一种数据降噪的方法及装置制造方法及图纸

本说明书公开了一种数据降噪的方法及装置，并具体公开了，获取待处理点云数据，确定待处理点云数据中各点云点对应的点云点特征，该点云点特征包括：该点云点与邻近的每个其他点云点之间的空间分布差异特征，以及该点云点所在的局部空间内包含的所有点云点构成的点云点群对应的点群分布特征中的至少一种，而后，根据各点云点对应的点云点特征，从待处理点云数据中识别出噪点进行降噪处理。这样，可以从待处理点云数据中识别出相较于真实障碍物来说，分布情况更为松散的噪点，并进行降噪处理，减少该点云数据中所包含的噪点数目，进而减小如雨、雪、扬尘等微小颗粒的点云数据对决策算法的决策结果的影响，提高了决策算法决策的准确性。

【技术实现步骤摘要】
一种数据降噪的方法及装置
本说明书涉及无人驾驶
，尤其涉及一种数据降噪的方法及装置。
技术介绍
无人驾驶领域中，通过激光雷达获取点云数据是无人驾驶设备感知周围环境的重要手段之一。正常情况下，环境中雨雾、灰尘、汽车尾气、扬尘、雾霾、风沙等粒子不会对无人驾驶设备造成危害，可以穿行而过。但是，由于激光雷达的固有特性，当光束打到这些粒子上时同样会被反射回来，无人驾驶设备可能将这些粒子识别成影响无人驾驶设备正常行进的障碍物，进而导致决策算法决策失误，出现急刹等异常操作，影响无人驾驶设备的正常行进。然而，目前还无法有效地清除这些粒子的点云数据，以避免决策失误的情况出现。
技术实现思路
本说明书提供一种数据降噪的方法及装置，以部分的解决现有技术存在的上述问题。本说明书采用下述技术方案：本说明书提供了一种数据降噪的方法，包括：获取待处理点云数据；针对所述待处理点云数据中包含的每个点云点，确定该点云点对应的点云点特征，所述点云点特征包括：该点云点与邻近的每个其他点云点之间的空间分布差异特征，以及该点云点所在的局部空间内包含的所有点云点构成的点云点群对应的点群分布特征中的至少一种；根据所述待处理点云数据中每个点云点所对应的点云点特征，从所述待处理点云数据中识别出噪点；根据识别出的所述噪点，对所述待处理点云数据进行降噪。可选地，所述待处理点云数据是由激光雷达采集的，所述激光雷达包括若干个激光器；该点云点的邻近的其他点云点包括：与该点云点对应的激光器相邻近的其他激光器在采集到该点云点的同一时刻采集到的点云点；和/或，该点云点对应的激光器在与该点云点采集时刻相邻近的扫描周期采集到的点云点。可选地，所述点云点特征包括该点云点与邻近的每个其他点云点之间的空间分布差异特征时，确定该点云点对应的点云点特征，具体包括：根据该点云点对应的三维坐标，以及所述每个其他点云点所对应的三维坐标，确定该点云点与所述每个其他点云点之间在空间位置上的空间分布差异特征。可选地，所述点云点特征包括该点云点与邻近的每个其他点云点之间的空间分布差异特征时，确定该点云点对应的点云点特征，具体包括：根据所述待处理点云数据，确定所述每个其他点云点对应的激光反射率以及该点云点对应的激光反射率；根据所述每个其他点云点对应的激光反射率，以及该点云点对应的激光反射率，确定该点云点与所述每个其他点云点之间在激光反射率上的空间分布差异特征。可选地，所述点云点特征包括该点云点所在的局部空间内包含的所有点云点构成的点云点群对应的点群分布特征时，确定该点云点对应的点云点特征，具体包括：根据预设的各栅格，确定该点云点所在的栅格，作为该点云点所在的局部空间；确定该点云点所在的局部空间内包含的所有点云点构成的点云点群；根据所述待处理点云数据，确定所述点云点群对应的点群分布特征。可选地，根据所述待处理点云数据，确定所述点云点群对应的点群分布特征，具体包括：根据所述点云点群中所包含的点云点数量，和/或所述点云点群中包含的各点云点的三维坐标，确定所述点云点群在空间位置上对应的点群分布特征。可选地，根据所述待处理点云数据，确定所述点云点群对应的点群分布特征，具体包括：根据所述待处理点云数据，确定所述点云点群中包含的各点云点所对应的激光反射率；根据所述点云点群中包含的各点云点所对应的激光反射率，确定所述点云点群在激光发射率上对应的点群分布特征。可选地，根据所述待处理点云数据中每个点云点所对应的点云点特征，从所述待处理点云数据中识别出噪点，具体包括：针对所述待处理点云数据中的每个点云点，若确定该点云点对应的点云点特征的特征值未落入设定特征值范围内，识别该点云点为噪点。可选地，根据所述待处理点云数据中每个点云点所对应的点云点特征，从所述待处理点云数据中识别出噪点，具体包括：针对所述待处理点云数据中的每个点云点，将该点云点对应的点云点特征输入到预先训练的噪点识别模型中，以从所述待处理点云数据中识别出噪点。可选地，根据识别出的所述噪点，对所述待处理点云数据进行降噪，具体包括：从所述待处理点云数据中去除识别出的噪点，得到目标点云数据；将所述目标点云数据输入到预设的目标物识别模型中，以从所述目标点云数据中识别出各目标物对应的点云数据；将所述目标点云数据中除识别出的各目标物对应的点云数据以外的其他点云数据去除，得到降噪后的所述待处理点云数据。本说明书提供了一种数据降噪的装置，包括：获取模块，用于获取待处理点云数据；确定模块，用于针对所述待处理点云数据中包含的每个点云点，确定该点云点对应的点云点特征，所述点云点特征包括：该点云点与邻近的每个其他点云点之间的空间分布差异特征，以及该点云点所在的局部空间内包含的所有点云点构成的点云点群对应的点群分布特征中的至少一种；识别模块，用于根据所述待处理点云数据中每个点云点所对应的点云点特征，从所述待处理点云数据中识别出噪点；降噪模块，用于根据识别出的所述噪点，对所述待处理点云数据进行降噪。本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述数据降噪的方法。本说明书提供了一种无人驾驶设备，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，所述处理器执行所述程序时实现上述数据降噪的方法。本说明书采用的上述至少一个技术方案能够达到以下有益效果：在本说明书提供的数据降噪的方法中，获取待处理点云数据，再针对该待处理点云数据中包含的每个点云点，确定该点云点对应的点云点特征，其中，点云点特征可以包括：该点云点与邻近的每个其他点云点之间的空间分布差异特征，以及该点云点所在的局部空间内包含的所有点云点构成的点云点群对应的点群分布特征中的至少一种，而后，根据待处理点云数据中每个点云点所对应的点云点特征，从该待处理点云数据中识别出噪点，进而根据识别出的噪点，对待处理点云数据进行降噪。从上述方法中可以看出，本方法在获取到待处理点云数据后，可以根据点云数据中各点云点的属性特征、各点云点之间在空间上的分布差异特征，以及各点云点的属性特征在空间上的分布情况，从点云数据中识别出相较于真实障碍物来说分布情况更为松散的噪点，并进行降噪处理，减少该点云数据中所包含的噪点数目，进而减小如雨、雪、扬尘等微小颗粒的点云数据对决策算法的决策结果的影响，提高了决策算法决策的准确性。附图说明此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：图1为本说明书中一种数据降噪的方法的流程示意图；图2A-2B为本说明书提供的实施例中确定点云点邻近的其他点云点的示意图；图3A-3B为本说明书提供的实施例中确定点云点所处本文档来自技高网...

【技术保护点】
1.一种数据降噪的方法，其特征在于，包括：/n获取待处理点云数据；/n针对所述待处理点云数据中包含的每个点云点，确定该点云点对应的点云点特征，所述点云点特征包括：该点云点与邻近的每个其他点云点之间的空间分布差异特征，以及该点云点所在的局部空间内包含的所有点云点构成的点云点群对应的点群分布特征中的至少一种；/n根据所述待处理点云数据中每个点云点所对应的点云点特征，从所述待处理点云数据中识别出噪点；/n根据识别出的所述噪点，对所述待处理点云数据进行降噪。/n

【技术特征摘要】
1.一种数据降噪的方法，其特征在于，包括：
获取待处理点云数据；
针对所述待处理点云数据中包含的每个点云点，确定该点云点对应的点云点特征，所述点云点特征包括：该点云点与邻近的每个其他点云点之间的空间分布差异特征，以及该点云点所在的局部空间内包含的所有点云点构成的点云点群对应的点群分布特征中的至少一种；
根据所述待处理点云数据中每个点云点所对应的点云点特征，从所述待处理点云数据中识别出噪点；
根据识别出的所述噪点，对所述待处理点云数据进行降噪。


2.如权利要求1所述的方法，其特征在于，所述待处理点云数据是由激光雷达采集的，所述激光雷达包括若干个激光器；
该点云点的邻近的其他点云点包括：与该点云点对应的激光器相邻近的其他激光器在采集到该点云点的同一时刻采集到的点云点；和/或，该点云点对应的激光器在与该点云点采集时刻相邻近的扫描周期采集到的点云点。


3.如权利要求2所述的方法，其特征在于，所述点云点特征包括该点云点与邻近的每个其他点云点之间的空间分布差异特征时，确定该点云点对应的点云点特征，具体包括：
根据该点云点对应的三维坐标，以及所述每个其他点云点所对应的三维坐标，确定该点云点与所述每个其他点云点之间在空间位置上的空间分布差异特征。


4.如权利要求2所述的方法，其特征在于，所述点云点特征包括该点云点与邻近的每个其他点云点之间的空间分布差异特征时，确定该点云点对应的点云点特征，具体包括：
根据所述待处理点云数据，确定所述每个其他点云点对应的激光反射率以及该点云点对应的激光反射率；
根据所述每个其他点云点对应的激光反射率，以及该点云点对应的激光反射率，确定该点云点与所述每个其他点云点之间在激光反射率上的空间分布差异特征。


5.如权利要求1所述的方法，其特征在于，所述点云点特征包括该点云点所在的局部空间内包含的所有点云点构成的点云点群对应的点群分布特征时，确定该点云点对应的点云点特征，具体包括：
根据预设的各栅格，确定该点云点所在的栅格，作为该点云点所在的局部空间；
确定该点云点所在的局部空间内包含的所有点云点构成的点云点群；
根据所述待处理点云数据，确定所述点云点群对应的点群分布特征。


6.如权利要求5所述的方法，其特征在于，根据所述待处理点云数据，确定所述点云点群对应的点群分布特征，具体包括：
根据所述点云点群中所包含的点云点数量，和/或所述点云点群中包含的各点云点的三维坐标，确定所述点云点群在空间位置上对应的点群分布特征。

【专利技术属性】
技术研发人员：夏华夏，钟泽宇，刘审川，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：北京;11