点云分割方法、系统和可移动平台技术方案

本申请提供一种点云分割方法、系统和可移动平台，其中，点云分割方法包括：获取目标区域内待处理的点云数据(S201)；根据目标区域的三维地图的边界信息和栅格分辨率，获取每个点云数据的一维索引值(S202)；根据每个点云数据的一维索引值获取每个点云数据的密度值(S203)；根据每个点云数据的密度值对待处理的点云数据进行分割，获得多个点云簇(S204)。基于点云数据的密度对点云数据进行分割，提升了点云分割的准确性。

【技术实现步骤摘要】
【国外来华专利技术】点云分割方法、系统和可移动平台
本申请涉及可移动平台
，尤其涉及一种点云分割方法、系统和可移动平台。
技术介绍
激光雷达是一种扫描式传感器，工作原理为：通过发射激光光束探测目标，通过搜集反射回来的光束形成点云数据，点云数据经光电处理后可生成为精确的三维立体图像。通过激光雷达，可以准确的获取高精度的物理空间环境信息，测距精度可达厘米级。因此，激光雷达成为汽车自动驾驶、无人驾驶、定位导航、空间测绘、安保安防等领域最为核心的传感器设备。其中，点云数据的分割是数据处理的重要问题之一。点云分割的主要作用是将点云数据分割成多个独立的实体，例如，人、车、自行车、立面、立柱，等。目前，通常基于距离阈值判定的方法对点云数据进行聚类分割。但是，激光雷达产生的实时点云密度差异较大且随距离变化，点云密度不一致将导致欠分割或者过分割，点云分割的准确性较低。
技术实现思路
本申请提供一种点云分割方法、系统和可移动平台，提升了点云分割的准确性。第一方面，本申请提供一种点云分割方法，包括：获取目标区域内待处理的点云数据；根据所述目标区域的三维地图的边界信息和栅格分辨率，获取每个点云数据的一维索引值；根据所述每个点云数据的一维索引值获取每个点云数据的密度值，所述点云数据的密度值用于指示预设三维空间内的点云密度，所述预设三维空间包括所述点云数据；根据每个点云数据的密度值对所述待处理的点云数据进行分割，获得多个点云簇。第二方面，本申请提供一种点云分割系统，包括：存储器、处理器和点云传感器；所述点云传感器，用于获取目标区域内待处理的点云数据；所述存储器，用于存储程序代码；所述处理器，调用所述程序代码，当所述程序代码被执行时，用于执行以下操作：根据所述目标区域的三维地图的边界信息和栅格分辨率，获取每个点云数据的一维索引值；根据所述每个点云数据的一维索引值获取每个点云数据的密度值，所述点云数据的密度值用于指示预设三维空间内的点云密度，所述预设三维空间包括所述点云数据；根据每个点云数据的密度值对所述待处理的点云数据进行分割，获得多个点云簇。第三方面，本申请提供一种可移动平台，包括：本申请第二方面任一实施方式提供的点云分割系统。第四方面，本申请提供一种计算机存储介质，所述存储介质中存储计算机程序，所述计算机程序在执行时实现如第一方面提供的方法。本申请提供一种点云分割方法、系统和可移动平台，通过获取目标区域内待处理的点云数据，根据目标区域的三维地图的边界信息和栅格分辨率，获取每个点云数据的一维索引值，根据每个点云数据的一维索引值获取每个点云数据的密度值，根据每个点云数据的密度值对待处理的点云数据进行分割，获得多个点云簇。由于根据每个点云数据的密度值对目标区域内的点云数据进行分割，获得多个点云簇，因此提升了点云分割的准确性。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本申请涉及的一种应用场景的示意图；图2为本申请实施例提供的一种点云分割方法的流程图；图3为本申请实施例提供的目标区域的三维地图和栅格分辨率的示意图；图4为本申请实施例提供的另一种点云分割方法的流程图；图5A-图5B为本申请实施例提供的点云数据分割的效果示意图；图6为本申请实施例提供的点云分割系统的结构示意图。具体实施方式本申请可以应用于对激光雷达获取的点云数据进行处理的场景。例如，可以应用于自动驾驶、辅助驾驶、安全驾驶等智能驾驶领域，可以通过对点云数据进行处理从而检测道路场景中的车辆、行人等障碍物。又例如，可以应用于无人机领域，可以检测无人机飞行场景中的障碍物。再例如，可以应用于安防领域，对进入指定区域的物体进行检测。示例性的，图1为本申请涉及的一种应用场景的示意图。如图1所示，智能驾驶车辆可以包括激光雷达(未示出)。本申请对于激光雷达的数量和类型不做限定。例如，激光雷达可以为具有多发多收传感器的旋转扫描式多线激光雷达，等。智能驾驶车辆在行驶过程中，激光雷达可以获取前方车道的物体(如落石、遗撒物、枯枝、行人、车辆等)的点云数据。通过对点云数据进行分割，后续，可以根据点云数据进行物体的识别和检测，获得物体的三维位置、姿态朝向和三维尺寸等检测信息，并根据这些检测信息来规划智能驾驶的状态，例如为变道、减速或者停车等。需要说明的是，图1为本申请的一种应用场景示意图，本申请的应用场景包括但不限于图1所示。下面以具体地实施例对本申请的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。需要说明的是，为了便于清楚描述本申请的技术方案，在本申请的实施例中，采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定，并且“第一”、“第二”等字样也并不限定一定不同。图2为本申请实施例提供的一种点云分割方法的流程图。本实施例提供的点云分割方法，执行主体可以为点云分割系统。可选的，点云分割系统可以是一个单独的设备，例如具有数据处理功能的点云传感器。可选的，点云分割系统还可以是分布式设置的系统，例如设置在车辆不同位置的存储器、处理器和点云传感器。如图2所示，本实施例提供的点云分割方法，可以包括：S201、获取目标区域内待处理的点云数据。其中，应用场景不同，目标区域可以不同。例如，在车辆智能驾驶领域，目标区域可以为点云传感器探测的车辆前方的道路区域。在无人机领域，目标区域可以为无人机飞行场景中通过点云传感器探测的区域。点云传感器可以是激光雷达，飞行时间(TimeofFlight，TOF)传感器等，搭载于或集成于可移动平台上。S202、根据目标区域的三维地图的边界信息和栅格分辨率，获取每个点云数据的一维索引值。具体的，在本实施例中，目标区域的范围大于或者等于目标区域的三维地图的范围。举例说明。在智能驾驶的场景中，车辆前方准备通过一座桥。那么，目标区域可以是车辆上激光雷达可以探测的区域，而目标区域的三维地图可以为所述桥的三维地图。其中，栅格分辨率用于将目标区域的三维地图划分为栅格。所述栅格为三维坐标系下的基本单元。根据目标区域的三维地图的边界信息和栅格分辨率，可以将目标区域的三维地图划分为多个栅格，从而获取每个点云数据的一维索引值。其中，每个点云数据的一维索引值与该点云数据所在的栅格相关，每个点云数据的一维索引值也反映了该点云数据在目标区域中或者在目标区域的三维地图中的相对位置。可选的，同一栅格内包括的点云数据的一维索引值可以相同。其中，目标区域的三维地图的边界信息用于限定三维地图的本文档来自技高网...

【技术保护点】
1.一种点云分割方法，其特征在于，包括：/n获取目标区域内待处理的点云数据；/n根据所述目标区域的三维地图的边界信息和栅格分辨率，获取每个点云数据的一维索引值；/n根据所述每个点云数据的一维索引值获取每个点云数据的密度值，所述点云数据的密度值用于指示预设三维空间内的点云密度，所述预设三维空间包括所述点云数据；/n根据每个点云数据的密度值对所述待处理的点云数据进行分割，获得多个点云簇。/n

【技术特征摘要】
【国外来华专利技术】1.一种点云分割方法，其特征在于，包括：
获取目标区域内待处理的点云数据；
根据所述目标区域的三维地图的边界信息和栅格分辨率，获取每个点云数据的一维索引值；
根据所述每个点云数据的一维索引值获取每个点云数据的密度值，所述点云数据的密度值用于指示预设三维空间内的点云密度，所述预设三维空间包括所述点云数据；
根据每个点云数据的密度值对所述待处理的点云数据进行分割，获得多个点云簇。


2.根据权利要求1所述的方法，其特征在于，所述根据所述目标区域的三维地图的边界信息和栅格分辨率，获取每个点云数据的一维索引值，包括：
对所述待处理的点云数据中的每个点云数据，若所述点云数据在所述三维地图内，则根据所述点云数据的位置信息、所述三维地图的边界信息和所述栅格分辨率，获取每个所述点云数据的一维索引值。


3.根据权利要求2所述的方法，其特征在于，所述根据所述点云数据的位置信息、所述三维地图的边界信息和所述栅格分辨率，获取每个所述点云数据的一维索引值，包括：
根据所述点云数据的位置信息、所述三维地图的边界信息和所述栅格分辨率，获取所述点云数据的三维索引值；所述三维索引值包括所述点云数据所在的栅格分别在所述三维地图对应的三维坐标轴上的索引值；
根据所述三维索引值和所述三维地图在所述三维坐标轴上分别包括的栅格的个数，获取所述点云数据的一维索引值。


4.根据权利要求2-3任一项所述的方法，其特征在于，还包括：
若所述点云数据不在所述三维地图内，则确定所述点云数据的一维索引值为预设的无效值。


5.根据权利要求1所述的方法，其特征在于，所述根据所述每个点云数据的一维索引值获取每个点云数据的密度值，包括：
若根据所述每个点云数据的一维索引值在所述预设三维空间内搜索到邻近的点云数据，则获取所述邻近的点云数据的个数；其中，所述预设三维空间为第一三维空间；
根据所述邻近的点云数据的个数和所述第一三维空间，获取所述点云数据的密度值。


6.根据权利要求5所述的方法，其特征在于，所述第一三维空间为以所述点云数据为圆心，以第一预设距离为半径的球形空间；所述根据所述邻近点的个数和所述第一三维空间，获取所述点云数据的密度值，包括：
根据所述邻近的点云数据的个数和所述球形空间的体积，获取所述点云数据的密度值。


7.根据权利要求1所述的方法，其特征在于，所述根据每个点云数据的密度值对所述待处理的点云数据进行分割，获得多个点云簇，包括：
遍历所述待处理的点云数据，获取邻近关系树；
根据所述邻近关系树获取所述多个点云簇；
其中，所述遍历所述待处理的点云数据，包括：
若根据所述每个点云数据的一维索引值在预设三维空间内搜索到邻近的点云数据，则生成所述点云数据与所述邻近的点云数据之间的连接关系；其中，所述预设三维空间为第二三维空间；
若根据所述每个点云数据的一维索引值在预设三维空间内搜索到邻近的点云数据，且所述邻近的点云数据的密度值大于所述点云数据的密度值，则生成所述点云数据与所述邻近的点云数据之间的连接关系；其中，所述预设三维空间为第三三维空间，所述第三三维空间大于所述第二三维空间。


8.根据权利要求7所述的方法，其特征在于，所述根据所述邻近关系树获取所述多个点云簇，包括：
将所述邻近关系树中具有相同根节点的多个点云数据分割到同一个点云簇中。


9.根据权利要求5或7所述的方法，其特征在于，还包括：
对每个点云数据的一维索引值进行升序排列或者降序排列，获得索引值序列；
所述根据所述每个点云数据的一维索引值在预设三维空间内搜索到邻近的点云数据，包括：
根据所述索引值序列和所述预设三维空间，确定所述预设三维空间包括的栅格；
在所述预设三维空间包括的栅格内搜索到邻近的点云数据。


10.根据权利要求1-9中任一项所述的方法，所述根据所述每个点云数据的一维索引值获取每个点云数据的密度值之前，还包括：
在所述待处理的点云数据中删除无效的点云数据；所述无效的点云数据为不在所述三维地图内的点云数据。


11.根据权利要求1-9中任一项所述的方法，其特征在于，所述待处理的点云数据为通过激光雷达获取的点云数据中除地面点云数据之外的点云数据。


12.根据权利要求1-9中任一项所述的方法，其特征在于，还包括：
获取每个点云簇中点云数据的个数；
若所述点云簇中点云数据的个数小于预设值，则删除所述点云簇。


13.一种点云分割系统，其特征在于，包括：存储器、处理器和点云传感器；
所述点云传感器，用于获取目标区域内待处理的点云数据；
所述存储器，用于存储程序代码；
所...

【专利技术属性】
技术研发人员：李星河，邱凡，刘寒颖，
申请(专利权)人：深圳市大疆创新科技有限公司，
类型：发明
国别省市：广东;44