一种三维激光点云数据预处理方法和装置制造方法及图纸

本申请提供了一种三维激光点云数据预处理方法和装置，该方法包括：获取采集车采集的三维激光点云和采集车采集所述三维激光点云时的轨迹信息，以及三维激光点云的反射强度信息、高度信息和采集车的轨迹信息中的高度信息；将所述三维激光点云，以及采集车的轨迹信息投影到预设平面上；使用采集车的轨迹信息中的高度信息，以及预设关注的高度范围对所述三维点云进行滤波；根据滤波后的三维点云的反射强度信息、高度信息，以及各点在预设平面上的投影图生成覆盖整个场景的强度图和高度图。该方法能够提高处理激光点云数据的效率，并能过滤掉三维激光点云对应的环境中不关注的物体的图像。

【技术实现步骤摘要】
一种三维激光点云数据预处理方法和装置
本专利技术涉及信息处理
，特别涉及一种三维激光点云数据预处理方法和装置。
技术介绍
在高精地图生产过程中，现有的主流技术流程主要包含数据采集、数据预处理、自动识别、人工检核修正、编译发布等五个基本环节。其中，预处理阶段主要完成对采集到的离散图片和三维激光点云数据进行时空关联与数据融合，进而生成覆盖整个道路场景的完整数据，服务于后续的自动识别与人工检核环节。目前，预处理阶段所输出的数据主要包括具有时空信息的连续视频影像及拼合后的场景三维激光点两种主流数据类型。由于该阶段输出的数据类型和数据质量直接影响着后续的自动识别准确率与人工检核作业效率，因此其已成为影响整个地图生产效率的重要环节。尽管目前以深度学习为代表的机器学习算法已经在影像识别领域取得了丰硕的成果，但由于识别算法是作用在单张二维图像上的，后续只有经过复杂的三维映射与融合过程才能将这些二维识别结果转化为三维场景地图，这一方面增加了算法复杂度，另一方面也很容易在转化过程中引入额外的误差，影响最终的成图效果。对于现有技术输出的场景三维激光点来说，目前基于深度学习的点云识别算法无论在识别效率上还是在识别精度上与图像识别算法相比都还存在一定差距。此外，在人工检核过程中，基于点云数据的三维交互环境较基于图像的二维交互环境更为复杂，不便于作业效率的提升。
技术实现思路
有鉴于此，本申请提供一种三维激光点云数据预处理方法，能够提高处理激光点云数据的效率，并能过滤掉三维激光点云对应的环境中不关注的物体的图像。为解决上述技术问题，本申请的技术方案是这样实现的：本申请的一个实施例中提供一种三维激光点云数据预处理方法，该方法包括：获取采集车采集的三维激光点云和采集车采集所述三维激光点云时的轨迹信息，以及三维激光点云的反射强度信息、高度信息和采集车的轨迹信息中的高度信息；将所述三维激光点云，以及采集车的轨迹信息投影到预设平面上；使用采集车的轨迹信息中的高度信息，以及预设关注的高度范围对所述三维点云进行滤波；根据滤波后的三维点云的反射强度信息、高度信息，以及各点在预设平面上的投影图生成覆盖整个场景的强度图和高度图。本申请的另一个实施例中提供一种三维激光点云数据预处理装置，该装置包括：获取单元、投影单元、滤波单元和生成单元；所述获取单元，用于获取采集车采集的三维激光点云和采集车采集所述三维激光点云时的轨迹信息，以及三维激光点云的反射强度信息、高度信息和采集车的轨迹信息中的高度信息；所述投影单元，用于将所述获取单元获取的三维激光点云，以及采集车的轨迹信息投影到预设平面上；所述滤波单元，用于使用所述获取单元获取的采集车的轨迹信息中的高度信息，以及预设关注的高度范围对所述三维点云进行滤波；所述生成单元，用于根据所述滤波单元滤波后的三维点云的反射强度信息、高度信息，以及所述投影单元中各点在预设平面上的投影图生成覆盖整个场景的强度图和高度图。本申请的另一个实施例中提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述三维激光点云预处理方法的步骤。本申请的另一个实施例中提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述三维激光点云预处理方法的步骤。由上面的技术方案可知，本申请中通过引入采集车采集所述三维激光点云时的轨迹信息，以及预设关注的高度范围来对所述三维激光点云进行滤波，使用滤波后的三维点云生成覆盖整个场景的强度图和高度图，能够提高处理激光点云数据的效率，并能过滤掉三维激光点云对应的环境中不关注的物体的图像。附图说明图1为本申请实施例中三维激光点云数据预处理的流程示意图；图2为本申请实施例中对三维点云滤波的流程示意图；图3为本申请实施例中的格网划分示意图；图4为本申请实施例中计算网格单元的基础高度的流程示意图；图5为采集车的轨迹信息与车身高度值的关系示意图；图6为本申请实施例中确定格网单元的高度和反射强度的流程示意图；图7为本申请实施例中生成伪彩色正视图像的流程示意图；图8为本申请实施例中应用于上述技术的装置结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，下面结合附图并举实施例，对本专利技术的技术方案进行详细说明。本申请实施例为了满足后续的高精度自动识别需求，以及便于生产作业人员进行目视检核的数据成果，提供了一种激光点云数据预处理方法，常应用于基于激光雷达数据的路面伪彩色正视图像的生成。具体通过将基于激光雷达数据的复杂三维识别与交互问题，转换为二维数据处理问题。通过本专利技术具体实现时引入采集车采集所述三维激光点云时的轨迹信息，以及预设的关注的高度范围来对所述三维激光点云进行滤波，使用滤波后的三维点云生成覆盖整个场景的强度图和高度图，能够提高处理激光点云数据的效率，并能过滤掉三维激光点云对应的环境中不关注的物体的图像。使用覆盖整个场景的强度图和高度图生成伪彩色正视图像，可以有效提升车道线、马路牙、减速带等路面核心地图要素的作业生产效率，即仅保留使用者关注部分的图像信息。下面结合附图，详细说明本申请实施例中激光点云数据预处理过程。执行激光点云数据预处理的设备，具有执行下述处理信息的功能即可，如可以是一台PC等，为了描述方便，下文执行主体可简称为处理设备。参见图1，图1为本申请实施例中三维激光点云数据预处理的流程示意图。具体步骤为：步骤101，获取采集车采集的三维激光点云和采集车采集所述三维激光点云时的轨迹信息，以及三维激光点云的反射强度信息、高度信息和采集车的轨迹信息中的高度信息。采集车采集的三维激光点云为由大量三维激光点组成，三维激光点云以点的形式记录，每一个点包含有三维坐标，有些可能还含有颜色(RGB)信息或反射强度(Intensity)信息，本申请实施例中以至少含有三维坐标和反射强度信息为例。采集车的轨迹信息由等时间间隔的轨迹点串表示，每个轨迹点使用三维坐标标识。采集车在采集数据，即三维激光点云的同时，获取对应的轨迹信息。本申请实施例中处理设备获取采集车采集的三维激光点云，以及采集车采集所述三维激光点云时采集车的轨迹信息的方式可以是网络传输，也可以是硬件拷贝，对此不进行限制。采集车采集数据，以及获取轨迹信息的过程可以同现有实现，本申请实施例中对此不进行限制。三维点云的高度信息为Z坐标对应的值，轨迹信息中的高度信息为轨迹信息中Z坐标对应的值。步骤102，将所述三维激光点云，以及采集车的轨迹信息投影到预设平面上。所述三维激光点云的三维坐标为X、Y、Z；所述预设平面可以为坐标Z的值为0的平面。步骤103，使用采集车的轨迹信息中的高度信息，以及预设关注的高度范围对所述三维点云进行滤波。本步骤中的滤波，即将三维激光点云的纵坐标本文档来自技高网...

【技术保护点】
1.一种三维激光点云数据预处理方法，其特征在于，该方法包括：/n获取采集车采集的三维激光点云和采集车采集所述三维激光点云时的轨迹信息，以及三维激光点云的反射强度信息、高度信息和采集车的轨迹信息中的高度信息；/n将所述三维激光点云，以及采集车的轨迹信息投影到预设平面上；/n使用采集车的轨迹信息中的高度信息，以及预设关注的高度范围对所述三维点云进行滤波；/n根据滤波后的三维点云的反射强度信息、高度信息，以及各点在预设平面上的投影图生成覆盖整个场景的强度图和高度图。/n

【技术特征摘要】
1.一种三维激光点云数据预处理方法，其特征在于，该方法包括：
获取采集车采集的三维激光点云和采集车采集所述三维激光点云时的轨迹信息，以及三维激光点云的反射强度信息、高度信息和采集车的轨迹信息中的高度信息；
将所述三维激光点云，以及采集车的轨迹信息投影到预设平面上；
使用采集车的轨迹信息中的高度信息，以及预设关注的高度范围对所述三维点云进行滤波；
根据滤波后的三维点云的反射强度信息、高度信息，以及各点在预设平面上的投影图生成覆盖整个场景的强度图和高度图。


2.根据权利要求1所述的方法，其特征在于，所述使用采集车的轨迹信息中的高度信息，以及预设关注的高度范围对所述三维点云进行滤波，包括：
将所述三维激光点云在预设平面上覆盖的区域以间隔S进行等距划分；形成多个格网单元；
确定三维激光点云中的每个三维激光点对应的格网单元的编号，生成点云格网索引图；
针对每个格网单元，在投影到预设平面上的采集车的轨迹信息中查找与所述格网单元的中心距离最小的点，使用该点的坐标信息计算所述格网单元的基础高度，使用所有格网单元的基础高度生成覆盖整个场景的三维地面高度图；
根据所述三维地面高度图，以及预设关注的高度范围对点云格网索引图进行滤波处理。


3.根据权利要求2所述的方法，其特征在于，所述确定三维激光点云中的每个三维激光点对应的格网单元的编号，包括：
针对横坐标为X，纵坐标为Y的三维激光点对应的格网单元的编号(i,j)通过下述公式确定：
计算X与Xmin的差值，将所述差值与s的比值向下取整后的值作为i；
计算Y与Ymin的差值，将所述差值与s的比值向下取整后的值作为j；
其中，Xmin为三维激光点云中在XY平面上的X轴的最小的三维激光点的横坐标，Ymin为三维激光点云在XY平面上Y轴的最小的三维激光点的纵坐标。


4.根据权利要求2所述的方法，其特征在于，所述针对每个格网单元，在投影到预设平面上的采集车的轨迹信息中查找与所述格网单元的中心距离最小的点，使用该点的坐标信息计算所述格网单元的基础高度，包括：
计算投影到预设平面上的采集车的轨迹信息中的所有点与对应格网单元的中心的距离，获取距离最小的点；
计算该点的坐标信息中的高度坐标的值与采集车的车身高度值的差值，作为所述格网单元的基础高度。


5.根据权利要求3所述的方法，其特征在于，所述根据所述三维地面高度图，以及预设关注的高度范围对点云格网索引图进行滤波处理，包括：针对每个格网单元对应的每个三维激光点，进行如下滤波处理：
当该三维激光点的Z坐标Zk小于h(i,j)-hd时，将Zk更新为h(i,j)-hd；
当该三维激光点的Z坐标Zk大于h(i,j)+hu时，从该格网单元中删除该点云对应的编号；
其中，h(i,j)为当前格网单元的基础地面高度，hd为预设滤波低点阈值，hu为预设滤波高点阈值。


6.根据权利要求2所述的方法，其特征在于，所述根据滤波后的三维点云的反射强度信息、高度信息，以及各点在预设平面上的投影图生成覆盖整个场景的强度图和高度图，包括：
根据滤波后的三维点云的反射强度，以及各点的高度确定所属网格单元的反射强度和高度，生成覆盖整个场景的强度图和高度图。


7.根据权利要求6所述的方法，其特征在于，确定格网单元高度，以及反射强度，包括：
针对每个格网单元，若对应多个三维激光点云，则选择出一个激光点云作为代表点；若对应一个三维激光点云，则该激光点云作为代表点，若不存在激光点云，该格网单元不存在代表点；
针对每个格网单元，使用代表点的反射强度值，以及高度值确定该格网单元的反射强度值，以及高度值。


8.根据权利要求7所述的方法，其特征在于，所述针对每个格网单元，若对应多个三维激光点云，则选择出一个激光点云作为代表点，包括：
将所述多个三维激光点云按照各自的纵坐标值的大小进行排序，将处于中间位置的Z坐标值对应的单位激光点云作为代表点。


9.根据权利要求7所述的方法，其特征在于，所述使用代表点的反射强度值，以及高度值确定该格网单元的反射强度，以及高度，包括：
格网单元的反射强度vr(i,j)为：
255(I(i,j)-Imin)/(Imax-...

【专利技术属性】
技术研发人员：孙晓峰，杨恒，李艳丽，张峥，赫桂望，蔡金华，
申请(专利权)人：北京京东尚科信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京;11