一种点云地面点的滤除方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种点云地面点的滤除方法、装置、设备及存储介质。该方法包括获取待滤除的目标三维点云数据；按照预设的聚类算法，对目标三维点云数据中的各点云点进行聚类处理，得到多个聚类集合；在各聚类集合中，识别与地面匹配的至少一个目标聚类集合，并根据各目标聚类集合中每个目标点云点的法向量，计算法向量均值；根据目标三维点云数据中各点云点的法向量与法向量均值之间的数值差异，在目标三维点云数据中识别并滤除全部点云地面点。本发明专利技术实施例的技术方案提供一种点云地面点的滤除方法，有效改善非地面点缺失，提高对地面点滤除的准确性，扩大点云地面点的滤除方法的适用范围。范围。范围。

【技术实现步骤摘要】
一种点云地面点的滤除方法、装置、设备及存储介质


[0001]本专利技术涉及点云滤除
，尤其涉及一种点云地面点的滤除方法、装置、设备及存储介质。

技术介绍

[0002]过滤地面数据是激光雷达数据预处理的重要一步，目前较为常见的方法是一种基于角度微分，实现地面点与非地面点的分割的方法。该算法以射线的形式组织点云，将点云的三维空间降到二维平面，并计算每一个点到雷达正方向的平面夹角，并且对360度以激光雷达的角度分辨率进行微分，对同一角度的线束上的点按照半径的大小进行排序，通过判断前后两点的坡度是否大于设定的阈值来判断是否为地面点。
[0003]专利技术人在实现本专利技术的过程中，发现现有技术存在如下缺陷：1.非地面点容易被错误分类，造成非地面点缺失。2.存在少量噪点，不能彻底滤除地地面。3.使用具有局限性，只可在机械式激光雷达上使用。

技术实现思路

[0004]本专利技术提供了一种点云地面点的滤除方法、装置、设备及存储介质，以提供一种点云地面点的滤除方法，有效改善非地面点缺失，提高对地面点滤除的准确性，扩大点云地面点的滤除方法的适用范围。
[0005]根据本专利技术的一方面，提供了一种点云地面点的滤除方法，该方法包括：
[0006]获取待滤除的目标三维点云数据；
[0007]按照预设的聚类算法，对目标三维点云数据中的各点云点进行聚类处理，得到多个聚类集合；
[0008]在各聚类集合中，识别与地面匹配的至少一个目标聚类集合，并根据各目标聚类集合中每个目标点云点的法向量，计算法向量均值；
[0009]根据目标三维点云数据中各点云点的法向量与法向量均值之间的数值差异，在目标三维点云数据中识别并滤除全部点云地面点。
[0010]根据本专利技术的另一方面，提供了一种点云地面点的滤除装置，该装置包括：
[0011]目标三维点云数据获取模块，用于获取待滤除的目标三维点云数据；
[0012]聚类集合获取模块，用于按照预设的聚类算法，对目标三维点云数据中的各点云点进行聚类处理，得到多个聚类集合；
[0013]法向量均值计算模块，用于在各聚类集合中，识别与地面匹配的至少一个目标聚类集合，并根据各目标聚类集合中每个目标点云点的法向量，计算法向量均值；
[0014]点云地面点滤除模块，用于根据目标三维点云数据中各点云点的法向量与法向量均值之间的数值差异，在目标三维点云数据中识别并滤除全部点云地面点。
[0015]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0016]至少一个处理器；以及
[0017]与所述至少一个处理器通信连接的存储器；其中，
[0018]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的点云地面点的滤除方法。
[0019]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的点云地面点的滤除方法。
[0020]本专利技术实施例的技术方案，通过获取待滤除的目标三维点云数据；按照预设的聚类算法，对目标三维点云数据中的各点云点进行聚类处理，得到多个聚类集合；在各聚类集合中，识别与地面匹配的至少一个目标聚类集合，并根据各目标聚类集合中每个目标点云点的法向量，计算法向量均值；根据目标三维点云数据中各点云点的法向量与法向量均值之间的数值差异，在目标三维点云数据中识别并滤除全部点云地面点的技术手段，提供一种点云地面点的滤除方法，有效改善非地面点缺失，提高对地面点滤除的准确性，扩大点云地面点的滤除方法的适用范围。
[0021]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0022]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0023]图1是根据本专利技术实施例一提供的一种点云地面点的滤除方法的流程图；
[0024]图2是根据本专利技术实施例二提供的一种点云地面点的滤除装置的结构示意图；
[0025]图3是实现本专利技术实施例的点云地面点的滤除方法的电子设备的结构示意图。
具体实施方式
[0026]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都应当属于本专利技术保护的范围。
[0027]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“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列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0028]实施例一
[0029]图1为本专利技术实施例一提供了一种点云地面点的滤除方法的流程图，本实施例可适用于对点云中的地面点云进行滤除的情况，该方法可以由点云地面点的滤除装置来执
行，该装置可以采用硬件和/或软件的形式实现，该装置可配置于ROS(Robot Operating System，机器人操作系统)的主处理器中。如图1所示，该方法包括：
[0030]S110、获取待滤除的目标三维点云数据。
[0031]其中，待滤除的目标三维点云数据可以指针对目标场景通过激光雷达扫描得到的点云数据。在本实施例中，待滤除的目标三维点云数据一般可以是将原始采集的点云数据进行下采样获得。
[0032]在一个可选实施方式中，获取待滤除的目标三维点云数据，具体可以通过获取激光雷达采集得到的稠密点云数据，并对所述稠密点云数据进行降采样处理，得到稀疏的目标三维点云数据。
[0033]其中，稠密点云数据可以指针对目标场景采集的原始点云数据。
[0034]这样设置的好处在于可以减少需要处理的点云数据量，从而减少工作量，提高处理效率。
[0035]S120、按照预设的聚类算法，对目标三维点云数据中的各点云点进行聚类处理，得到多个聚类集合。
[0036]其中，预设的聚类算法可以是预先设定的用于对目标三维点云数据进行聚类处理的算法，例如，区域增长算法。每一个聚类集合中的点云点可以具有相同或者相似的特征。
[0037]在本实施例中，可以根据预设的聚类算法，对目标三维点云数据中的各点云点进行分析处理，从而得到多个聚类集合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种点云地面点的滤除方法，其特征在于，包括：获取待滤除的目标三维点云数据；按照预设的聚类算法，对目标三维点云数据中的各点云点进行聚类处理，得到多个聚类集合；在各聚类集合中，识别与地面匹配的至少一个目标聚类集合，并根据各目标聚类集合中每个目标点云点的法向量，计算法向量均值；根据目标三维点云数据中各点云点的法向量与法向量均值之间的数值差异，在目标三维点云数据中识别并滤除全部点云地面点。2.根据权利要求1所述的方法，其特征在于，获取待滤除的目标三维点云数据，包括：获取激光雷达采集得到的稠密点云数据，并对所述稠密点云数据进行降采样处理，得到稀疏的目标三维点云数据。3.根据权利要求1所述的方法，其特征在于，在各聚类集合中，识别与地面匹配的至少一个目标聚类集合，包括：获取与各所述聚类集合分别对应的聚类中心；在全部聚类中心中识别高程最低的目标聚类中心；分别计算各所述聚类中心与所述目标聚类中心之间的夹角和高程差，并获取夹角满足角度相似度条件且高程差满足高程相似度条件的相似聚类中心；获取与所述目标聚类中心和所述相似聚类中心分别对应的至少一个目标聚类集合。4.根据权利要求1所述的方法，其特征在于，在根据各目标聚类集合中每个目标点云点的法向量，计算法向量均值之前，还包括：在目标三维点云数据中获取当前处理点云点，并搜索与当前处理点云点匹配的多个邻域点云点；根据各所述邻域点云点，确定与所述当前处理电云点匹配的点云平面；计算与所述点云平面对应的法向量，作为当前处理点云点的法向量。5.根据权利要求1
‑
4任一项所述的方法，其特征在于，在按照预设的聚类算法，对目标三维点云数据中的各点云点进行聚类处理，得到多个聚类集合之前，还包括：按照预设的点云去噪算法，滤除所述目标三维点云数据中包括的噪声点云点。6.根据权利要求1
‑
4任一项所述的方法，其特征在于，在按照预设...

【专利技术属性】
技术研发人员：方禄，童天辰，
申请(专利权)人：始途科技杭州有限公司，
类型：发明
国别省市：