[发明专利]一种点云噪点的分类方法、装置、设备及存储介质

权利要求书

1.一种点云噪点的分类方法，其特征在于，包括：

获取激光雷达采集的原始点云数据，所述原始点云数据包括多个类别的噪点；

按照所述噪点的属性从所述原始点云数据中提取目标点云数据；

将所述目标点云数据转换为目标特征图；

将所述目标特征图输入预设的特征分类模型中，得到不同所述类别下的噪点。

2.根据权利要求1所述的方法，其特征在于，所述噪点的属性包括反射率和空间位置；所述按照噪点的属性从所述原始点云数据中提取目标点云数据，包括:

获取所述原始点云数据中每个点的反射率；

确定所述原始点云数据中每个点在所述激光雷达的坐标系下的空间位置；

基于所述反射率和所述空间位置从所述原始点云数据中提取目标点云数据。

3.根据权利要求2所述的方法，其特征在于，所述目标点云数据包括第一目标点云数据和第二目标点云数据；所述基于所述反射率和所述空间位置从所述原始点云数据中提取目标点云数据，包括：

从所述原始点云数据中提取所述反射率高于预设的阈值的点，得到第一目标点云数据；

基于所述空间位置确定所述原始点云数据与所述第一目标点云数据之间的关联关系；

在所述原始点云数据中标识所述关联关系，得到第二目标点云数据。

4.根据权利要求3所述的方法，其特征在于，所述基于所述空间位置确定所述原始点云数据与所述第一目标点云数据之间的关联关系，包括：

针对所述原始点云数据中的每一个点，若基于所述空间位置确定当前点在所述激光雷达的坐标系下存在遮挡点，则计算所述遮挡点与所述当前点之间的第一距离；

在所述第一目标点云数据中查询是否存在目标点与所述遮挡点之间的第二距离等于所述第一距离；

若存在所述目标点与所述遮挡点之间的第二距离等于所述第一距离，则确定所述当前点与所述第一目标点云数据之间的关联关系为正相关；

若不存在所述目标点与所述遮挡点之间的第二距离等于所述第一距离，则确定所述当前点与所述第一目标点云数据之间的关联关系为不相关。

5.根据权利要求4所述的方法，其特征在于，所述基于所述空间位置确定所述原始点云数据与所述第一目标点云数据之间的关联关系，还包括：

针对所述原始点云数据中的每一个点，若当前点在所述激光雷达的坐标系下不存在遮挡点，则确定所述当前点与所述第一目标点云数据之间的关联关系为不相关。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述目标点云数据包括第一目标点云数据和第二目标点云数据；所述将所述目标点云数据转换为目标特征图，包括：

对所述第一目标点云数据提取表征反射率的特征，得到第一特征图；

对所述第二目标点云数据提取表征空间位置关系的特征，得到第二特征图；

将所述第一特征图与所述第二特征图结合，得到目标特征图。

7.根据权利要求1-5任一项所述的方法，其特征在于，所述将所述目标特征图输入预设的特征分类模型中，得到不同所述类别下的噪点，包括：

确定预设的特征分类模型；

通过所述特征分类模型从所述目标特征图中提取不同尺度下的特征，将不同尺度下的特征进行融合，将融合后的特征映射到所述原始点云数据中，得到不同所述类别下的噪点。

8.根据权利要求7所述的方法，其特征在于，所述特征分类模型包括残差网络、特征金字塔网络和循环神经网络；所述通过所述特征分类模型从所述目标特征图中提取不同尺度下的特征，将不同尺度下的特征进行融合，将融合后的特征映射到所述原始点云数据中，得到不同所述类别下的噪点，包括：

将所述目标特征图输入所述残差网络中，得到多层感受野下的特征；

将所述多层感受野下的特征输入所述特征金字塔网络中，得到多尺度特征；

通过所述循环神经网络对多个所述多尺度特征进行融合，得到融合特征；

将所述融合特征映射到所述原始点云数据中，得到不同类别下的噪点。