一种点云地面点提取方法、系统、电子设备及存储介质技术方案

本发明专利技术提供一种点云地面点提取方法、系统、电子设备及存储介质，根据数据采集车辆的行进方向对点云数据点集进行区域划分；对每一个区域的点云数据点集，筛选出满足高度条件的点云数据点集；计算所有点云数据点的质心和所在区域地面平面法向量，以及设置地面点判定阈值；从点云数据点集中再次筛选出满足地面点判定阈值的点云数据点；重复计算质心、地面平面法向量，对点云数据点进行筛选，最后输出点云地面点。本发明专利技术通过分区计算解决了传统方法对于不平整、带有坡度的地面无法识别的问题，通过对点的多层筛选过滤解决了传统方法执行效率慢的问题，通过多轮计算解决了传统方法精度低的问题。低的问题。低的问题。

【技术实现步骤摘要】
一种点云地面点提取方法、系统、电子设备及存储介质


[0001]本专利技术涉及点云数据处理领域，更具体地，涉及一种点云地面点提取方法、系统、电子设备及存储介质。

技术介绍

[0002]随着激光雷达在辅助驾驶及自动驾驶车辆上的搭载，对能够处理激光雷达数据的AI的需求也在随之增加。这类AI在训练过程中需要大量激光点云真值数据进行学习，因此需要大规模且快速精准的点云标注为其提供充足的训练数据。
[0003]作为辅助驾驶及自动驾驶相关AI，对车和人精确识别的能力常常是训练时的首选，因此在生产真值数据时，对于车和人的标注需求往往大于对其他类别的标注需求。而在点云中进行车和人的标注时，由于车和人都是在地面之上且与地面有接触的对象，因此无论是对车和人进行三维立体框标注还是进行语义分割标注，都或多或少会受到地面点的干扰，这其中尤其是语义分割，在每次车或人的注过程中都需要花费额外的工作量进行地面点的剔除，影响了标注效率。因此在标注前对地面点进行识别与隐藏是一项很有必要的工作。
[0004]传统方法常使用单纯的聚类算法或者拟合算法，算法执行效率较慢，较容易出现未识别出的地面点和错误识别的地面点，精度较低，且对于不平整、带有坡度的地面无法进行识别。

技术实现思路

[0005]本专利技术针对现有技术中存在的技术问题，提供一种点云地面点提取方法、系统、电子设备及存储介质。
[0006]根据本专利技术的第一方面，提供了一种点云地面点提取方法，包括：
[0007]a、获取点云数据点集，根据数据采集车辆的行进方向对所述点云数据点集进行区域划分；
[0008]b、对每一个区域的点云数据点集，筛选出满足高度条件的点云数据点集；
[0009]c、基于筛选后的点云数据点集，计算点云数据点集中的所有点云数据点的质心和所在区域地面平面法向量，以及将所述质心投影到地面平面法向量后的长度作为地面点判定阈值；
[0010]d、从所述筛选后的点云数据点集中再次筛选出投影到地面平面法向量长度小于所述地面点判定阈值的点云数据点，形成初始地面点云数据点集；
[0011]e、基于初始地面点云数据点集，循环执行c和d，直到循环执行次数达到上限，输出地面点云数据点集；
[0012]f、将每个区域的地面点云数据点集进行合并，得到点云地面点。
[0013]在上述技术方案的基础上，本专利技术还可以作出如下改进。
[0014]可选的，所述a中获取点云数据点集，根据数据采集车辆的行进方向对所述点云数
据点集进行区域划分，包括：
[0015]计算所述点云数据点集中每一个点云数据点到数据采集车辆行进方向上的投影长度l；
[0016]获取所有点云数据点对应的投影长度中的最小值lmin和最大值lmax；
[0017]设定区间长度lr，将(lmin，lmax)划分为多个区间，将所有点云数据点根据投影长度落入的区间进行分区，得到多个区间的点云数据点集。
[0018]可选的，计算所述点云数据点集中每一个点云数据点到数据采集车辆行进方向上的投影长度l，包括：
[0019]l＝A
·
B＝xAxB+yAyB+zAzB；
[0020]其中，A＝(xA,yA,zA)为点云数据点，B＝(xB,yB,zB)为数据采集车辆行进方向。
[0021]可选的，所述b中对每一个区域的点云数据点集，筛选出满足高度条件的点云数据点集，包括：
[0022]筛选出高度处于设定高度区间阈值的点云数据点，构成第一轮高度筛选后的点云数据点集；
[0023]将第一轮高度筛选后的点云数据点集中的每一个点云数据点按照高度从小到大进行排序，提取靠前设定比例的点云数据点，并计算设定比例的点云数据点的平均高度值；
[0024]从第一轮高度筛选后的点云数据点集中筛选出高度小于所述平均高度值的点云数据点，构成第二轮高度筛选后的点云数据点集。
[0025]可选的，所述设定高度区间阈值为
‑
2.5～0，所述设定比例为10％。
[0026]可选的，所述c中基于筛选后的点云数据点集，计算点云数据点集中的所有点云数据点的质心和所在区域地面平面法向量，包括：
[0027]计算第二轮高度筛选后的点云数据点集的所有点云数据点的质心P
c
和协方差矩阵C，并计算所述协方差矩阵C的多个特征值和多个特征向量；
[0028]将多个特征值中最小特征值对应的特征向量作为所在区域地面平面的法向量。
[0029]可选的，所述计算第二轮高度筛选后的点云数据点集的所有点云数据点的质心P
c
和协方差矩阵C，包括：
[0030][0031][0032]cov(X,Y)＝E[(X
‑
E(Y))(Y
‑
E(X))]＝E(XY)
‑
E(X)E(Y)；
[0033][0034]所述计算所述协方差矩阵C的多个特征值和多个特征向量，包括：
[0035]设A为n阶矩阵，若数λ和n维非0列向量x满足Ax＝λx，那么数λ称为A的特征值，x称
为A的对应于特征值λ的特征向量；
[0036]其中，每个点云数据点的坐标为三维数据，所述协方差矩阵C为3x3的方阵，协方差矩阵C有三个特征值及其对应的特征向量。
[0037]根据本专利技术的第二方面，提供一种点云地面点提取系统，包括：
[0038]区域划分模块，用于获取点云数据点集，根据数据采集车辆的行进方向对所述点云数据点集进行区域划分；
[0039]第一筛选模块，用于对每一个区域的点云数据点集，筛选出满足高度条件的点云数据点集；
[0040]计算模块，用于基于筛选后的点云数据点集，计算点云数据点集中的所有点云数据点的质心和所在区域地面平面法向量，以及将所述质心投影到地面平面法向量后的长度作为地面点判定阈值；
[0041]第二筛选模块，用于从所述筛选后的点云数据点集中再次筛选出投影到地面平面法向量长度小于所述地面点判定阈值的点云数据点，形成初始地面点云数据点集；
[0042]执行模块，用于基于初始地面点云数据点集，循环调用所述计算模块和所述第二筛选模块，直到循环执行次数达到上限，输出地面点云数据点集；
[0043]合并模块，用于将每个区域的地面点云数据点集进行合并，得到点云地面点。
[0044]根据本专利技术的第三方面，提供了一种电子设备，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现点云地面点提取方法的步骤。
[0045]根据本专利技术的第四方面，提供了一种计算机可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现点云地面点提取方法的步骤。
[0046]本专利技术提供的一种点云地面点提取方法、系统、电子设备及存储介质，根据数据采集车辆的行进方向对点云数据点集进行区域划分；对每一个区域的点云数据点集，筛选出满足高度条本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种点云地面点提取方法，其特征在于，包括：a、获取点云数据点集，根据数据采集车辆的行进方向对所述点云数据点集进行区域划分；b、对每一个区域的点云数据点集，筛选出满足高度条件的点云数据点集；c、基于筛选后的点云数据点集，计算点云数据点集中的所有点云数据点的质心和所在区域地面平面法向量，以及将所述质心投影到地面平面法向量后的长度作为地面点判定阈值；d、从所述筛选后的点云数据点集中再次筛选出投影到地面平面法向量长度小于所述地面点判定阈值的点云数据点，形成初始地面点云数据点集；e、基于初始地面点云数据点集，循环执行c和d，直到循环执行次数达到上限，输出地面点云数据点集；f、将每个区域的地面点云数据点集进行合并，得到点云地面点。2.根据权利要求1所述的点云地面点提取方法，其特征在于，所述a中获取点云数据点集，根据数据采集车辆的行进方向对所述点云数据点集进行区域划分，包括：计算所述点云数据点集中每一个点云数据点到数据采集车辆行进方向上的投影长度l；获取所有点云数据点对应的投影长度中的最小值lmin和最大值lmax；设定区间长度lr，将(lmin，lmax)划分为多个区间，将所有点云数据点根据投影长度落入的区间进行分区，得到多个区间的点云数据点集。3.根据权利要求2所述的点云地面点提取方法，其特征在于，所述计算所述点云数据点集中每一个点云数据点到数据采集车辆行进方向上的投影长度l，包括：l＝A
·
B＝xAxB+yAyB+zAzB；其中，A＝(xA,yA,zA)为点云数据点，B＝(xB,yB,zB)为数据采集车辆行进方向。4.根据权利要求1所述的点云地面点提取方法，其特征在于，所述b中对每一个区域的点云数据点集，筛选出满足高度条件的点云数据点集，包括：筛选出高度处于设定高度区间阈值的点云数据点，构成第一轮高度筛选后的点云数据点集；将第一轮高度筛选后的点云数据点集中的每一个点云数据点按照高度从小到大进行排序，提取靠前设定比例的点云数据点，并计算设定比例的点云数据点的平均高度值；从第一轮高度筛选后的点云数据点集中筛选出高度小于所述平均高度值的点云数据点，构成第二轮高度筛选后的点云数据点集。5.根据权利要求4所述的点云地面点提取方法，其特征在于，所述设定高度区间阈值为
‑
2.5～0，所述设定比例为10％。6.根据权利要求4所述的点云地面点提取方法，其特征在于，所述c中基于筛选后的点云数据点集，计算点...

【专利技术属性】
技术研发人员：王军德，赵王靖龙，蔡幼波，李鑫，
申请(专利权)人：武汉光庭信息技术股份有限公司，
类型：发明
国别省市：