点云数据处理方法和装置制造方法及图纸

本申请公开了一种点云数据处理方法和装置。该方法包括：获取点云分布图像；对点云数据进行分组；从点云数据集合中确定参考点集；根据参考点集确定地面参考线；根据地面参考线判断每组中与地面参考线对应的点云是否属于地面。本申请达到了识别点云是否属于地面的目的，从而使得机器人能高效区分视线范围内的障碍物与地面，包括平地、小沟壑、斜坡这些不影响通过性的场景，为机器人在极复杂场景下进行灵活自主避障打下了前端基础。并且本申请的技术方案，采用普通的深度摄像头拍摄的图像就可以实现地面点云的有效识别，不需要价格高昂的工业级摄像头，降低了方案成本，有利于方案的产品化及量产。品化及量产。品化及量产。

【技术实现步骤摘要】
点云数据处理方法和装置


[0001]本申请涉及图像处理
，具体而言，涉及一种点云数据处理方法和装置。

技术介绍

[0002]在点云的图像处理领域中，现有的去除地面的方法，一般有直接切除法和法向量比对法。直接切除法对于硬件和环境要求比较高，需要摄像头非常精确，噪声小；对于地面的平整度要求也非常高，如果地图中有平地和斜坡，这个方法完全不适用。法向量比对法通过点云法向量与法向量阈值的对比，得出符合地面要求的点云，再删除该点云数据，得到去除地面后的点云数据。该方法对摄像头要求也比较高，不能出现太大的噪声，因为噪声大太法向量容易出现偏差。普通的消费级摄像头拍摄的地面如果不完整就会导致计算法向量时误差比较大，而且此方法在进行数据处理时需要耗费大量的计算资源，无法进行产品化。以上两种方法都对摄像头及硬件有很高要求，但高精度摄像头价格非常昂贵。价格上不能满足商业化的量产要求。

技术实现思路

[0003]本申请的主要目的在于提供一种点云数据处理方法和装置，以解决上述问题。
[0004]为了实现上述目的，根据本申请的一个方面，提供了一种点云数据处理方法，包括：
[0005]获取点云分布图像；
[0006]对所述点云分布图像中的点云数据进行分组；
[0007]从点云数据集合中确定参考点集；
[0008]根据所述参考点集确定地面参考线；
[0009]根据所述地面参考线判断每组中与所述地面参考线对应的点是否属于地面。
[0010]在一种实施方式中，对所述点云分布图像中的点云数据进行分组，包括：
[0011]对所述点云分布图像，沿着圆周方向划分为N段；每段的圆心角度为360/N；
[0012]沿径向将点云区域化划分为M段；
[0013]得到M
×
N个区域。
[0014]在一种实施方式中，根据所述参考点集确定地面参考线，包括：
[0015]从所述参考点集中确定至少两个参考点；
[0016]根据所述至少两个参考点进行线性拟合得到地面参考线。
[0017]在一种实施方式中，根据所述地面参考线判断每组中与所述地面参考线组对应的点是否属于地面，包括：
[0018]计算每组中的点与对应的地面参考线的垂直距离；
[0019]判断所述垂直距离是否小于预定的阈值；
[0020]如果是，则确定所述点属于地面。
[0021]在一种实施方式中，对所述点云分布图像中的点云数据进行分组之后，从点云数
据集合中确定参考点集之前，所述方法还包括：对每个点云数据从三维降为到两维。
[0022]在一种实施方式中，从点云数据集合中确定参考点集，包括：
[0023]遍历每个点云数据组，对于任意的一组，若组中有点云数据，则选取高度最小的点作为该组中用于线性规划的参考点；若组中没有点云，则跳到下一组。
[0024]在一种实施方式中，还包括：判断紧邻圆心的每个组中的参考点的Z方向的高度是否超过预定的高度阈值，如果是，则将所述参考点剔除。
[0025]在一种实施方式中，根据所述至少两个参考点进行线性拟合得到地面参考线后，还包括：
[0026]判断所述地面参考线是否符合预定的条件，如果否，则删除所述地面参考线和参考点。
[0027]在一种实施方式中，所述预定的条件，包括：
[0028]所述地面参考线的斜率小于预设的斜率阈值；
[0029]所述地面参考线的拟合方差不小于预设的方差阈值；
[0030]地面参考线到圆心Z轴的截距不超过预设截距阈值；
[0031]同一个扇形中的任意两条相邻的地面参考线，第一地面参考线末端和第二地面参考线起始点在z方向的差距不大于预设的z方向阈值。
[0032]根据本申请的第二方面，本申请还提出了一种点云数据处理装置，包括：
[0033]获取模块，用于获取点云分布图像；
[0034]分组模块，用于对所述点云分布图像中的点云数据进行分组；
[0035]处理模块，用于从点云数据集合中确定参考点集；以及根据所述参考点集确定地面参考线；
[0036]判断模块，用于根据所述地面参考线判断每组中与所述地面参考线对应的点是否属于地面。
[0037]根据本申请的第三方面，本申请还提出了一种电子设备，包括：至少一个处理器和至少一个存储器；所述存储器用于存储一个或多个程序指令；所述处理器，用于运行一个或多个程序指令，用以执行如上述任一项所述的方法。
[0038]根据本申请的第四方面，本申请还提出了一种计算机可读存储介质，计算机可读存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于执行如上述任一项所述的方法。
[0039]在本申请实施例中，通过获取点云分布图像；对点云数据进行分组；从点云数据集合中确定参考点集；根据参考点集确定地面参考线；根据地面参考线判断每组中与地面参考线对应的点云是否属于地面。本申请达到了识别点云是否属于地面的目的，从而使得机器人能高效区分视线范围内的障碍物与地面，包括平地、小沟壑、斜坡这些不影响通过性的场景，为机器人在极复杂场景下进行灵活自主避障打下了前端基础。并且本申请的技术方案，采用普通的深度摄像头拍摄的图像就可以实现地面点云的有效识别，不需要价格高昂的工业级摄像头，降低了方案成本，有利于方案的产品化及量产。
附图说明
[0040]构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它
特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0041]图1是根据本申请实施例的一种点云数据处理方法的流程图；
[0042]图2是根据本申请实施例的一种点云图像的区域划分示意图；
[0043]图3是根据本申请实施例的一种点云识别的示意图；
[0044]图4是根据本申请实施例一种点云数据处理装置的结构示意图；
[0045]图5是根据本申请实施例一种电子设备的结构示意图。
具体实施方式
[0046]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
[0047]需要说明的是，本申请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，以便这里描述的本申请的实施例。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本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种点云数据处理方法，其特征在于，包括：获取点云分布图像；对所述点云分布图像中的点云数据进行分组；从点云数据集合中确定参考点集；根据所述参考点集确定地面参考线；根据所述地面参考线判断每组中与所述地面参考线对应的点是否属于地面。2.根据权利要求1所述的点云数据处理方法，其特征在于，对所述点云分布图像中的点云数据进行分组，包括：对所述点云分布图像，以摄像机为圆心，沿着圆周方向划分为N段；每段的圆心角度为360/N；沿径向将点云区域化划分为M段；得到M
×
N个区域。3.根据权利要求1所述的点云数据处理方法，其特征在于，根据所述参考点集确定地面参考线，包括：从所述参考点集中确定至少两个参考点；根据所述至少两个参考点进行线性拟合得到地面参考线。4.根据权利要求1所述的点云数据处理方法，其特征在于，根据所述地面参考线判断每组中与所述地面参考线组对应的点是否属于地面，包括：计算每组中的点与对应的地面参考线的垂直距离；判断所述垂直距离是否小于预定的阈值；如果是，则确定所述点属于地面。5.根据权利要求1所述的点云数据处理方法，其特征在于，对所述点云分布图像中的点云数据进行分组之后，从点云数据集合中确定参考点集之前，所述方法还包括：对每个点云数据从三维降为到两维。6.根据权利要求2所述的点云数据处理方法，其特征在于，从点云数据...

【专利技术属性】
技术研发人员：陈卜铭，孙集林，陈英达，
申请(专利权)人：深圳蓝因机器人科技有限公司，
类型：发明
国别省市：