[发明专利]一种点云噪点的分类方法、装置、设备及存储介质

说明书

本发明公开了一种点云噪点的分类方法、装置、设备及存储介质，该方法包括：获取激光雷达采集的原始点云数据，原始点云数据包括多个类别的噪点；按照噪点的属性从原始点云数据中提取目标点云数据；将目标点云数据转换为目标特征图；将目标特征图输入预设的特征分类模型中，得到不同类别下的噪点。由粗到精的特征提取方式能保证噪点尽可能的落入特征提取的范围、不遗漏噪点，还能在利用点云特征精细化转化为特征图的过程中缩小后续对噪点进行分类分割的搜索范围，将目标点云数据转换为目标特征图可以进一步提高对每个点的特征进行提取的精度，再利用特征分类模型对目标特征图按照特征的类别进行分类，能更精细化的确定不同类别下的噪点。

技术领域

本发明实施例涉及点云分类技术，尤其涉及一种点云噪点的分类方法、装置、设备及存储介质。

背景技术

在自动驾驶领域，激光雷达传感器作为无人驾驶系统中用于获取外界环境信息的主要设备，激光雷达所采集的点云数据是无人驾驶系统较为依赖的传感数据来源。

但是，由于激光雷达容易受到多种机制影响，其采集的点云数据中往往包含较多的噪点，这些噪点容易干扰系统对环境的检测，易造成误检或形状估计错误，影响行车安全。再者，噪点的出现机制较复杂，目前通用的点云分割方法无法针对噪点产生的特殊机制进行系统分析，缺乏对噪点进行针对性的分类和去除，去噪效果不佳。

发明内容

本发明提供一种点云噪点的分类方法、装置、设备及存储介质，能够解决现有技术无法对点云数据中的噪点进行精确分类、去噪效果不佳的技术问题。

第一方面，本发明实施例提供了一种点云噪点的分类方法，所述方法包括：

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。

第二方面，本发明实施例还提供了一种点云噪点的分类装置，所述装置包括：

数据获取模块，用于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；

数据提取模块，用于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；

特征转换模块，用于将所述目标点云数据转换为目标特征图；

噪点分类模块，用于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。

第三方面，本发明实施例还提供了一种计算机设备，所述计算机设备包括：

一个或多个处理器；

存储器，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，使得所述一个或多个处理器实现如第一方面所述的点云噪点的分类方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述的点云噪点的分类方法。