本发明专利技术提供一种基于图像处理的激光雷达地面点云分割方法，获取目标对象的三维点云；基于预先设置的点云投影参数将所述三维点云投影到前向透视图中，得到深度图像；计算所述深度图像所有列像素中每一列的两个相邻像素点形成的角度值，并以所述角度值构建角度图像，并基于所述角度图像确定属于地面的地面像素点；从所述深度图像中移除属于地面的地面像素点，得到非地面像素点；获取所述地面像素点与所述非地面像素点的边界像素点，并利用所述边界像素点的邻居信息对所述边界像素点进行分类，并对地面进行分割，得到地面分割结果。本发明专利技术的方法在使用深度图像分割地面点云时，能够更准确更高效的进行分割，并对输出的结果进行优化。行优化。行优化。
【技术实现步骤摘要】
基于图像处理的激光雷达地面点云分割方法、装置、设备及介质
[0001]本申请涉及汽车自动驾驶
，具体涉及一种基于图像处理的激光雷达地面点云分割方法、装置、设备及介质。
技术介绍
[0002]辅助驾驶传感器系统中，多线束激光雷达可以扫描出角度分辨率极高的点云。对这些点云进行处理可以得到freespace、guardrail、目标等一系列感知层面的结果。而这些算法的点云预处理部分都包含相同的步骤，即地面点云分割，截止目前，地面分割算法可以分为传统基于规则的算法和深度学习算法，本专利侧重于对传统算法进行优化与讨论。
[0003]对于传统算法，主流的技术路线可以分为三种，一是基于射线拟合的LINE FIT方法，二是基于平面拟合的PLANE FIT方法，第三种则是将激光雷达点云转化到深度图像中的深度图像分割方法，前两种方法在工程上的精度是可以满足要求的，但它们对计算资源的占用量大，若非对点云经过特殊处理或激光雷达线束较少的情况下，难以满足移动平台上实时计算的要求。
技术实现思路
[0004]鉴于以上所述现有技术的缺点，本专利技术提供一种基于图像处理的激光雷达地面点云分割方法、装置、设备及介质，以解决上述技术问题。
[0005]本专利技术提供的一种基于图像处理的激光雷达地面点云分割方法，所述方法包括：
[0006]获取目标对象的三维点云；
[0007]基于预先设置的点云投影参数将所述三维点云投影到前向透视图中，得到深度图像；
[0008]计算所述深度图像所有列像素中每一列的两个相邻像素点形成的角度值，并以所述角度值构建角度图像，并基于所述角度图像确定属于地面的地面像素点；
[0009]从所述深度图像中移除属于地面的地面像素点，得到非地面像素点；
[0010]获取所述地面像素点与所述非地面像素点的边界像素点，并利用所述边界像素点的邻居信息对所述边界像素点进行分类，并对地面进行分割，得到地面分割结果。
[0011]于本专利技术一实施例中，若所述角度值小于指定阈值，则将所述角度值对应的两个相邻像素点标记为地面点。
[0012]于本专利技术一实施例中，所述三维点云的至少一个点对应一个像素点；在将所述三维点云投影到前向透视图中的步骤中，若每一个像素点对应多个点，则对所述多个点中的与激光雷达距离最大的点进行转换，得到该点对应的深度图像数据。
[0013]于本专利技术一实施例中，在将所述三维点云投影到前向透视图中的步骤中，
[0014]判断所述深度图像的每一列像素中是否存在不具有深度值的像素点，记为待修复点；
[0015]确定所述待修复点的相邻像素点，作为修复参考点，并将所述修复参考点的深度值的平均值作为待修复点的深度值；其中，所述修复参考点的深度值的差大于深度差阈值。
[0016]于本专利技术一实施例中，在构建角度图像后，所述方法还包括：对所述角度图像进行平滑滤波。
[0017]于本专利技术一实施例中，利用所述边界像素点的邻居信息对所述边界像素点进行分类，包括：
[0018]膨胀所述地面像素点和所述非地面像素点，求得交集，所述交集为边界像素点；
[0019]遍历所述边界像素点，并得到每一个所述边界像素点的近邻像素点，所述邻近像素点包括地面像素点和非地面像素点；
[0020]计算所述边界像素点与所述地面像素点的第一距离，并基于所述第一距离计算第一得分；
[0021]计算所述边界像素点与所述非地面像素点的第二距离，并基于所述第二距离计算第二得分；
[0022]其中，若所述第一得分小于所述第二得分，则所述边界像素点为非地面像素；若所述第一得分大于所述第二得分，则所述边界像素点为地面像素点。
[0023]于本专利技术一实施例中，获取目标对象的三维点云的步骤前，所述方法还包括：
[0024]设置投影参数，所述投影参数包括激光雷达与每一个像素表示的角度范围。
[0025]本专利技术提供的一种基于图像处理的激光雷达地面点云分割装置，所述装置包括：
[0026]点云获取模块，用于获取目标对象的三维点云；
[0027]投影模块，用于基于预先设置的点云投影参数将所述三维点云投影到前向透视图中，得到深度图像；
[0028]地面像素点确定模块，用于计算所述深度图像所有列像素中每一列的两个相邻像素点形成的角度值，并以所述角度值构建角度图像，并基于所述角度图像确定属于地面的地面像素点；
[0029]非地面像素点确定模块，用于从所述深度图像中移除属于地面的地面像素点，得到非地面像素点；
[0030]分割模块，用于获取所述地面像素点与所述非地面像素点的边界像素点，并利用所述边界像素点的邻居信息对所述边界像素点进行分类，并对地面进行分割，得到地面分割结果。
[0031]本专利技术提供的一种电子设备，所述电子设备包括：
[0032]一个或多个处理器；
[0033]存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现上述的基于图像处理的激光雷达地面点云分割方法的步骤。
[0034]本专利技术提供的一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被计算机的处理器执行时，使计算机执行上述基于图像处理的激光雷达地面点云分割方法的步骤。
[0035]本专利技术的有益效果：本专利技术中的一种基于图像处理的激光雷达地面点云分割方法，包括：获取目标对象的三维点云；基于预先设置的点云投影参数将所述三维点云投影到
前向透视图中，得到深度图像；计算所述深度图像所有列像素中每一列的两个相邻像素点形成的角度值，并以所述角度值构建角度图像，并基于所述角度图像确定属于地面的地面像素点；从所述深度图像中移除属于地面的地面像素点，得到非地面像素点；获取所述地面像素点与所述非地面像素点的边界像素点，并利用所述边界像素点的邻居信息对所述边界像素点进行分类，并对地面进行分割，得到地面分割结果。本专利技术的方法在使用深度图像分割地面点云时，能够更准确更高效的进行分割，并对输出的结果进行优化。
[0036]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
[0037]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术者来讲，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。在附图中：
[0038]图1是本申请的一示例性实施例示出的基于图像处理的激光雷达地面点云分割方法的实施环境示意图；
[0039]图2是本申请的一示例性实施例示出的基于图像处理的激光雷达地面点云分割方法的流程图；
[0040]图3为本申请的一示例性实施例示出的图像修复的流程示意图；
[0041]图4为本申请的一示例性实施例示出的确定地面像素点的具体步骤本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于图像处理的激光雷达地面点云分割方法，其特征在于，所述方法包括：获取目标对象的三维点云；基于预先设置的点云投影参数将所述三维点云投影到前向透视图中，得到深度图像；计算所述深度图像所有列像素中每一列的两个相邻像素点形成的角度值，并以所述角度值构建角度图像，并基于所述角度图像确定属于地面的地面像素点；从所述深度图像中移除属于地面的地面像素点，得到非地面像素点；获取所述地面像素点与所述非地面像素点的边界像素点，并利用所述边界像素点的邻居信息对所述边界像素点进行分类，并对地面进行分割，得到地面分割结果。2.根据权利要求1所述的基于图像处理的激光雷达地面点云分割方法，其特征在于，若所述角度值小于指定阈值，则将所述角度值对应的两个相邻像素点标记为地面点。3.根据权利要求1所述的基于图像处理的激光雷达地面点云分割方法，其特征在于，所述三维点云的至少一个点对应一个像素点；在将所述三维点云投影到前向透视图中的步骤中，若每一个像素点对应多个点，则保留像素深度最大点云的索引。4.根据权利要求1所述的基于图像处理的激光雷达地面点云分割方法，其特征在于，在将所述三维点云投影到前向透视图中的步骤中，判断所述深度图像的每一列像素中是否存在不具有深度值的像素点，记为待修复点；确定所述待修复点的相邻像素点，作为修复参考点，并将所述修复参考点的深度值的平均值作为待修复点的深度值；其中，所述修复参考点的深度值的差大于深度差阈值。5.根据权利要求1所述的基于图像处理的激光雷达地面点云分割方法，其特征在于，在构建角度图像后，所述方法还包括：对所述角度图像进行平滑滤波。6.根据权利要求1所述的基于图像处理的激光雷达地面点云分割方法，其特征在于，利用所述边界像素点的邻居信息对所述边界像素点进行分类，包括：膨胀所述地面像素点和所述非地面像素点，求得交集，所述交集为边界像素点；遍历所述边界像素点，并得到每一个所述边界像素...
【专利技术属性】
技术研发人员：陈王双懿，彭慧玲，邓皓匀，陈剑斌，任凡，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。