道路点云数据处理方法及系统技术方案

本发明专利技术实施例提供一种道路点云数据处理方法及系统，属于点云数据处理技术领域。所述方法包括：获取道路点云数据和与道路点云数据对应的同时刻的车辆位置数据；根据道路点云数据和车辆位置数据，通过SLAM算法得到车辆位姿；根据车辆位姿，计算得到三维点云地图数据；在三维点云地图数据中，提取与多个预设形状参数中每个预设形状参数对应的重复结构数据，得到提取后的三维点云地图数据；确定压缩后的三维点云地图数据。本发明专利技术实施例解决了现有技术中三维点云地图数据量大，难于传输和保存的问题，压缩后的三维点云地图数据在向无人车传输时，传输速度快。

【技术实现步骤摘要】
道路点云数据处理方法及系统
本专利技术涉及点云数据处理
，具体地，涉及一种道路点云数据处理方法及系统。
技术介绍
在无人驾驶技术中，高精度定位是极其重要的组成部分，而在目前的技术中，精度最高的定位方法还是基于三维点云地图的定位方法。本申请专利技术人在实现本专利技术的过程中发现，现有技术具有以下缺陷：三维点云地图数据量很大，给地图的传输和保存带来了较大的困难。
技术实现思路
本专利技术实施例的目的是提供一种道路点云数据处理方法及系统，解决了现有技术中三维点云地图数据量大，难于传输的问题，降低了地图数据的大小。为了实现上述目的，本专利技术实施例提供一种道路点云数据处理方法，包括：获取道路点云数据和与所述道路点云数据对应的同时刻的车辆位置数据；根据所述道路点云数据和所述车辆位置数据，通过SLAM算法得到车辆位姿；根据所述车辆位姿，计算得到三维点云地图数据；在所述三维点云地图数据中，提取与多个预设形状参数中每个预设形状参数对应的重复结构数据，得到提取后的三维点云地图数据，所述提取后的三维点云地图数据中不包含所述多个预设形状参数中每个预设形状参数对应的重复结构数据；确定压缩后的三维点云地图数据，所述压缩后的三维点云地图数据包括所述提取后的三维点云地图数据、所述多个预设形状参数以及每个重复结构数据对应的变换矩阵。可选的，所述根据所述道路点云数据和所述车辆位置数据，通过SLAM算法得到车辆位姿包括：根据相邻两帧的道路点云数据，得到所述道路点云数据中的各个相邻两帧的车辆位姿变换；根据所述车辆位置数据，获取在不同时刻同一位置的车辆位姿变换；根据所述各个相邻两帧的车辆位姿变换和所述不同时刻同一位置的车辆位姿变换，通过位姿图优化算法得到所述车辆在所有帧的车辆位姿。可选的，所述根据所述车辆位姿，计算得到三维点云地图数据包括：根据计算得到三维点云地图数据，其中sum为三维点云地图数据，P_i为第i帧道路点云数据，Pose_i为第i帧车辆位姿。可选的，所述在所述三维点云地图数据中，提取与多个预设形状参数中每个预设形状参数对应的重复结构数据，得到提取后的三维点云地图数据包括：在所述三维点云地图数据中，选择多个领域子集，通过ransac算法对多个预设形状参数中的每一个预设形状参数进行拟合；当拟合成功时，确定所述多个预设形状参数中的每一个预设形状参数对应的重复结构数据；在所述三维点云地图数据中，提取所述重复结构数据对应的道路点云数据，得到提取后的三维点云地图数据。可选的，所述重复结构为平面、线段、圆柱、圆锥或圆环面中的至少一种。可选的，所述每个重复结构数据对应的变换矩阵为通过所述变换矩阵将所述每个重复结构数据转换为所述三维点云地图数据中的道路点云数据。本专利技术实施例还提供一种道路点云数据处理系统，包括：获取单元，用于获取道路点云数据和与所述道路点云数据对应的同时刻的车辆位置数据；第一计算单元，用于根据所述道路点云数据和所述车辆位置数据，通过SLAM算法得到车辆位姿；第二计算单元，用于根据所述车辆位姿，计算得到三维点云地图数据；第三计算单元，用于在所述三维点云地图数据中，提取与多个预设形状参数中每个预设形状参数对应的重复结构数据，得到提取后的三维点云地图数据，所述提取后的三维点云地图数据中不包含所述多个预设形状参数中每个预设形状参数对应的重复结构数据；处理单元，用于确定压缩后的三维点云地图数据，所述压缩后的三维点云地图数据包括所述提取后的三维点云地图数据、所述多个预设形状参数以及每个重复结构数据对应的变换矩阵。可选的，所述获取单元包括GPS系统、惯性测量装置Imu和激光雷达装置，其中，所述GPS系统和Imu用于获取车辆位置数据，所述激光雷达装置用于获取道路点云数据。可选的，所述第一计算单元包括：第一计算模块，用于根据相邻两帧的道路点云数据，得到所述道路点云数据中的各个相邻两帧的车辆位姿变换；第二计算模块，用于根据所述车辆位置数据，获取在不同时刻同一位置的车辆位姿变换；第三计算模块，用于根据所述各个相邻两帧的车辆位姿变换和所述不同时刻同一位置的车辆位姿变换，通过位姿图优化算法得到所述车辆在所有帧的车辆位姿。可选的，所述第二计算单元用于根据计算得到三维点云地图数据，其中sum为三维点云地图数据，P_i为第i帧道路点云数据，Pose_i为第i帧车辆位姿。可选的，所述第三计算单元包括：拟合模块，用于在所述三维点云地图数据中，选择多个领域子集，通过ransac算法对多个预设形状参数中的每一个预设形状参数进行拟合；重复结构确定模块，用于当拟合成功时，确定所述多个预设形状参数中的每一个预设形状参数对应的重复结构数据；提取模块，用于在所述三维点云地图数据中，提取所述重复结构数据对应的道路点云数据，得到提取后的三维点云地图数据。通过上述技术方案，通过获取道路点云数据和与所述道路点云数据对应的同时刻的车辆位置数据，根据SLAM算法得到车辆位姿，然后根据所述车辆位姿，计算得到三维点云地图数据，在所述三维点云地图数据中，提取与多个预设形状参数中每个预设形状参数对应的重复结构数据，得到提取后的三维点云地图数据，并确定压缩后的三维点云地图数据，所述压缩后的三维点云地图数据包括所述提取后的三维点云地图数据、所述多个预设形状参数以及每个重复结构数据对应的变换矩阵。本专利技术实施例解决了现有技术中三维点云地图数据量大，难于传输和保存的问题，压缩后的三维点云地图数据在向无人车传输时，传输速度快。本专利技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。附图说明附图是用来提供对本专利技术实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本专利技术实施例，但并不构成对本专利技术实施例的限制。在附图中：图1是本专利技术实施例提供的一种道路点云数据处理方法的流程图；图2是本专利技术实施例提供的位姿图的示例图；图3是本专利技术实施例提供的openGL中的茶壶模型的示例图；图4是本专利技术实施例提供的一种道路点云数据处理系统的示意图；图5是本专利技术实施例提供的一种道路点云数据处理系统中第一计算单元的示意图；图6是本专利技术实施例提供的一种道路点云数据处理系统中第三计算单元的示意图。具体实施方式以下结合附图对本专利技术实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本专利技术实施例，并不用于限制本专利技术实施例。三维点云地图多用于无人车的定位、感知和决策等过程中，无人车通过三维点云地图可以定位当前位置，并预先知道车道情况，当发现有与地图中不一致的地方时，判断为障碍物，从而绕行，或者在到达路口转弯之前，决定并道并限速等等，以上过程均基于三维点云地图来实现，因此对三维点云地图进行处理，对无人车至关重要，尤其在将三维点云地图进行压缩处理后，再给无人车传输时，传输数据量变小，传输速度加快。本专利技术实施例提供一种道路点云数据处理方法，如图1所示，所述方法包括如下步骤：S101、获取道路点云数据和与所述道路点云数据对应的同时刻的车辆位置数据。将GPS系统、Imu(InternationalMathematicalUnion，惯性测量装置)和激光雷达装置安装在车辆上，并按照预设路线行进，从而可以通过所述GPS系统和Imu获取车辆位置数据，所述激光雷达装置获取道路点云数据，且所述道路本文档来自技高网...

【技术保护点】
1.一种道路点云数据处理方法，其特征在于，包括：获取道路点云数据和与所述道路点云数据对应的同时刻的车辆位置数据；根据所述道路点云数据和所述车辆位置数据，通过SLAM算法得到车辆位姿；根据所述车辆位姿，计算得到三维点云地图数据；在所述三维点云地图数据中，提取与多个预设形状参数中每个预设形状参数对应的重复结构数据，得到提取后的三维点云地图数据，所述提取后的三维点云地图数据中不包含所述多个预设形状参数中每个预设形状参数对应的重复结构数据；确定压缩后的三维点云地图数据，所述压缩后的三维点云地图数据包括所述提取后的三维点云地图数据、所述多个预设形状参数以及每个重复结构数据对应的变换矩阵。

【技术特征摘要】
1.一种道路点云数据处理方法，其特征在于，包括：获取道路点云数据和与所述道路点云数据对应的同时刻的车辆位置数据；根据所述道路点云数据和所述车辆位置数据，通过SLAM算法得到车辆位姿；根据所述车辆位姿，计算得到三维点云地图数据；在所述三维点云地图数据中，提取与多个预设形状参数中每个预设形状参数对应的重复结构数据，得到提取后的三维点云地图数据，所述提取后的三维点云地图数据中不包含所述多个预设形状参数中每个预设形状参数对应的重复结构数据；确定压缩后的三维点云地图数据，所述压缩后的三维点云地图数据包括所述提取后的三维点云地图数据、所述多个预设形状参数以及每个重复结构数据对应的变换矩阵。2.根据权利要求1所述的道路点云数据处理方法，其特征在于，所述根据所述道路点云数据和所述车辆位置数据，通过SLAM算法得到车辆位姿包括：根据相邻两帧的道路点云数据，得到所述道路点云数据中的各个相邻两帧的车辆位姿变换；根据所述车辆位置数据，获取在不同时刻同一位置的车辆位姿变换；根据所述各个相邻两帧的车辆位姿变换和所述不同时刻同一位置的车辆位姿变换，通过位姿图优化算法得到所述车辆在所有帧的车辆位姿。3.根据权利要求2所述的道路点云数据处理方法，其特征在于，所述根据所述车辆位姿，计算得到三维点云地图数据包括：根据计算得到三维点云地图数据，其中sum为三维点云地图数据，Pi为第i帧道路点云数据，Posei为第i帧车辆位姿。4.根据权利要求1所述的道路点云数据处理方法，其特征在于，所述在所述三维点云地图数据中，提取与多个预设形状参数中每个预设形状参数对应的重复结构数据，得到提取后的三维点云地图数据包括：在所述三维点云地图数据中，选择多个领域子集，通过ransac算法对多个预设形状参数中的每一个预设形状参数进行拟合；当拟合成功时，确定所述多个预设形状参数中的每一个预设形状参数对应的重复结构数据；在所述三维点云地图数据中，提取所述重复结构数据对应的道路点云数据，得到提取后的三维点云地图数据。5.根据权利要求4所述的道路点云数据处...

【专利技术属性】
技术研发人员：李超，
申请(专利权)人：乐视汽车北京有限公司，
类型：发明
国别省市：北京,11