一种激光点云的平面识别方法、装置、设备和介质制造方法及图纸

本发明专利技术实施例公开了一种激光点云的平面识别方法、装置、设备和介质。其中，方法包括：获取车辆采集器采集到的一帧激光点云数据；将所述激光点云数据进行栅格划分；针对每个栅格，采用平面识别算法和设定点数阈值进行平面识别，其中，各个栅格所采用的设定点数阈值根据栅格与采集中心之间的距离差异而不同；根据平面识别结果进行处理。本发明专利技术实施例解决了没有根据激光点云数据的特点进行平面识别的差异化对待，致使识别结果的准确性较低的问题，实现根据激光点云的特点在平面识别中动态设定阈值，能够提高平面识别的准确性。

【技术实现步骤摘要】
一种激光点云的平面识别方法、装置、设备和介质
本专利技术实施例涉及数据处理技术，尤其涉及一种激光点云的平面识别方法、装置、设备和介质。
技术介绍
在自动驾驶和辅助驾驶的
中，采用激光雷达进行环境感知是一种广泛被采用的技术。现有技术中，首先通过激光雷达发射激光射线，激光射线遇到不可穿透的障碍物时会被反射回来，由激光雷达的接收设备接收；通过记录发射和接收之间的时延，再结合射线的传输速度来计算障碍物与激光雷达之间的距离。通过大量的激光射线检测，能够进行周围环境的感知。以64线激光雷达为例，每秒可产生130万个点，每个点能反映对应的距离。激光雷达的一次检测获取的点云数据，可称为一帧激光点云数据。获得激光点云数据之后，需要进一步进行数据处理，基于激光点云数据进行各类障碍物识别，如大车、小车、行人等，从而作为控制车辆行驶的依据。进行障碍物识别之前进行平面识别是基础处理操作，但是，现有技术没有结合激光点云的特点进行平面识别的差异化对待，致使识别结果的准确性较低。
技术实现思路
本专利技术实施例提供一种激光点云的平面识别方法、装置、设备和介质，以结合激光点云的特点进行平面识别，提高识别的准确性。第一方面，本专利技术实施例提供了一种激光点云的平面识别方法，该方法包括：获取车辆采集器采集到的一帧激光点云数据；将所述激光点云数据进行栅格划分；针对每个栅格，采用平面识别算法和设定点数阈值进行平面识别，其中，各个栅格所采用的设定点数阈值根据栅格与采集中心之间的距离差异而不同；根据平面识别结果进行处理。第二方面，本专利技术实施例还提供了一种激光点云的平面识别装置，该装置包括：点云数据获取模块，用于获取车辆采集器采集到的一帧激光点云数据；栅格划分模块，用于将所述激光点云数据进行栅格划分；平面识别模块，用于针对每个栅格，采用平面识别算法和设定点数阈值进行平面识别，其中，各个栅格所采用的设定点数阈值根据栅格与采集中心之间的距离差异而不同；处理模块，用于根据平面识别结果进行处理。第三方面，本专利技术实施例还提供了一种计算机设备，该计算机设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术实施例中任一所述的激光点云的平面识别方法。第四方面，本专利技术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，其特征在于，该程序被处理器执行时实现如专利技术实施例中任一所述的激光点云的平面识别方法。本专利技术实施例通过获取激光点云数据并将所述激光点云数据进行栅格划分，进而在平面识别时，针对每个栅格，采用平面识别算法和设定点数阈值进行平面识别，其中，各个栅格所采用的设定点数阈值是不同的，然后根据平面识别结果进行处理；解决了没有根据激光点云数据的特点进行平面识别的差异化对待，致使识别结果的准确性较低的问题，实现根据激光点云的特点在平面识别中动态设定阈值，能够提高平面识别的准确性。附图说明图1是本专利技术实施例一中的激光点云的平面识别方法的流程图；图2a是本专利技术实施例二中的激光点云的平面识别方法的流程图；图2b是本专利技术实施例二中的在激光点云数据中滤除地面的效果图；图3是本专利技术实施例三中的激光点云的平面识别装置的结构示意图；图4是本专利技术实施例四中的计算机设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。实施例一图1为本专利技术实施例一提供的激光点云的平面识别方法的流程图，本实施例可适用于通过激光点云数据平面识别的情况，该方法可以由激光点云的平面识别装置实现，具体可通过设备中的软件和/或硬件来实施，该装置可以集成于任何进行激光点云数据处理的设备中，可选的是车载控制设备。如图1所示，激光点云的平面识别方法具体包括：S110、获取车辆采集器采集到的一帧激光点云数据。其中，激光点云数据可以是由车辆(例如无人驾驶汽车)载激光扫描设备，在待测量道路上采集的激光点云数据。激光扫描设备通常放置在车身外部，例如车辆顶部。激光扫描设备的一次检测获取的点云数据，可称为一帧激光点云数据，可以任选其中一帧的激光点云数据，进行点云数据的分析与识别。S120、将所述激光点云数据进行栅格划分。激光雷达等扫描设备扫描的路面点不是完全平坦的，且是不连续的,因此，将激光点云数据划分成栅格，每个栅格的尺寸相同。在一种实施方式中，根据激光扫描设备可进行扫描的距离，可将栅格设置为长度为8米的立方体。由于激光点云本身的特点，以车辆为中心，从近至远的点云数据点逐渐变得稀疏。也即，距离激光光源越近的栅格内，点云点数量越多。S130、针对每个栅格，采用平面识别算法和设定点数阈值进行平面识别，其中，各个栅格所采用的设定点数阈值根据栅格与采集中心之间的距离差异而不同。具体的，针对每个栅格，可以选用平面识别算法进行平面识别，在识别过程中，通常需要采用设定点数阈值，作为识别平面的限值。由于各个栅格中的数据点的稀疏度原本不同，所以本专利技术实施例设置各个栅格所采用的设定点数阈值不同，根据栅格与采集中心之间的距离而变化，从而适应各个栅格中的数据点稀疏情况，使平面识别的准确性更高。以RANSAC算法为例进行说明。采用RANSAC算法进行平面迭代识别，直至所述栅格中未归属于平面的剩余数据点的数量少于设定点数阈值时，停止平面识别。RANSAC(RandomSampleConsensus)随机采样一致性方法是通过从一组含有“局外点”的样本集中，使用迭代方式估计出数学模型参数(本文模型为空间平面模型)。具体过程是首先给出需要估计的数学模型，其次从观测数据样本中随机抽选出一个样本子集，通过最小方差估计法计算样本子集的模型参数，然后计算所有观测数据样本与该模型的方差，根据预先设定好的阈值和方差统计观测数据中在模型内的样本点(inliers)和模型外的局外点(outliers)，根据迭代次数重复这个过程。在每次迭代结束，根据当前迭代次数、模型参数、期望误差率以及样本总数计算出判断当前迭代结束的因子，决定是否结束迭代过程。迭代过程结束时，模型参数是最优的估计参数值。在本实施例中，当前迭代的结束因子即为针对不同栅格，所设定的设定点数阈值。S140、根据平面识别结果进行处理。当进行平面识别后，可获得若干平面，其中包括建筑物表面、车辆表面、草坪及路面等平面。其中，路面数据大概占到总数据量的四分之一，在障碍物识别中加大了数据处理的负担。因此，基于后续对障碍物等进行识别的需求，可在平面识别的基础上，从激光点云数据中过滤掉路面对应的点云数据。本实施例的技术方案，通过获取激光点云数据并将所述激光点云数据进行栅格划分，进而在平面识别时，针对每个栅格，采用RANSAC随机采样一致性平面识别算法，并针对不同的栅格设置不同的设定点数阈值作为迭代结束因子；解决了没有根据激光点云数据的特点进行平面识别的差异化对待，致使识别结果的准确性较低的问题，实现根据激光点云数据的特点在平面识别中动态设定阈值，能够提高平面识别的准确性以及路面分割方法的鲁棒性，通过路面分割后，还可以提高后续障碍物识别的处理效率。实施例二图2a为本文档来自技高网...

【技术保护点】
1.一种激光点云的平面识别方法，其特征在于，包括：获取车辆采集器采集到的一帧激光点云数据；将所述激光点云数据进行栅格划分；针对每个栅格，采用平面识别算法和设定点数阈值进行平面识别，其中，各个栅格所采用的设定点数阈值根据栅格与采集中心之间的距离差异而不同；根据平面识别结果进行处理。

【技术特征摘要】
1.一种激光点云的平面识别方法，其特征在于，包括：获取车辆采集器采集到的一帧激光点云数据；将所述激光点云数据进行栅格划分；针对每个栅格，采用平面识别算法和设定点数阈值进行平面识别，其中，各个栅格所采用的设定点数阈值根据栅格与采集中心之间的距离差异而不同；根据平面识别结果进行处理。2.根据权利要求1所述的方法，其特征在于，根据平面识别结果进行处理包括：根据平面识别结果，从激光点云数据中过滤掉路面对应的点云数据。3.根据权利要求2所述的方法，其特征在于，针对每个栅格，采用平面识别算法和设定过滤阈值进行平面识别包括：针对每个栅格，采用RANSAC算法进行平面迭代识别，直至所述栅格中未归属于平面的剩余数据点的数量少于所述设定点数阈值时，停止平面识别。4.根据权利要求1-3任一所述的方法，其特征在于，针对每个栅格，采用平面识别算法和设定点数阈值进行平面识别之前，还包括：获取每个栅格中数据点的数量，将所述数量乘以设定比例，作为所述栅格的设定点数阈值；或者根据每个栅格与采集中心之间的距离，基于设定反比关系确定每个所述栅格的设定点数阈值。5.根据权利要求2或3所述的方法，其特征在于，根据平面识别结果，从激光点云数据中过滤掉路面对应的点云数据包括：如果任一平面的法向量与竖直方向之间的夹角小于设定夹角阈值，则确定该平面为非路面；如果任一平面与高度阈值不匹配，则确定该平面为非路面，其中，所述高度阈值根据所述车辆的高度以及栅格内点云数据点的平均高度设定；结合夹角阈值和高度阈值的路面识别结果，确定目标路面，并从激光...

【专利技术属性】
技术研发人员：朱丽娟，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11