[发明专利]实现激光点云稠密化的方法、装置及计算机设备

说明书

本发明公开了一种实现激光点云稠密化的方法、装置及计算机设备，所述实现激光点云稠密化的方法包括：获取目标场景的原始点云；按照前视图视角将所述原始点云投影至一柱面，生成第一前视图，所述前视图视角与激光雷达采集所述原始点云时的方位角有关；基于深度学习模型所构建不同分辨率前视图之间的映射关系，由所述第一前视图映射得到第二前视图，所述第二前视图的分辨率高于所述第一前视图的分辨率；将所述第二前视图投影至所述原始点云所在坐标系，得到所述目标场景的稠密点云。采用本发明所提供的实现激光点云稠密化的方法、装置及计算机设备解决了现有技术中激光点云的稠密化效果相对较差的问题。

技术领域

本发明涉及计算机技术领域，尤其涉及一种实现激光点云稠密化的方法、装置及计算机设备。

背景技术

高精度地图，是用于辅助驾驶、半自动驾驶或者无人驾驶的地图，由一系列地图要素构成，例如，地图要素包括：路牙、护栏等。其中，高精度地图的生成过程中，首先从激光点云提取得到地图要素，再通过人工方式对提取得到的地图要素进行编辑，以生成高精度地图。

由上可知，地图要素的提取依赖于激光点云，如果激光点云过于稀疏，将导致地图要素的准确性不高，并最终影响高精度地图的生产效率。为此，现有的激光点云稠密化方案通常采用内插值方法，以此进行激光点云的上采样，达到激光点云的稠密化效果。

然而，受限于内插值方法所依赖的规则，例如，规则包括近邻插值、双线性插值等，使得激光点云的稠密化效果相对较差。

发明内容

为了解决相关技术中存在的激光点云的稠密化效果相对较差的问题，本发明各实施例提供一种实现激光点云稠密化的方法、装置及计算机设备。

其中，本发明所采用的技术方案为：

根据本发明公开的第一方面，一种实现激光点云稠密化的方法，包括：获取目标场景的原始点云；按照前视图视角将所述原始点云投影至一柱面，生成第一前视图，所述前视图视角与激光雷达采集所述原始点云时的方位角有关；基于深度学习模型所构建不同分辨率前视图之间的映射关系，由所述第一前视图映射得到第二前视图，所述第二前视图的分辨率高于所述第一前视图的分辨率；将第二前视图投影至所述原始点云所在坐标系，得到所述目标场景的稠密点云。

根据本发明公开的第二方面，一种实现激光点云稠密化的装置，包括：原始点云获取模块，用于获取目标场景的原始点云；前视图获取模块，用于按照前视图视角将所述原始点云投影至一柱面，生成第一前视图，所述前视图视角与激光雷达采集所述原始点云时的方位角有关；前视图映射模块，用于基于深度学习模型所构建不同分辨率前视图之间的映射关系，由所述第一前视图映射得到第二前视图，所述第二前视图的分辨率高于所述第一前视图的分辨率；稠密点云获取模块，用于将第二前视图投影至所述原始点云所在坐标系，得到所述目标场景的稠密点云。

根据本发明公开的第三方面，一种计算机设备，包括处理器及存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现如上所述的实现激光点云稠密化的方法。

根据本发明公开的第四方面，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的实现激光点云稠密化的方法。

在上述技术方案中，对目标场景的原始点云按照前视图视角进行柱面投影，生成第一前视图，以根据深度学习模型所构建不同分辨率前视图之间的映射关系，由第一前视图映射得到第二前视图，进而将该第二前视图投影至原始点云所在坐标系，以得到所述目标场景的稠密点云，也就是说，基于深度学习模型，构建了不同分辨率前视图之间的映射关系，以使该映射关系应用在第一前视图的实际场景中，得到分辨率高于第一前视图分辨率的第二前视图，以此形成目标场景的稠密点云，从而实现原始点云的稠密化，避免受限于内插值方法所依赖的规则，解决了现有技术中存在的激光点云的稠密化效果相对较差的问题。

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，并不能限制本发明。