迹数据所对应的第一点云数据，以及路采轨迹数据所对应的第二点云数据；基于第一点云数据和第二点云数据，确定路采轨迹数据的第一平均高程值；确定单轨迹道路和多轨迹道路的公共道路区域，并依据该区域所对应的第一点云数据和第二点云数据，确定实际历史轨迹数据的第二平均高程值；基于第一平均高程值和第二平均高程值，确定高程差值；基于高程差值更新目标车辆在单轨迹道路的目标点云数据。本发明解决了对单轨迹道路的点云数据存在高程差值的问题，提高了对单轨迹场景的修复率。

Description

点云数据校正方法、装置、电子设备及存储介质

技术领域

本发明涉及高精地图技术领域，尤其涉及一种点云数据校正方法、装置、电子设备及存储介质。

背景技术

在高精地图的快速发展过程中，对点云数据的质量要求越来越高，其中，可以利用点云数据对单轨迹道路和多轨迹道路等边缘场景进行处理。

目前，在边缘场景中存在点云数据的高程差值时，多是以当前道路上高程正确的轨迹道路对应的高程值信息作为参考，对存在问题的点云数据进行删除，从而解决点云数据存在高程差值的问题。但是，若存在当前道路中没有其他正确的轨迹道路作为参考进行处理时，例如，当前道路为高架桥，则在高架桥中的同一位置的点云数据可能存在一定的高程差值，此时无法在当前道路中获得正确的轨迹道路进行参考，基于此，本发明提出对点云数据进行修正的技术方案。

发明内容

本发明提供了一种点云数据校正方法、装置、电子设备及存储介质，解决了对单轨迹道路的点云数据存在高程差值的问题，提高了对单轨迹场景问题的修复率。

根据本发明的一方面，提供了一种点云数据校正方法，该方法包括：

在确定目标车辆所属行驶道路为单轨迹道路时，获取目标车辆在前一多轨迹道路上实际历史轨迹数据所对应的第一点云数据，以及路采轨迹数据所对应的第二点云数据；

基于第一点云数据和第二点云数据，确定路采轨迹数据的第一平均高程值；

确定单轨迹道路和多轨迹道路的公共道路区域，并依据公共道路区域所对应的第一点云数据和第二点云数据，确定实际历史轨迹数据的第二平均高程值；

基于第一平均高程值和第二平均高程值，确定高程差值；

基于高程差值更新目标车辆在单轨迹道路的目标点云数据。

根据本发明的另一方面，提供了一种点云数据校正装置，该装置包括：

点云数据获取模块，用于在确定目标车辆所属行驶道路为单轨迹道路时，获取目标车辆在前一多轨迹道路上实际历史轨迹数据所对应的第一点云数据，以及路采轨迹数据所对应的第二点云数据；

第一平均高程值确定模块，用于基于第一点云数据和第二点云数据，确定路采轨迹数据的第一平均高程值；

第二平均高程值确定模块，用于确定单轨迹道路和多轨迹道路的公共道路区域，并依据公共道路区域所对应的第一点云数据和第二点云数据，确定实际历史轨迹数据的第二平均高程值；

高程差值确定模块，用于基于第一平均高程值和第二平均高程值，确定高程差值；

目标点云数据更新模块，用于基于高程差值更新目标车辆在单轨迹道路的目标点云数据。

根据本发明的另一方面，提供了一种电子设备，该电子设备包括：

至少一个处理器；以及

与至少一个处理器通信连接的存储器；其中，

存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行本发明任一实施例的点云数据校正方法。

根据本发明的另一方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行时实现本发明任一实施例的点云数据校正方法。

本发明实施例的技术方案，在确定目标车辆所属的行驶道路为单轨迹道路时，通过获取目标车辆在前一多轨迹道路上的实际历史轨迹数据对应的第一点云数据以及路采轨迹数据对应的第二点云数据，为后续计算点云数据对应的高程值做好数据基础。之后，利用第一点云数据和第二点云数据确实路采轨迹数据的第一平均高程值，从而确定了目标车辆所属的行驶道路对应的轨迹数据的平均高程值。进一步的，根据单轨迹道路与多轨迹道路的公共道路区域，以及该区域对应的第一点云数据和第二点云数据，确定实际历史轨迹数据的第二平均高程值，以便基于实际历史轨迹数据的平均高程值作为参考值进行高程差值的计算。在获得第一平均高程值和第二平均高程值后，计算上述两个平均高程值对应的高程差值，以便根据高程差值更新目标车辆所在单轨迹道路的目标点云数据。本发明实施例的技术方案解决了对单轨迹道路的点云数据存在高程差值的问题，提高了对单轨迹场景问题的修复率，进一步的提高了场景泛化性。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明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发明的一些实施例，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是本发明实施例提供的一种点云数据校正方法的流程图；

图2是本发明实施例提供的一种点云数据校正方法的示例图；

图3是本发明实施例提供的一种点云数据校正方法的流程示例图；

图4是本发明实施例提供的一种点云数据校正装置的结构示意图；

图5是实现本发明实施例的点云数据校正方法的电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例一

图1是本发明实施例提供的一种点云数据校正方法的流程图，本实施例可适用于在确定目标车辆所属行驶道路为单轨迹道路时，需要获取前一多轨迹道路相应的点云数据计算高程差值，以更新该单轨迹道路的目标点云数据的情况，该方法可以由点云数据校正装置来执行，该点云数据校正装置可以采用硬件和/或软件的形式实现，该点云数据校正装置可配置于手机、计算机或者服务器等的电子设备中。如图1所示，该方法包括：

S110、在确定目标车辆所属行驶道路为单轨迹道路时，获取目标车辆在前一多轨迹道路上实际历史轨迹数据所对应的第一点云数据，以及路采轨迹数据所对应的第二点云数据。

在本发明实施例中，可以将当前所介绍的车辆作为目标车辆，在目标车辆行驶过程中，会驶入不同类型的道路，例如，单轨迹道路、多轨迹道路等。其中，单轨迹道路可以是只存在一条轨迹的道路。多轨迹道路可以是允许多辆车同时行驶的道路，即在该道路上，存在多条轨迹，每个轨迹即可视为一个独立的行车路线。例如，参见图2，道路C为一条单行道，则可以将道路C称为单轨迹道路。道路A为一条多行道，可以允许多辆车同时行驶，则该道路A可以是多轨迹道路。若此时目标车辆从多轨迹道路驶入单轨迹道路，可以将在当前时刻之前，目标车辆在多轨迹道路上行驶时的一段预设里程内采集到的数据作为实际历史轨迹数据。其中，实际历史轨迹数据是高程值正确的轨迹对应的数据，可以通过GPS(GlobalPositioning System,全球定位系统)、北斗等卫星定位系统或其他传感器收集。上述所提及的预设里程可以是根据实际需求设置的里程长度，高程值可以是指实际历史轨迹的某一轨迹点在垂直方向上的高度值。路采轨迹数据可以理解为在目标车辆行驶过程中，通过定位系统或传感器采集到的轨迹数据。无论是实际历史轨迹数据还是路采轨迹数据，其轨迹数据是由多个轨迹点构成的，在目标车辆行驶过程中，可以在相应轨迹道路上设置很多轨迹点，每个轨迹点都包含该位置对应的点云数据。点云数据可以理解为在一个三维坐标系统中的一组向量的集合。根据上述描述，第一点云数据可以表示实际历史轨迹数据中每个轨迹点对应的点云数据信息。相应的，第二点云数据可以表示路采轨迹数据中每个轨迹点对应的点云数据信息。

具体的，在确定目标车辆所属行驶道路为单轨迹道路后，可以通过获取目标车辆在前一多轨迹道路上采集到的高程值正确的轨迹数据，即实际历史轨迹数据，根据实际历史轨迹数据确定对应的第一点云数据。之后，在目标车辆行驶过程中，通过相应的定位系统或传感器采集到行驶过程中的轨迹数据，即为路采轨迹数据，从而获得路采轨迹数据对应的点云数据。

需要说明的是，实际历史轨迹数据可以是通过多次采集获得的数据，实际历史轨迹数据为高程值正确的轨迹数据，可以是预先通过相应的质量检测手段或是高精度的检测手段获得的，例如，可以预先确定一些高精度的轨迹点，通过比较实际历史轨迹数据是否与高精度的轨迹点是否存在高程值的误差，从而确定实际历史轨迹数据为高程值正确的轨迹数据。

S120、基于第一点云数据和第二点云数据，确定路采轨迹数据的第一平均高程值。

在本发明实施例中，第一平均高程值可以是指在第二点云数据中，与第一点云数据具有相同点云位置的点云数据对应的高程值的平均值。

具体的，轨迹数据是由轨迹点构成的，在目标车辆行驶过程中，可以在相应轨迹道路上设置很多轨迹点，每个轨迹点都包含该位置对应的点云数据。而点云数据与高程值是相互关联的，可以通过一定的处理，将点云数据转换为高程值。根据第一点云数据与第二点云数据确定相同点云位置的点云数据，其中，相同点云位置可以有一个或多个，因此可以确定一些相同点云位置的点云数据。之后，在路采轨迹数据所对应的第二点云数据中确定相同点云位置的点云数据，由于相同点云位置的点云数据可以有一个或多个，因此对应一个或多个高程值，可以将这些高程值进行均值计算，获得的平均高程值，即为路采轨迹数据的第一平均高程值。

可选的，基于第一点云数据和第二点云数据，确定路采轨迹数据的第一平均高程值，包括：遍历路采轨迹数据上对应的第二点云数据，与实际历史轨迹数据中相同点云位置的第一点云数据，确定关键帧；依据关键帧在路采轨迹数据中的待使用点云数据，确定第一平均高程值；其中，待使用点云数据为第二点云数据中的数据。

在本发明实施例中，轨迹数据是由很多轨迹点构成的，在目标车辆行驶过程中，可以在相应轨迹道路上设置很多轨迹点，当获取轨迹数据时，需要对每一个轨迹点进行图像采集，即每个轨迹点对应一个图像采集的帧。每一帧中都包含对应位置的点云数据。可以理解为轨迹是点云数据的前端载体，存在对应关系。其中，若存在具有相同点云位置的点云数据的帧，则可以将这些帧作为关键帧。相同点云位置可以理解为在点云数据中相同点云要素的位置数据。点云要素可以是单轨迹或多轨迹道路中的交通元素。例如，相同点云位置可以是在点云数据中相同红绿灯的位置数据。待使用点云数据可以理解为第二点云数据中相同点云位置的点云数据。

具体的，利用特征提取算法对第一点云数据对应的帧以及第二点云数据对应的帧进行相同点云要素的提取，可以将帧中的每个点云要素以矩形框的形式进行展示。其中，特征提取算法可以是SLAM(Simultaneous Localization and Mapping，同时定位与地图构建)算法，也可以是其他可以实现上述方式的算法，本实施例对此不做限制。若第一点云数据对应的帧与第二点云数据对应的帧中包含相同点云位置的点云要素，可以将这些相同点云位置对应的点云要素进行圈画，从而圈画出包括所有相同点云位置对应的点云要素的最大区域范围，之后可以根据在这个范围内的点云数据确定对应的关键帧。根据关键帧确定在路采轨迹数据中相同点云位置的点云数据，即待使用点云数据，之后可以对待使用点云数据对应的高程值进行均值计算，从而获得第一平均高程值。其中，由于待使用点云数据为路采轨迹数据中的点云数据，即待使用点云数据为第二点云数据中的数据。

可选的，相同点云位置为点云数据中包括相同点云要素的位置数据，点云要素包括位于单轨迹道路和/或多轨迹道路中的交通元素。

在本发明实施例中，相同点云位置是点云数据中包括相同点云要素的位置数据，其中，点云要素可以包括单轨迹道路和/或多轨迹道路中的交通元素。例如，点云要素可以是人行横道、红绿灯、停止线等交通要素。

S130、确定单轨迹道路和多轨迹道路的公共道路区域，并依据公共道路区域所对应的第一点云数据和第二点云数据，确定实际历史轨迹数据的第二平均高程值。

在本发明实施例中，第二平均高程值可以是指在第一点云数据中，与第二点云数据具有相同点云位置的点云数据对应的高程值的平均值。

具体的，首先确定单轨迹道路与多轨迹道路之间的公共区域，例如，如图2所示，在道路A与道路C中间存在一段包含采集轨迹a和采集轨迹b的区域，该区域即为公共区域。根据公共区域对应的第一点云数据与第二点云数据确定相同点云位置的点云数据，其中，相同点云位置可以有一个或多个，因此可以确定一些相同点云位置的点云数据。之后，在实际历史轨迹数据所对应的第一点云数据中确定相同点云位置的点云数据，由于相同点云位置的点云数据可以有一个或多个，因此对应一个或多个高程值，可以将这些高程值进行均值计算，获得的平均高程值，即为实际历史轨迹数据的第二平均高程值。

可选的，依据公共道路区域所对应的第一点云数据和第二点云数据，确定实际历史轨迹数据的第二平均高程值，包括：确定实际历史轨迹数据和路采轨迹数据在相同点云位置的至少一个关键帧；基于至少一个关键帧的第一点云数据，确定待应用点云数据；依据待应用点云数据，确定第二平均高程值。

在本发明实施例中，待应用点云数据可以是第一点云数据中相同点云位置的点云数据。

具体的，可以利用特征提取算法确定实际历史轨迹数据和路采轨迹数据在相同点云位置的至少一个关键帧，其中，在实际历史轨迹数据和路采轨迹数据中分别对应多个帧，因此可能存在包含相同点云位置的点云数据的一个或多个关键帧。根据关键帧中实际历史轨迹数据对应的第一点云数据，确定第一点云数据中相同点云位置的点云数据，即为待应用点云数据。之后可以对待应用点云数据对应的高程值进行均值计算，从而获得第二平均高程值。

S140、基于第一平均高程值和第二平均高程值，确定高程差值。

在本发明实施例中，高程差值可以理解为第一平均高程值与第二平均高程值的差值，其中，高程差值可以是正值也可以是负值。

具体的，第一平均高程值为路采轨迹数据对应的平均高程值，即目标车辆行驶过程中计算获得的高程值，第二平均高程值为实际历史轨迹数据对应的平均高程值，第二平均高程值为准确的高程值。根据第一平均高程值与第二平均高程值，计算二者之间的差值，即为高程差值。

可选的，基于第一平均高程值和第二平均高程值，确定高程差值，包括：计算第一平均高程值和第二平均高程值的差值，得到高程差值。

具体的，根据获得的第一平均高程值与第二平均高程值，计算二者之间的差值，即为高程差值。以便后续利用高程差值对单轨迹道路上的点云数据进行修正。

S150、基于高程差值更新目标车辆在单轨迹道路的目标点云数据。

在本发明实施例中，目标点云数据可以理解为单轨迹道路中对应的更新后的点云数据。

具体的，根据第一平均高程值和第二平均高程值计算获得高程差值，利用高程差值使得目标车辆在单轨迹道路上的点云数据对应的高程值均变化相应的高程差值，以保证目标车辆在单轨迹道路上的高程值整体变化趋势不变，但是高程值更新为趋近于实际历史轨迹数据所对应的第一点云数据的高程值的水平。从而，根据更新后的高程值对应获得目标点云数据。

可选的，基于高程差值更新目标车辆在单轨迹道路的目标点云数据，包括：在目标车辆行驶过程中，获取目标车辆在单轨迹道路的待修正点云数据；基于高程差值对待修正点云数据进行高度修正，得到目标车辆在行驶过程中的目标点云数据。

在本发明实施例中，待修正点云数据可以是目标车辆在单轨迹道路上行驶时需要修正的点云数据。例如，如图2所示，待修正点云数据可以是在道路C上的采集轨迹a对应的点云数据。

具体的，通过定位系统或传感器采集到目标车辆在单轨迹道路中行驶的轨迹数据，根据轨迹数据确定相应的待修正点云数据。根据获得的高程差值对待修正点云数据的高程值进行高度修正，从而根据修正后的高程值获得目标车辆在行驶过程中的目标点云数据。

其中，单轨迹道路可以是一条单轨迹道路，也可以是连续的单轨迹道路，在对单轨迹道路进行点云数据修正时，依靠的是前一轨迹道路是否为多轨迹道路进行处理的。即在道路的轨迹类型发生变化时，对单轨迹道路进行点云数据的修正。

示例性的，在确定目标车辆所属行驶道路为单轨迹道路时，确定前一轨迹道路为多轨迹道路，此时需要进行点云数据的修正。若前一轨迹道路为单轨迹道路，此单轨迹道路之前的轨迹道路为多轨迹道路，此时可以将前一轨迹道路进行点云数据的修正，对目标车辆所属的行驶道路延续前一轨迹道路的处理方式即可。

本实施例的技术方案，在确定目标车辆所属的行驶道路为单轨迹道路时，通过获取目标车辆在前一多轨迹道路上的实际历史轨迹数据对应的第一点云数据以及路采轨迹数据对应的第二点云数据，为后续计算点云数据对应的高程值做好数据基础。之后，利用第一点云数据和第二点云数据确实路采轨迹数据的第一平均高程值，从而确定了目标车辆所属的行驶道路对应的轨迹数据的平均高程值。进一步的，根据单轨迹道路与多轨迹道路的公共道路区域，以及该区域对应的第一点云数据和第二点云数据，确定实际历史轨迹数据的第二平均高程值，以便基于实际历史轨迹数据的平均高程值作为参考值进行高程差值的计算。在获得第一平均高程值和第二平均高程值后，计算上述两个平均高程值对应的高程差值，以便根据高程差值更新目标车辆所在单轨迹道路的目标点云数据。本发明实施例的技术方案解决了对单轨迹道路的点云数据存在高程差值的问题，提高了对单轨迹场景问题的修复率，进一步的提高了场景泛化性。

实施例二

图3是本发明实施例提供的一种点云数据校正方法的流程示例图，本实施例为上述实施例的一个示例。如图3所示，该方法包括：

S210、在道路C上，找到对应问题轨迹a，遍历出轨迹a上对应的点云与轨迹b上对应的相同点云位置的关键帧。

其中，由于本实施例均以图2为例，进行说明，因此后续不在多加赘述。

在本发明实施例中，问题轨迹a对应于上述实施例所提及的路采轨迹，轨迹a上对应的点云对应于上述实施例所提及的路采轨迹数据所对应的第二点云数据。轨迹b对应于上述实施例所提及的实际历史轨迹。遍历出轨迹a上对应的点云与轨迹b上对应的相同点云位置的关键帧对应于上述实施例所提及的遍历路采轨迹数据上对应的第二点云数据，与实际历史轨迹数据中相同点云位置的第一点云数据，确定关键帧。

具体的，在道路C中，确定问题轨迹为采集轨迹a，可以通过特征提取算法，将采集轨迹a和采集轨迹b上对应的点云中的每个点云要素以矩形框的形式进行展示，若采集轨迹a和采集轨迹b具有相同的点云位置，则其相同点云位置对应的点云要素是一样的。可以将一个相同点云要素作为一个特征进行提取，之后根据提取出来的点云要素的坐标位置点，圈画出包括所有这些共同的点云要素对应的坐标位置点的最大区域范围，以根据该区域范围内的点云数据确定相同点云位置的关键帧。

示例性的，若采集轨迹a和采集轨迹b均采集了相同的点云位置，该点云位置可以是一个路口，那么该路口的人行横道、红绿灯、停止线这些点云要素中的每个点云要素可以用一个立体矩形包围，之后依据立体矩形自身的长宽高以及各点云要素彼此之间的相对位置定位来判断是否属于同一区域。如果属于同一区域，即可以通过这些立体矩形的位置点连接形成一个包含所有相同特征的最大区域范围，通过这个最大区域范围内包含的点云数据确定点云数据对应的关键帧。

S220、计算出轨迹a上这些关键帧的平均高程值x。

在本发明实施例中，平均高程值x对应于上述实施例所提及的第一平均高程值。计算出轨迹a上这些关键帧的平均高程值x对应于上述实施例所提及的S120。

具体的，通过采集轨迹a与采集轨迹b上对应的相同点云位置的关键帧确定采集轨迹a对应的关键帧，从而根据采集轨迹a对应的关键帧中包含的点云数据，对应获得采集轨迹a上的高程值，从而对所有的高程值进行均值处理，获得平均高程值x，即上述实施例所提及的第一平均高程值。

S230、在道路A上，找到高程正确的轨迹b，遍历出轨迹b上对应的点云与轨迹a上对应的相同点云位置的关键帧。

在本发明实施例中，高程正确的轨迹b对应于上述实施例所提及的实际历史轨迹。遍历出轨迹b上对应的点云与轨迹a上对应的相同点云位置的关键帧对应于上述实施例所提及的确定实际历史轨迹数据和路采轨迹数据在相同点云位置的至少一个关键帧。

具体的，在道路A中，确定高程正确的轨迹b为采集轨迹b，可以通过特征提取算法，确定采集轨迹a和采集轨迹b上相同点云位置对应的点云要素，从而圈画出包括所有这些共同的点云要素对应的坐标位置点的最大区域范围，以根据该区域范围内的点云数据确定相同点云位置的关键帧。

S240、计算出轨迹b上这些关键帧的平均高程值y。

在本发明实施例中，平均高程值y对应于上述实施例所提及的第二平均高程值。

具体的，通过采集轨迹a与采集轨迹b上对应的相同点云位置的关键帧确定采集轨迹b对应的关键帧，从而根据采集轨迹b对应的关键帧中包含的点云数据，对应获得采集轨迹b上的高程值，从而对所有的高程值进行均值处理，获得平均高程值y，即上述实施例所提及的第二平均高程值。

S250、计算出平均高程值x和y的差值作为▲λ。

在本发明实施例中，▲λ对应于上述实施例所提及的高程差值。计算出平均高程值x和y的差值作为▲λ对应于上述实施例的S140。

具体的，根据轨迹a对应的平均高程值x和轨迹b对应的平均高程值y进行差值计算，并将差值作为▲λ。

S260、将轨迹a上的所有轨迹帧的高程值都变化▲λ，所得到的新的轨迹位置称轨迹a1，a1即为高差修复后的轨迹a。

在本发明实施例中，将采集轨迹a上的所有轨迹帧的高程值都变化▲λ对应于上述实施例的S150。

具体的，将采集轨迹a上的所有轨迹点对应的帧的高程值都变化▲λ，以保障采集轨迹a对应路段的真实高程值的整体变化趋势不变，但整体高程调整为趋近于采集轨迹b的水平。之后，根据变化后的采集轨迹a的高程值确定对应的点云数据，即上述实施例所提及的目标点云数据。从而，基于目标点云数据确定高差修复后的轨迹a，即轨迹a1。

本实施例的技术方案，通过确定问题轨迹a，遍历出轨迹a上对应的点云与轨迹b上对应的相同点云位置的关键帧，从而计算出问题轨迹a对应的平均高程值x，之后，确定高程正确的轨迹b，遍历出轨迹b上对应的点云与轨迹a上对应的相同点云位置的关键帧，从而计算出轨迹b上对应的平均高程值y，以基于轨迹b上的平均高程值对轨迹a进行修正。之后计算平均高程值x和y的差值，并将差值作为▲λ，之后将轨迹a上的对应的所有高程值都变化▲λ，从而获得高差修正后的新轨迹，即为轨迹a1。本发明实施例的技术方案解决了对单轨迹道路的点云数据存在高程差值的问题，提高了对单轨迹场景问题的修复率，进一步的提高了场景泛化性。此外，基于修正后的点云数据获得新的轨迹，可以更加直观的观察到点云数据高差修正后对应的轨迹变化。

实施例三

图4是本发明实施例提供的一种点云数据校正装置的结构示意图。如图4所示，该装置包括：点云数据获取模块310、第一平均高程值确定模块320、第二平均高程值确定模块330、高程差值确定模块340以及目标点云数据更新模块350。

点云数据获取模块310，用于在确定目标车辆所属行驶道路为单轨迹道路时，获取目标车辆在前一多轨迹道路上实际历史轨迹数据所对应的第一点云数据，以及路采轨迹数据所对应的第二点云数据；第一平均高程值确定模块320，用于基于第一点云数据和第二点云数据，确定路采轨迹数据的第一平均高程值；第二平均高程值确定模块330，用于确定单轨迹道路和多轨迹道路的公共道路区域，并依据公共道路区域所对应的第一点云数据和第二点云数据，确定实际历史轨迹数据的第二平均高程值；高程差值确定模块340，用于基于第一平均高程值和第二平均高程值，确定高程差值；目标点云数据更新模块350，用于基于高程差值更新目标车辆在单轨迹道路的目标点云数据。

本实施例的技术方案，在确定目标车辆所属的行驶道路为单轨迹道路时，通过获取目标车辆在前一多轨迹道路上的实际历史轨迹数据对应的第一点云数据以及路采轨迹数据对应的第二点云数据，为后续计算点云数据对应的高程值做好数据基础。之后，利用第一点云数据和第二点云数据确实路采轨迹数据的第一平均高程值，从而确定了目标车辆所属的行驶道路对应的轨迹数据的平均高程值。进一步的，根据单轨迹道路与多轨迹道路的公共道路区域，以及该区域对应的第一点云数据和第二点云数据，确定实际历史轨迹数据的第二平均高程值，以便基于实际历史轨迹数据的平均高程值作为参考值进行高程差值的计算。在获得第一平均高程值和第二平均高程值后，计算上述两个平均高程值对应的高程差值，以便根据高程差值更新目标车辆所在单轨迹道路的目标点云数据。本发明实施例的技术方案解决了对单轨迹道路的点云数据存在高程差值的问题，提高了对单轨迹场景问题的修复率，进一步的提高了场景泛化性。

在上述实施例的基础上，可选的，第一平均高程值确定模块，包括：关键帧确定单元，用于遍历路采轨迹数据上对应的第二点云数据，与实际历史轨迹数据中相同点云位置的第一点云数据，确定关键帧；第一平均高程值确定单元，用于依据关键帧在路采轨迹数据中的待使用点云数据，确定第一平均高程值；其中，待使用点云数据为第二点云数据中的数据。

可选的，第二平均高程值确定模块，包括：关键帧确定单元，用于确定实际历史轨迹数据和路采轨迹数据在相同点云位置的至少一个关键帧；待应用点云数据确定单元，用于基于至少一个关键帧的第一点云数据，确定待应用点云数据；第二平均高程值确定单元，用于依据待应用点云数据，确定第二平均高程值。

可选的，在第一平均高程值确定模块或第二平均高程值确定模块中，相同点云位置为点云数据中包括相同点云要素的位置数据，点云要素包括位于单轨迹道路和/或多轨迹道路中的交通元素。

可选的，高程差值确定模块，用于计算第一平均高程值和第二平均高程值的差值，得到高程差值。

可选的，目标点云数据更新模块，包括：待修正点云数据获取单元，用于在目标车辆行驶过程中，获取目标车辆在单轨迹道路的待修正点云数据；目标点云数据确定单元，用于基于高程差值对待修正点云数据进行高度修正，得到目标车辆在行驶过程中的目标点云数据。

本发明实施例所提供的点云数据校正装置可执行本发明任意实施例所提供的点云数据校正方法，具备执行方法相应的功能模块和有益效果。

实施例四

图5是本发明实施例四提供的一种电子设备的结构示意图。电子设备10旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图5所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如点云数据校正方法。

在一些实施例中，点云数据校正方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的点云数据校正方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行点云数据校正方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的点云数据校正方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

实施例五

本发明实施例五还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行一种点云数据校正方法，该方法包括：

在确定目标车辆所属行驶道路为单轨迹道路时，获取目标车辆在前一多轨迹道路上实际历史轨迹数据所对应的第一点云数据，以及路采轨迹数据所对应的第二点云数据；基于第一点云数据和第二点云数据，确定路采轨迹数据的第一平均高程值；确定单轨迹道路和多轨迹道路的公共道路区域，并依据公共道路区域所对应的第一点云数据和第二点云数据，确定实际历史轨迹数据的第二平均高程值；基于第一平均高程值和第二平均高程值，确定高程差值；基于高程差值更新目标车辆在单轨迹道路的目标点云数据。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种点云数据校正方法，其特征在于，包括：

在确定目标车辆所属行驶道路为单轨迹道路时，获取所述目标车辆在前一多轨迹道路上实际历史轨迹数据所对应的第一点云数据，以及路采轨迹数据所对应的第二点云数据；

基于所述第一点云数据和所述第二点云数据，确定所述路采轨迹数据的第一平均高程值；

确定所述单轨迹道路和所述多轨迹道路的公共道路区域，并依据所述公共道路区域所对应的第一点云数据和所述第二点云数据，确定所述实际历史轨迹数据的第二平均高程值；

基于所述第一平均高程值和所述第二平均高程值，确定高程差值；

基于所述高程差值更新所述目标车辆在所述单轨迹道路的目标点云数据。

2.根据权利要求1所述的方法，其特征在于，所述基于所述第一点云数据和所述第二点云数据，确定所述路采轨迹数据的第一平均高程值，包括：

遍历所述路采轨迹数据上对应的第二点云数据，与所述实际历史轨迹数据中相同点云位置的第一点云数据，确定关键帧；

依据所述关键帧在所述路采轨迹数据中的待使用点云数据，确定第一平均高程值；其中，所述待使用点云数据为所述第二点云数据中的数据。

3.根据权利要求1所述的方法，其特征在于，所述依据所述公共道路区域所对应的第一点云数据和所述第二点云数据，确定所述实际历史轨迹数据的第二平均高程值，包括：

确定所述实际历史轨迹数据和所述路采轨迹数据在相同点云位置的至少一个关键帧；

基于所述至少一个关键帧的第一点云数据，确定待应用点云数据；

依据所述待应用点云数据，确定所述第二平均高程值。

4.根据权利要求2或3所述的方法，其特征在于，所述相同点云位置为点云数据中包括相同点云要素的位置数据，所述点云要素包括位于所述单轨迹道路和/或所述多轨迹道路中的交通元素。

5.根据权利要求1所述的方法，其特征在于，所述基于所述第一平均高程值和所述第二平均高程值，确定高程差值，包括：

计算所述第一平均高程值和所述第二平均高程值的差值，得到所述高程差值。

6.根据权利要求1所述的方法，其特征在于，所述基于所述高程差值更新所述目标车辆在所述单轨迹道路的目标点云数据，包括：

在所述目标车辆行驶过程中，获取所述目标车辆在所述单轨迹道路的待修正点云数据；

基于所述高程差值对所述待修正点云数据进行高度修正，得到所述目标车辆在行驶过程中的目标点云数据。

7.一种点云数据校正装置，其特征在于，包括：

点云数据获取模块，用于在确定目标车辆所属行驶道路为单轨迹道路时，获取所述目标车辆在前一多轨迹道路上实际历史轨迹数据所对应的第一点云数据，以及路采轨迹数据所对应的第二点云数据；

第一平均高程值确定模块，用于基于所述第一点云数据和所述第二点云数据，确定所述路采轨迹数据的第一平均高程值；

第二平均高程值确定模块，用于确定所述单轨迹道路和所述多轨迹道路的公共道路区域，并依据所述公共道路区域所对应的第一点云数据和所述第二点云数据，确定所述实际历史轨迹数据的第二平均高程值；

高程差值确定模块，用于基于所述第一平均高程值和所述第二平均高程值，确定高程差值；

目标点云数据更新模块，用于基于所述高程差值更新所述目标车辆在所述单轨迹道路的目标点云数据。

8.根据权利要求7所述的装置，其特征在于，所述第一平均高程值确定模块，包括：

关键帧确定单元，用于遍历所述路采轨迹数据上对应的第二点云数据，与所述实际历史轨迹数据中相同点云位置的第一点云数据，确定关键帧；

第一平均高程值确定单元，用于依据所述关键帧在所述路采轨迹数据中的待使用点云数据，确定第一平均高程值；其中，所述待使用点云数据为所述第二点云数据中的数据。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的点云数据校正方法。

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存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-6中任一项所述的点云数据校正方法。