异常帧数据的处理方法及装置制造方法及图纸

公开了一种异常帧数据的处理方法及装置。该方法包括：获取N帧点云数据；每帧点云数据中包含i个方向的点的坐标；从第t帧点云数据中，为第t+1帧点云数据的i个方向的点的坐标分别获取对应的i个样本集；其中，每个样本集中包括n个点的坐标；分别计算第t+1帧点云数据中i个方向的点的坐标与对应的样本集中n个坐标的差值，得到对应的i个差值序列；统计i个所述差值序列中，差值连续为1的序列个数为m的数量n(m)；根据统计结果，确定第t+1帧点云数据是否为异常帧数据；若所述第t+1帧点云数据为异常帧数据，用第k帧点云数据替换第t+1帧点云数据。根据本公开，可以对雷达扫描的异常帧数据进行简单处理，提高数据精度。

Processing Method and Device of Abnormal Frame Data

A method and device for processing abnormal frame data are disclosed. The method includes: acquiring N frame point cloud data; including coordinates of points i n I directions i n each frame point cloud data; acquiring corresponding I sample sets for points i n I directions i n t+1 frame point cloud data from t frame point cloud data; including coordinates of n points i n each sample set; calculating coordinates of points i n I directions and corresponding sample sets i n t+1 frame point cloud data respectively. The difference of N coordinates can be used to get the corresponding I difference sequence; the number of sequences with the difference of 1 is counted as n (m); according to the statistical results, i t is determined whether the point cloud data of frame t+1 is abnormal frame data; if the point cloud data of frame t+1 is abnormal frame data, the point cloud data of frame t+1 is replaced by the point cloud data of frame K. According to the disclosure, abnormal frame data scanned by radar can be simply processed to improve data accuracy.

【技术实现步骤摘要】
异常帧数据的处理方法及装置
本公开涉及雷达数据处理
，更具体地，涉及一种异常帧数据的处理方法及装置。
技术介绍
激光雷达的发展已经渗透到各行各业中，例如，扫地机器人、自动驾驶以及其他特殊领域。从软件的角度讲，开源的机器人操作系统(RobotOperatingSystem，ROS)已经非常成熟，并且已经大量应用在机器人领域中，但ROS系统中针对异常帧数据的处理，并没有提供可靠有效的方法。从硬件的角度讲，例如SICK雷达，已经成为行业标杆，但其雷达产品中还是会存在异常帧数据的问题。对于激光雷达数据的精度和实时性要求不高的应用场景，例如扫地机器人，异常帧数据可以在即时定位与地图构建(SimultaneousLocalizationAndMapping，SLAM)算法中得到一定程度的收敛，降低影响。但对于自动驾驶等涉及到安全问题及其他特殊特种的应用场景，如果单靠激光雷达，则异常帧数据的问题显得尤为重要。因此，专利技术人认为，有必要针对上述问题中的至少一个进行改进。
技术实现思路
本公开的一个目的是提供一种异常帧数据的处理方法的新技术方案。根据本公开的第一方面，提供了一种异常帧数据的处理方法，包括：获取N帧点云数据；每帧点云数据中包含i个方向的点的坐标；从第t帧点云数据中，为第t+1帧点云数据的i个方向的点的坐标分别获取对应的i个样本集；其中，每个样本集中包括n个点的坐标；分别计算第t+1帧点云数据中i个方向的点的坐标与对应的样本集中n个坐标的差值，得到对应的i个差值序列；统计i个所述差值序列中，差值连续为1的序列个数为m的数量n(m)；根据统计结果，确定第t+1帧点云数据是否为异常帧数据；若所述第t+1帧点云数据为异常帧数据，用第k帧点云数据替换第t+1帧点云数据。可选的，获取N帧点云数据之后，所述方法还包括：根据公式将N帧点云数据中i个方向的点的坐标换算为直角坐标；其中，为第i个方向的点的极坐标，r为雷达测到的与周围障碍物的距离，为雷达扫描的角分辨率。可选的，从第t帧点云数据中，为第t+1帧点云数据的i个方向的点的坐标分别获取对应的i个样本集，包括：提取第t帧点云数据第i个方向周围四邻域的方向点的坐标：按照预设次数对这四个点进行随机抽样，生成第t+1帧点云数据的第i个方向的点的坐标对应的样本集。可选的，分别计算第t+1帧点云数据中i个方向的点的坐标与对应的样本集中n个坐标的差值，得到对应的i个差值序列，包括：根据公式计算第t+1帧点云数据中i个方向的点的坐标与对应的样本集中n个坐标的差值，并得到dj小于阈值R的个数nlessr；根据公式得到对应的差值序列；其中，可选的，所述根据统计结果，确定第t+1帧点云数据是否为异常帧数据，包括：若n(1)≥5,n(i≥3)≥1，确定第t+1帧点云数据是环境变化和系统异常造成的雷达数据变化，定义第t+1帧点云数据为异常帧数据；若n(1)≥5,n(i≥3)＝0，确定第t+1帧点云数据是系统异常造成的雷达数据变化，定义第t+1帧点云数据为异常帧数据；若n(1)＜5,n(i≥3)≥1，确定第t+1帧点云数据是环境变化造成的雷达数据变化，定义第t+1帧点云数据为非异常帧数据；若n(1)＜5,n(i≥3)＝0，确定第t+1帧点云数据是与第t帧点云数据连续性很强的数据，定义第t+1帧点云数据为非异常帧数据。根据本公开的第二方面，提供了一种异常帧数据的处理装置，包括：获取模块，用于获取N帧点云数据；每帧点云数据中包含i个方向的点的坐标；采样模块，用于从第t帧点云数据中，为第t+1帧点云数据的i个方向的点的坐标分别获取对应的i个样本集；其中，每个样本集中包括n个点的坐标；计算模块，用于分别计算第t+1帧点云数据中i个方向的点的坐标与对应的样本集中n个坐标的差值，得到对应的i个差值序列；统计模块，用于统计i个所述差值序列中，差值连续为1的序列个数为m的数量n(m)；确定模块，用于根据统计结果，确定第t+1帧点云数据是否为异常帧数据；替换模块，用于若所述第t+1帧点云数据为异常帧数据，用第k帧点云数据替换第t+1帧点云数据。可选的，还包括坐标转换模块，用于根据公式将N帧点云数据中i个方向的点的坐标换算为直角坐标；其中，为第i个方向的点的极坐标，r为雷达测到的与周围障碍物的距离，为雷达扫描的角分辨率。可选的，所述采样模块具体用于：提取第t帧点云数据第i个方向周围四邻域的方向点的坐标：按照预设次数对这四个点进行随机抽样，生成第t+1帧点云数据的第i个方向的点的坐标对应的样本集。可选的，所述计算模块具体用于：根据公式计算第t+1帧点云数据中i个方向的点的坐标与对应的样本集中n个坐标的差值，并得到dj小于阈值R的个数nlessr；根据公式得到对应的差值序列；其中，可选的，所述确定模块具体用于：若n(1)≥5,n(i≥3)≥1，确定第t+1帧点云数据是环境变化和系统异常造成的雷达数据变化，定义第t+1帧点云数据为异常帧数据；若n(1)≥5,n(i≥3)＝0，确定第t+1帧点云数据是系统异常造成的雷达数据变化，定义第t+1帧点云数据为异常帧数据；若n(1)＜5,n(i≥3)≥1，确定第t+1帧点云数据是环境变化造成的雷达数据变化，定义第t+1帧点云数据为非异常帧数据；若n(1)＜5,n(i≥3)＝0，确定第t+1帧点云数据是与第t帧点云数据连续性很强的数据，定义第t+1帧点云数据为非异常帧数据。根据本公开的一个实施例，可以对雷达扫描的异常帧数据进行简单处理，提高数据精度。通过以下参照附图对本专利技术的示例性实施例的详细描述，本专利技术的其它特征及其优点将会变得清楚。附图说明被结合在说明书中并构成说明书的一部分的附图示出了本公开的实施例，并且连同其说明一起用于解释本专利技术的原理。图1示出了本公开实施例的异常帧数据的处理方法的示意性流程图。图2示出了本公开实施例的异常帧数据的处理装置的示意性框图。具体实施方式现在将参照附图来详细描述本专利技术的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本专利技术的范围。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本专利技术及其应用或使用的任何限制。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。图1示出了本公开实施例的异常帧数据的处理方法的示意性流程图。如图1所示，在步骤1100，获取N帧点云数据；每帧点云数据中包含i个方向的点的坐标。需要说明的是，激光雷达扫描获得的点云数据中各个点的坐标是极坐标，在获取到N帧点云数据后，首先需要将极坐标换算成直角坐标。具体的，根据公式将N帧点云数据中i个方向的点的坐标换算为直角坐标；其中，为第i个方向的点的极坐标，r为雷达测到的与周围障碍物的距离，为雷达扫描的角分辨率。在将坐标换算成直角坐标后，进入步骤1200，从第t帧点云数据本文档来自技高网...

【技术保护点】
1.一种异常帧数据的处理方法，其特征在于，包括：获取N帧点云数据；每帧点云数据中包含i个方向的点的坐标；从第t帧点云数据中，为第t+1帧点云数据的i个方向的点的坐标分别获取对应的i个样本集；其中，每个样本集中包括n个点的坐标；分别计算第t+1帧点云数据中i个方向的点的坐标与对应的样本集中n个坐标的差值，得到对应的i个差值序列；统计i个所述差值序列中，差值连续为1的序列个数为m的数量n(m)；根据统计结果，确定第t+1帧点云数据是否为异常帧数据；若所述第t+1帧点云数据为异常帧数据，用第k帧点云数据替换第t+1帧点云数据。

【技术特征摘要】
1.一种异常帧数据的处理方法，其特征在于，包括：获取N帧点云数据；每帧点云数据中包含i个方向的点的坐标；从第t帧点云数据中，为第t+1帧点云数据的i个方向的点的坐标分别获取对应的i个样本集；其中，每个样本集中包括n个点的坐标；分别计算第t+1帧点云数据中i个方向的点的坐标与对应的样本集中n个坐标的差值，得到对应的i个差值序列；统计i个所述差值序列中，差值连续为1的序列个数为m的数量n(m)；根据统计结果，确定第t+1帧点云数据是否为异常帧数据；若所述第t+1帧点云数据为异常帧数据，用第k帧点云数据替换第t+1帧点云数据。2.根据权利要求1所述的方法，其特征在于，获取N帧点云数据之后，所述方法还包括：根据公式将N帧点云数据中i个方向的点的坐标换算为直角坐标；其中，为第i个方向的点的极坐标，r为雷达测到的与周围障碍物的距离，为雷达扫描的角分辨率。3.根据权利要求1所述的方法，其特征在于，从第t帧点云数据中，为第t+1帧点云数据的i个方向的点的坐标分别获取对应的i个样本集，包括：提取第t帧点云数据第i个方向周围四邻域的方向点的坐标：按照预设次数对这四个点进行随机抽样，生成第t+1帧点云数据的第i个方向的点的坐标对应的样本集。4.根据权利要求1所述的方法，其特征在于，分别计算第t+1帧点云数据中i个方向的点的坐标与对应的样本集中n个坐标的差值，得到对应的i个差值序列，包括：根据公式计算第t+1帧点云数据中i个方向的点的坐标与对应的样本集中n个坐标的差值，并得到dj小于阈值R的个数nlessr；根据公式得到对应的差值序列；其中，5.根据权利要求1所述的方法，其特征在于，所述根据统计结果，确定第t+1帧点云数据是否为异常帧数据，包括：若n(1)≥5,n(i≥3)≥1，确定第t+1帧点云数据是环境变化和系统异常造成的雷达数据变化，定义第t+1帧点云数据为异常帧数据；若n(1)≥5,n(i≥3)＝0，确定第t+1帧点云数据是系统异常造成的雷达数据变化，定义第t+1帧点云数据为异常帧数据；若n(1)＜5,n(i≥3)≥1，确定第t+1帧点云数据是环境变化造成的雷达数据变化，定义第t+1帧点云数据为非异常帧数据；若n(1)＜5,n(i≥3)＝0，确定第t+1帧点云数据是与第t帧...

【专利技术属性】
技术研发人员：马立，刘宏坤，闫秀英，
申请(专利权)人：歌尔股份有限公司，
类型：发明
国别省市：山东,37