[发明专利]一种点云数据处理的方法、装置、电子设备及存储介质

说明书

本公开提供了一种点云数据处理的方法、装置、电子设备及存储介质，其中，该方法包括：获取雷达设备实时采集的第一点云数据；对获取的第一点云数据和构成点云地图的第二点云数据分别进行多层特征提取，得到成对的第一点云特征图和第二点云特征图；其中成对的第一点云特征图和第二点云特征图由同一层级的特征提取层提取得到；基于成对的第一点云特征图和第二点云特征图，对雷达设备进行级联定位；其中，级联定位是指基于当前层级提取得到的点云特征图以及上一层级对应的定位结果，确定当前层级对应的定位结果。本公开结合多层特征提取以及级联定位，提升了定位的鲁棒性和准确性。

技术领域

本公开涉及无人驾驶技术领域，具体而言，涉及一种点云数据处理的方法、装置、电子设备及存储介质。

背景技术

随着科学技术的发展与进步，常常用于军事领域的激光雷达的成本大大降低而被广泛应用于各个技术领域，例如，自动驾驶汽车领域、移动机器人领域等。以自动驾驶汽车领域为例，基于激光雷达定位技术可以实现车辆的定位，而基于点云地图的地图匹配算法是实现自动驾驶汽车高精度定位的核心技术。

目前的地图匹配方法主要可以利用点云的几何结构特征进行地图匹配，例如，可以在确定当前采集的点云数据中的线段结构与点云地图中的线段结构相匹配的情况下，基于点云地图实现车辆的定位。

然而，上述基于地图匹配实现车辆定位的方法，由于对点云分布以及定位场景比较敏感，特别是针对结构退化的场景，定位的鲁棒性和准确性均较低。

发明内容

本公开实施例至少提供一种点云数据处理的方法、装置、电子设备及存储介质，结合多层特征提取以及级联定位，提升了定位的鲁棒性和准确性。

第一方面，本公开实施例提供了一种点云数据处理的方法，所述方法包括：

获取雷达设备实时采集的第一点云数据；

对获取的所述第一点云数据和构成点云地图的第二点云数据分别进行多层特征提取，得到成对的第一点云特征图和第二点云特征图；其中成对的第一点云特征图和第二点云特征图由同一层级的特征提取层提取得到；

基于所述成对的第一点云特征图和第二点云特征图，对所述雷达设备进行级联定位；其中，所述级联定位是指基于当前层级提取得到的点云特征图以及上一层级对应的定位结果，确定当前层级对应的定位结果。

采用上述点云数据处理的方法，首先可以获取雷达设备实时采集的第一点云数据以及用于构建点云地图的第二点云数据，在针对第一点云数据和第二点云数据分别进行多层特征提取之后，可以基于提取的成对的第一点云特征图和第二点云特征图对雷达设备进行级联定位，由于多层特征提取可以提取出更为丰富的点云特征，这一定程度上可以提升后续进行定位的鲁棒性，又考虑到上述点云数据处理的方法是采用当前层级提取得到的点云特征图以及上一层级对应的定位结果，确定当前层级对应的定位结果的级联定位方式，该定位方法可以逐级的降低定位误差，提升定位的准确性。

在一种可能的实施方式中，所述基于所述成对的第一点云特征图和第二点云特征图，对所述雷达设备进行级联定位，包括：

针对每一层级，基于该层级的两个特征提取层分别提取的第一点云特征图和第二点云特征图、以及该层级的上一层级对应的定位结果，得到该层级对应的定位结果；

将最后层级对应的定位结果，确定为最终的定位结果。

本公开实施例中，每一层级对应定位结果可以是基于该层级的两个特征提取层分别提取的第一点云特征图和第二点云特征图、以及该层级的上一层级对应的定位结果共同确定的。考虑到越是靠前的层级其所对应的点云特征也越丰富，丰富的点云特征一定程度可以提升定位结果的准确性，也即，越是靠前的层级其定位的准确度也会越高，最后层级对应的定位结果相对最高。

在一种可能的实施方式中，所述定位结果包括水平位置偏移量和空间姿态旋转量；