[发明专利]激光雷达采集到的点云数据的处理方法

说明书

本发明公开了一种激光雷达采集到的点云数据的处理方法，涉及深度学习技术领域，该方法包括：获取激光雷达采集到的至少一帧点云图中的点云集合；基于每个点云点的点云坐标信息对点云集合进行预处理，从点云集合中筛选出位于行驶道路的路面以上的前景点云点，生成目标点云集合；采用基于漫水法的图像分割算法对目标点云集合进行聚类分割，生成多个团簇；基于每个团簇内的点云数据，计算点云图中每个待识别的障碍物的几何数据，并基于计算结果识别出目标障碍物。本发明解决了相关技术中对点云存在欠分割或过分割的技术问题，进而达到了提高图像识别精度的技术效果。

技术领域

本发明涉及深度学习技术领域，具体而言，涉及一种激光雷达采集到的点云数据的处理方法。

背景技术

在自动驾驶体系中，使用激光雷达进行障碍物干事是实现自动驾驶的关键感知环节。

在相关技术中，通常采取目标检测算法对雷达所采集的数据进行检测，但运行在终端的自动驾驶系统软件，受计算机硬件资源限制，对三维激光雷达点云计算通常采用BEV(bird’s eye view，鸟瞰图)投影方式，并对投影后的点云进行图像分割处理，但这类解决方法通常对点云存在欠分割或过分割的技术问题。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种激光雷达采集到的点云数据的处理方法，以至少解决相关技术中对点云存在欠分割或过分割的技术问题。

根据本发明实施例的第一方面，提供了一种激光雷达采集到的点云数据的处理方法，激光雷达安装在车辆的不同位置，处理方法包括：获取激光雷达采集到的至少一帧点云图中的点云集合，其中，点云集合包括：车辆行驶过程中激光雷达扫描到的位于行驶道路区域内的多个点云点，每个点云点的点云数据至少包括点云坐标信息；基于每个点云点的点云坐标信息对点云集合进行预处理，从点云集合中筛选出位于行驶道路的路面以上的前景点云点，生成目标点云集合；采用基于漫水法的图像分割算法对目标点云集合进行聚类分割，生成多个团簇，其中，每个团簇分别表征点云图中的一个待识别的障碍物；基于每个团簇内的点云数据，计算点云图中每个待识别的障碍物的几何数据，并基于计算结果识别出目标障碍物，其中，目标障碍物表征为对车辆的行驶安全产生安全影响的障碍物。

可选地，基于每个点云点的点云坐标信息对点云集合进行预处理，从点云集合中筛选出位于行驶道路的路面以上的前景点云点，生成目标点云集合，包括：基于每个点云点的点云坐标信息对点云集合进行筛选处理，从点云集合中筛选出点云坐标信息位于行驶道路的路面上方的点云点数据集，其中，筛选处理包括如下至少之一：去除位于行驶道路路面表面上的点云点、去除点云坐标信息低于行驶道路的路面高度的点云点。

可选地，基于每个点云点的点云坐标信息对点云集合进行筛选处理，包括：遍历点云图中的点云集合所有点云点，并查询每个点云点对应的行驶道路的路面高度；基于每个点云点在点云图中的点云坐标信息，确定每个点云点相对于行驶道路的高度坐标；如果任意一个点云点的高度坐标小于等于对应的路面高度，和/或，与路面高度的差值小于等于高度阈值，将该点云点从点云集合中移除。

可选地，在从点云集合中筛选出点云坐标信息位于行驶道路的路面上方的点云点数据集之后，方法还包括：对点云点数据集中位于行驶道路的路面上方的点云点进行无监督的划分处理，分割得到多个类型的点云点，其中，点云点的类型包括：离群点、背景点和前景点；至少去除离群点和背景点，从位于行驶道路的路面上方的点云点中保留前景点的点云点，其中，保留的所有前景点的点云点构成目标点云集合。

可选地，在对点云点数据集中位于行驶道路的路面上方的点云点进行无监督的划分处理之前，方法还包括：确定针对激光雷达的点云坐标系，其中，点云坐标系的坐标轴x的方向为车辆行驶时的前进方向，坐标轴z的方向为垂直于车辆所在的行驶道路路面的垂直向上方向，坐标轴y的方向由坐标轴x和坐标轴z的矢量求积来确定。