地面点云分割方法、系统、地面建模方法及介质技术方案

本申请公开了一种地面点云分割方法、系统、地面建模方法及介质，属于自动驾驶技术领域，该方法包括：对地面点云数据进行预处理，并划分到地面二维栅格中；通过预训练的地面网络模型确定地面二维栅格对应的栅格特征；通过地面网络模型对栅格特征进行处理，得到栅格高度预测值；将栅格高度预测值与对应的栅格高度阈值进行比，若栅格高度预测值大于栅格高度阈值，对应的地面点云数据确定为障碍物点；若栅格高度预测值不大于栅格高度阈值，将对应的地面点云数据确定为地面点。本申请通过预训练的地面网络模型计算各个点云栅格的高度，并与各个栅格相应的阈值进行比较，进行是否为地面点的判断，提高点云分割的准确性。提高点云分割的准确性。提高点云分割的准确性。

Ground point cloud segmentation method, system, ground modeling method and medium

【技术实现步骤摘要】
地面点云分割方法、系统、地面建模方法及介质


[0001]本申请实施例涉及自动驾驶
，尤其涉及一种地面点云分割方法、系统、地面建模方法及介质。

技术介绍

[0002]激光雷达可以实时、准确、可靠的获取环境信息，被广泛应用到无人驾驶车的环境感知系统中。在道路交通场景中，车辆、行人、建筑等障碍物分布在地面上，并与地面连接，要实现对这些障碍物的感知首先要将其与地面点区分出来，因此点云地面分割是激光感知系统中基础、重要的一个环节。
[0003]目前有一些方法对点云地面进行分割，如聚类算法、栅格法、模型拟合法，但这些方法存在依赖固定阈值、道路模型简单、依赖传感器数据特性等问题，很难应对实际道路环境中的复杂场景。目前的点云分割方法借助与固定阈值记进行判断，导致无法准确地进行点云中地面点与障碍物点的划分；或者利用特殊的激光雷达获取点云的固有属性进行点云分割，该种方法无法适用于其他型号的激光雷达，不具有普适性。也有一些直接利用深度学习对点云进行分割的方法，但不可避免存在过分割、欠分割等问题。

技术实现思路

[0004]本申请提出一种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种地面点云分割方法，其特征在于，包括：获取地面点云数据；对所述地面点云数据进行预处理，并划分到预先构建的地面二维栅格中；通过预训练的地面网络模型根据所述地面点云数据的高度信息，确定所述地面二维栅格对应的栅格特征；通过所述地面网络模型对所述栅格特征进行处理，得到所述地面二维栅格对应的栅格高度预测值；将所述栅格高度预测值与该所述地面二维栅格对应的栅格高度阈值进行比较，其中在所述栅格高度预测值大于所述栅格高度阈值的条件下，将所述地面二维栅格对应的所述地面点云数据确定为障碍物点；在所述栅格高度预测值不大于所述栅格高度阈值的条件下，将所述地面二维栅格对应的所述地面点云数据确定为地面点。2.根据权利要求1所述的地面点云分割方法，其特征在于，所述对所述地面点云数据进行预处理，并划分到预先构建的地面二维栅格中，包括：将激光雷达坐标系中的所述地面点云数据转换到自车坐标系中，并在所述自车坐标系中确定所述地面点云数据对应的三维坐标；根据所述三维坐标，将所述地面点云数据划分到对应的所述地面栅格中。3.根据权利要求2所述的地面点云分割方法，其特征在于，所述根据所述三维坐标，将所述地面点云数据划分到对应的所述地面栅格中，包括：根据所述地面二维栅格中各个顶点的坐标，确定所述地面二维栅格对应的区域范围；根据所述三维坐标在所述自车坐标系中的位置，将所述区域范围内的所述地面点云数据划分为该所述地面二维栅格对应的所述地面点云数据。4.根据权利要求1所述的地面点云分割方法，其特征在于，所述地面网络模型的预训练过程包括：通过激光雷达获取地面点云训练数据；将所述地面点云训练数据投影到所述地面二维栅格中，并通过预测网络模型根据所述地面二维栅格中的所述地面点云训练数据对所述地面二维栅格的栅格高度进行预测，得到栅格高度初步预测值；所述预测网络模型根据栅格高度真值、相邻栅格之间的高度损失以及所述栅格高度初步预测值进行损失学习，得到所述地面网络模型。5.根据权利要求4所述的地面点云分割方法，其特征在于，还包括：对所述地面点云训练数据进行人工标注，得到真实地面点；将所述真实地面点投影到所述地面二维栅格中，并将所述地面二维栅格中所述真实地面点的平均高度作为该所述地面二维栅格的所述栅格高度真值。6.根据权利要求4所述的地面点云分割方法，其特征在于，所述所述预测网络模型根据栅格高度真值、相邻栅格之间的高度...

【专利技术属性】
技术研发人员：李广敬，王晓东，
申请(专利权)人：北京主线科技有限公司，
类型：发明
国别省市：