点云数据的分割方法和装置、存储介质、电子装置制造方法及图纸

本发明专利技术公开了一种点云数据的分割方法和装置、存储介质、电子装置。其中，该方法包括：获取目标点云数据，其中，目标点云数据为激光线束对车辆周围的目标对象进行扫描得到的数据；将获取的目标点云数据聚类为多个第一数据集，其中，每个第一数据集包括的点云数据所表示的特征点被拟合在一条分割线段上，特征点为目标对象上的点；按照多个分割线段之间的距离对多个第一数据集中的部分数据集进行合并，得到第二数据集，其中，每个第二数据集包括至少一个第一数据集。本发明专利技术解决了相关技术中进行点云分割的效率较低的技术问题。

Segmentation Method and Device of Point Cloud Data, Storage Media and Electronic Device

【技术实现步骤摘要】
点云数据的分割方法和装置、存储介质、电子装置
本专利技术涉及自动驾驶领域，具体而言，涉及一种点云数据的分割方法和装置、存储介质、电子装置。
技术介绍
针对大场景的三维重建，由于其在三维城市地图、道路维护、城市规划、自动驾驶等方面的重要应用，受到了极大关注。利用深度传感器和位置姿态传感器基于固定站或移动平台采集周围环境的三维信息，由于其高效、实时、高精度的特性而被广泛采用。由于扫描的场景包含不同类型的物体，例如地面、建筑物、树木、车辆等，在进行三维重建之前，需要通过点云分割将不同类型的物体对应的点云数据彼此分割开，以便对各个物体分别进行点云建模。相关技术中点云分割算法需多次扫描点云数据，计算代价大、效率低，不满足实时处理需求。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种点云数据的分割方法和装置、存储介质、电子装置，以至少解决相关技术中进行点云分割的效率较低的技术问题。根据本专利技术实施例的一个方面，提供了一种点云数据的分割方法，包括：获取目标点云数据，其中，目标点云数据为激光线束对车辆周围的目标对象进行扫描得到的数据；将获取的目标点云数据聚类为多个第一数据集，其中，每个第一数据集包括的点云数据所表示的特征点被拟合在一条分割线段上，特征点为目标对象上的点；按照多个分割线段之间的距离对多个第一数据集中的部分数据集进行合并，得到第二数据集，其中，每个第二数据集包括至少一个第一数据集。根据本专利技术实施例的另一方面，还提供了一种点云数据的分割装置，包括：获取单元，用于获取目标点云数据，其中，目标点云数据为激光线束对车辆周围的目标对象进行扫描得到的数据；聚类单元，用于将获取的目标点云数据聚类为多个第一数据集，其中，每个第一数据集包括的点云数据所表示的特征点被拟合在一条分割线段上，特征点为目标对象上的点；合并单元，用于按照多个分割线段之间的距离对多个第一数据集中的部分数据集进行合并，得到第二数据集，其中，每个第二数据集包括至少一个第一数据集。根据本专利技术实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，程序运行时执行上述的方法。根据本专利技术实施例的另一方面，还提供了一种电子装置，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，处理器通过计算机程序执行上述的方法。在本专利技术实施例中，获取目标点云数据，目标点云数据为激光线束对车辆周围的目标对象进行扫描得到的数据；将获取的目标点云数据聚类为多个第一数据集，每个第一数据集包括的点云数据所表示的特征点被拟合在一条分割线段上，特征点为目标对象上的点；按照多个分割线段之间的距离对多个第一数据集中的部分数据集进行合并，得到第二数据集，每个第二数据集包括至少一个第一数据集，在分割的过程中，“将获取的目标点云数据聚类为多个第一数据集”相当于仅仅遍历了一次所有点云数据就完成了点云数据的分割，而不用像相关技术中通过多次遍历点云数据来完成分割，可以解决相关技术中进行点云分割的效率较低的技术问题，进而达到提高分割效率的技术效果。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是根据本专利技术实施例的点云数据的分割方法的硬件环境的示意图；图2是根据本专利技术实施例的一种可选的点云数据的分割方法的流程图；图3是根据本专利技术实施例的一种可选的激光雷达的示意图；图4是根据本专利技术实施例的一种可选的点云数据的示意图；图5是根据本专利技术实施例的一种可选的激光雷达场景的示意图；图6是根据本专利技术实施例的一种可选的点云数据的分割方法的流程图；图7是根据本专利技术实施例的一种可选的自适应距离阈值的示意图；图8是根据本专利技术实施例的一种可选的点云数据的分割的示意图；图9是根据本专利技术实施例的一种可选的点云数据的分割装置的示意图；以及图10是根据本专利技术实施例的一种终端的结构框图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都应当属于本专利技术保护的范围。需要说明的是，本专利技术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，以便这里描述的本专利技术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。首先，在对本专利技术实施例进行描述的过程中出现的部分名词或者术语适用于如下解释：自动驾驶汽车(Autonomousvehicles；Self-pilotingautomobile)又称无人驾驶汽车、电脑驾驶汽车、或轮式移动机器人，是一种通过电脑系统实现无人驾驶的智能汽车。高精细地图是指高精度、精细化定义的地图，其精度需要达到分米级才能够区分各个车道，如今随着定位技术的发展，高精度的定位已经成为可能。而精细化定义，则是需要格式化存储交通场景中的各种交通要素，包括传统地图的道路网数据、车道网络数据、车道线以和交通标志等数据。根据本专利技术实施例的一方面，提供了一种点云数据的分割方法的方法实施例。可选地，在本实施例中，上述点云数据的分割方法可以应用于如图1所示的由服务器101和/或终端103所构成的硬件环境中。如图1所示，服务器101通过网络与终端103进行连接，可用于为终端或终端上安装的客户端提供服务(如游戏服务、应用服务、地图服务、自动驾驶等)，可在服务上或独立于服务器设置数据库105，用于为服务器101提供数据存储服务，上述网络包括但不限于：广域网、城域网或局域网，终端103为可以在车辆上使用的智能终端，并不限定于车载设备、手机、平板电脑等。本专利技术实施例的点云数据的分割方法可以由服务器101来执行，图2是根据本专利技术实施例的一种可选的点云数据的分割方法的流程图，如图2所示，该方法可以包括以下步骤：步骤S202，服务器获取目标点云数据，目标点云数据为激光线束对车辆周围的目标对象进行扫描得到的数据。上述的目标点云数据可为激光雷达的多个激光线束扫描得到的数据，激光雷达可借着扫描技术来测量对象的尺寸及形状等，激光雷达可采用一个稳定度及精度良好的旋转马达，当光束打到由马达所带动的多面棱规反射而形成扫描光束，由于多面棱规位于扫描透镜的前焦面上，并均匀旋转使激光束对反射镜而言，其入射角相对地连续性改变，因而反射角也作连续性改变，经由扫描透镜的作用，形成一平行且连续由上而下的扫描线，从而形成扫描线数据，即单线束激光扫描一次形成的点云序列。本申请的激光雷达可为低线束激光雷达或多线束激光雷达，低线束激光雷达扫描一次可产生较少线束扫描线，低线束产品一般包括4线束、8线束，主要为2.5D激光雷达，垂直视野范围一般本文档来自技高网...

【技术保护点】
1.一种点云数据的分割方法，其特征在于，包括：获取目标点云数据，其中，所述目标点云数据为激光线束对车辆周围的目标对象进行扫描得到的数据；将获取的所述目标点云数据聚类为多个第一数据集，其中，每个所述第一数据集包括的点云数据所表示的特征点被拟合在一条分割线段上，所述特征点为所述目标对象上的点；按照多个所述分割线段之间的距离对所述多个第一数据集中的部分数据集进行合并，得到第二数据集，其中，每个所述第二数据集包括至少一个所述第一数据集。

【技术特征摘要】
1.一种点云数据的分割方法，其特征在于，包括：获取目标点云数据，其中，所述目标点云数据为激光线束对车辆周围的目标对象进行扫描得到的数据；将获取的所述目标点云数据聚类为多个第一数据集，其中，每个所述第一数据集包括的点云数据所表示的特征点被拟合在一条分割线段上，所述特征点为所述目标对象上的点；按照多个所述分割线段之间的距离对所述多个第一数据集中的部分数据集进行合并，得到第二数据集，其中，每个所述第二数据集包括至少一个所述第一数据集。2.根据权利要求1所述的方法，其特征在于，将获取的所述目标点云数据聚类为多个第一数据集包括按照如下方式创建每个所述第一数据集：查找所述目标点云数据中的多个第一点云数据，其中，所述多个第一点云数据所表示的特征点相邻；将查找到的所述多个第一点云数据保存至创建的同一个所述第一数据集中。3.根据权利要求2所述的方法，其特征在于，查找所述目标点云数据中的多个第一点云数据包括：将所述目标点云数据中所表示的特征点之间的距离不大于第一阈值、且所表示的特征点之间所形成的夹角不小于第二阈值的点云数据作为所述多个第一点云数据。4.根据权利要求3所述的方法，其特征在于，将所述目标点云数据中所表示的特征点之间的距离不大于第一阈值、且所表示的特征点之间所形成的夹角不小于第二阈值的点云数据作为所述多个第一点云数据包括：获取所述目标点云数据中的第二点云数据，其中，所述第二点云数据为所述目标点云数据中未被聚类至任意一个所述第一数据集的点云数据；在第三点云数据所表示的特征点与第四点云数据所表示的特征点之间的距离大于所述第一阈值、且所述第三点云数据所表示的特征点、所述第四点云数据所表示的特征点以及第五点云数据所表示的特征点之间所形成的夹角小于所述第二阈值的情况下，将所述第二点云数据、所述第三点云数据以及采集时间位于所述第二点云数据的采集时间和所述第三点云数据的采集时间之间的点云数据作为所述多个第一点云数据，其中，所述第三点云数据为所述目标点云数据中未被聚类至任意一个所述第一数据集且与所述第二点云数据不同的点云数据，所述第三点云数据和所述第四点云数据为采集时间相邻的点云数据，所述第四点云数据和所述第五点云数据为采集时间相邻的点云数据。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：在所述第三点云数据所表示的特征点与所述第四点云数据所表示的特征点之间的距离大于所述第一阈值、且所述第三点云数据所表示的特征点、所述第四点云数据所表示的特征点以及所述第五点云数据所表示的特征点之间所形成的夹角小于所述第二阈值的情况下，将所述第四点云数据保存至不同于用于保存所述第三点云数据的另一个所述第一数据集中。6.根据权利要求1至5中任意一项所述的方法，其特征在于，按照多个所述分割线段之间的距离对所述多个第一数据集中的部分数据集进行合并，得到第二数据集包括：对所述多个第一数据集中所拟合得到的所述分割线段之间的距离小于第三阈值的所述第一数据集合进行合并，得到所述第二数据集合。7.根据权利要求6所述的方法，其特征在于，对所述多个第一数据集中所拟合得到的所述分割线段之间的距离小于第三阈值的所述第一数据集合进行合并，得到所述第二数据集合包括：创建事件集合，其中，所述事件集合中按照所述多个第一数据集中点云数据的采集时间保存有所述多个第一数据集对应的多个所述分割线段的事件，所述分割线段的事件包括与所述分割线段的起始特征点对应的插入事件和与所述分割线段的结束特征点对应的删除事件；遍历所述事件集合中的每个事件，其中，在遍历到的当前事件为插入事件的情况下，将多个所述分割线段中与所述当前事件对应的第一分割线段保存至线段集合中，在所述当前事件为删除事...

【专利技术属性】
技术研发人员：曾超，
申请(专利权)人：腾讯大地通途北京科技有限公司，腾讯科技深圳有限公司，
类型：发明
国别省市：北京,11