The invention discloses a correction method, device and storage medium for abnormal point cloud data of lidar, including: determining abnormal point cloud data in current frame point cloud data; determining normal point cloud data whose scanning order is closest to that of abnormal point cloud data as the first normal point cloud number in normal point cloud data whose scanning order is less than that of abnormal point cloud data. According to the normal point cloud data whose scanning order is larger than that of the abnormal point cloud data, the normal point cloud data whose scanning order is closest to that of the abnormal point cloud data is determined as the second normal point cloud data. According to the abnormal point cloud data, the first normal point cloud data and the second normal point cloud data, the distance data of the abnormal point cloud data are corrected by using the linear difference algorithm. \u3002
【技术实现步骤摘要】
激光雷达异常点云数据的修正方法、装置及存储介质
本专利技术涉及雷达技术,尤其涉及一种激光雷达异常点云数据的修正方法、装置及存储介质。
技术介绍
随着科技的发展,激光雷达已经发展到各行各业中。例如,应用到日常生活中的扫地机器人以及自动驾驶汽车等。激光雷达在工作时,利用激光对所处环境进行扫描得到多帧点云数据,以为识别其所处环境提供数据基础。然而激光雷达扫描得到的每一帧点云数据中通常存在异常点云数据,即激光雷达在某个扫描角度下得到的与扫描对象的距离数据出现明显错误。目前对异常点云数据的处理方式为:将异常点云数据的距离数据设置为零,或者将异常点云数据的距离数据设置为前一帧点云数据中相同扫描角度下的点云数据的距离数据。但是,现有的异常点云数据的这两种处理方式会破坏当前帧点云数据的连续性。因此,一种新的异常点云数据的修正方法亟待提出。
技术实现思路
本专利技术的一个目的是提供一种新的激光雷达异常点云数据的修正方案。根据本专利技术的第一方面,提供一种激光雷达异常点云数据的修正方法,包括:确定当前帧点云数据中的异常点云数据;一帧点云数据是由激光雷达在一个扫描周期内沿扫描方向顺次扫描得到的多个点云数据组成,每个点云数据包含本次扫描在本次扫描周期内的扫描次序和本次扫描得到的距离数据;在扫描次序小于所述异常点云数据的扫描次序的正常点云数据中,确定扫描次序与所述异常点云数据的扫描次序最接近的正常点云数据作为第一正常点云数据;在扫描次序大于所述异常点云数据的扫描次序的正常点云数据中,确定扫描次序与所述异常点云数据的扫描次序最接近的正常点云数据作为第二正常点云数据;根据所述异常点云数据、 ...
【技术保护点】
1.一种激光雷达异常点云数据的修正方法,包括:确定当前帧点云数据中的异常点云数据;一帧点云数据是由激光雷达在一个扫描周期内沿扫描方向顺次扫描得到的多个点云数据组成,每个点云数据包含本次扫描在本次扫描周期内的扫描次序和本次扫描得到的距离数据;在扫描次序小于所述异常点云数据的扫描次序的正常点云数据中,确定扫描次序与所述异常点云数据的扫描次序最接近的正常点云数据作为第一正常点云数据;在扫描次序大于所述异常点云数据的扫描次序的正常点云数据中,确定扫描次序与所述异常点云数据的扫描次序最接近的正常点云数据作为第二正常点云数据;根据所述异常点云数据、所述第一正常点云数据、所述第二正常点云数据,利用线性差值算法修正所述异常点云数据的距离数据。
【技术特征摘要】
1.一种激光雷达异常点云数据的修正方法,包括:确定当前帧点云数据中的异常点云数据;一帧点云数据是由激光雷达在一个扫描周期内沿扫描方向顺次扫描得到的多个点云数据组成,每个点云数据包含本次扫描在本次扫描周期内的扫描次序和本次扫描得到的距离数据;在扫描次序小于所述异常点云数据的扫描次序的正常点云数据中,确定扫描次序与所述异常点云数据的扫描次序最接近的正常点云数据作为第一正常点云数据;在扫描次序大于所述异常点云数据的扫描次序的正常点云数据中,确定扫描次序与所述异常点云数据的扫描次序最接近的正常点云数据作为第二正常点云数据;根据所述异常点云数据、所述第一正常点云数据、所述第二正常点云数据,利用线性差值算法修正所述异常点云数据的距离数据。2.根据权利要求1所述的方法,所述根据所述异常点云数据、所述第一正常点云数据、所述第二正常点云数据,利用线性差值算法修正所述异常点云数据的距离数据,包括:确定总扫描次序差值,所述总扫描次序差值为所述第二正常点云数据的扫描次序减去所述第一正常点云数据的扫描次序的差值;确定总距离差值,所述总距离差值为所述第二正常点云数据的距离数据减去所述第一正常点云数据的距离数据的差值;还包括:确定第一扫描次序差值,所述第一扫描次序差值为所述异常云数据的扫描次序减去所述第一正常点云数据的扫描次序的差值;确定第一比值,所述第一比值为所述第一扫描次序差值与所述总扫描次序差值的比值;确定第一修正值,所述第一修正值为所述总距离差值与所述第一比值的乘积;计算所述第一正常点云数据的距离数据与所述第一修正值的和值,作为修正后的异常点云数据的距离数据;或者,确定第二扫描次序差值,所述第二扫描次序差值为所述第二正常点云数据的扫描次序减去所述异常云数据的扫描次序的差值;确定第二比值,所述第二比值为所述第二扫描次序差值与所述总扫描次序差值的比值;确定第二修正值,所述第二修正值为所述总距离差值与所述第二比值的乘积;计算所述第二正常点云数据的距离数据减去所述第二修正值的差值,作为修正后的异常点云数据的距离数据。3.根据权利要求1所述的方法,所述确定当前帧点云数据中的异常点云数据,包括:判断所述点云数据的距离数据是否在所述激光雷达的测距范围内;若否,则确定所述点云数据为异常点云数据。4.根据权利要求1所述的方法,所述确定当前帧点云数据中的异常点云数据,包括:确定帧间距离差值,所述帧间距离差值为当前帧点云数据与前一帧点云数据中扫描次序相同的点云数据的距离数据之间的差值的绝对值;在当前帧点云数据中提取目标点...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。