本发明专利技术提供了一种地面检测方法、装置及系统，涉及3D感知技术领域，该方法包括：获取待检测区域的点云数据，从点云数据中筛选出地面种子点；基于地面种子点进行地面模拟，得到点云数据中的初始地面点和初始障碍物点；从初始地面点和初始障碍物点中筛选出被误检的歧义点；判断歧义点的所属种类，基于歧义点的所属种类、初始地面点和初始障碍物点将点云数据划分为地面点云数据和障碍物点云数据。本发明专利技术提高了地面检测的准确性，充分考虑到了障碍物与地面交接区域存在的误检情况，减少了地面误检点的数量，提高了地面检测精度。提高了地面检测精度。提高了地面检测精度。
【技术实现步骤摘要】
地面检测方法、装置及系统
[0001]本专利技术涉及3D感知
，尤其是涉及一种地面检测方法、装置及系统。
技术介绍
[0002]地面检测属于自动驾驶技术中感知与决策的预处理步骤，地面检测可以提高障碍物检测的识别率，也可以降低计算复杂度。现有的地面检测技术主要包括视觉地面检测技术和激光地面检测技术，视觉地面检测技术通常采用数据驱动的模型学习方法，此方法需要手动标注大量的实测数据和昂贵的计算平台训练模型，耗费人力物力较多。为了节约成本，激光地面检测技术的应用越来越多，但是，现有的激光地面检测技术还存在误检点较多的问题，降低了地面检测精度。
技术实现思路
[0003]有鉴于此，本专利技术的目的在于提供一种地面检测方法、装置及系统，能够降低地面误检点的数量，提高了地面检测精度。
[0004]为了实现上述目的，本专利技术实施例采用的技术方案如下：
[0005]第一方面，本专利技术实施例提供了一种地面检测方法，包括：获取待检测区域的点云数据，从所述点云数据中筛选出地面种子点；基于所述地面种子点进行地面模拟，得到所述点云数据中的初始地面点和初始障碍物点；从所述初始地面点和所述初始障碍物点中筛选出被误检的歧义点；判断所述歧义点的所属种类，基于所述歧义点的所属种类、所述初始地面点和所述初始障碍物点将所述点云数据划分为地面点云数据和障碍物点云数据。
[0006]进一步，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，所述从所述点云数据中筛选出地面种子点的步骤，包括：获取所述点云数据对应的目标图像；对所述点云数据进行中值滤波，基于滤波后的所述点云数据的点云坐标确定所述目标图像中各像素点对应的点云数据形成的坡度及坡度差；基于所述坡度及所述坡度差从所述点云数据中筛选出地面种子点。
[0007]进一步，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，所述从所述点云数据中筛选出地面种子点的步骤，包括：获取所述点云数据对应的目标图像；对所述点云数据进行中值滤波；计算所述目标图像中各像素点对应的点云数据的点云坐标Z轴值与同列中最接近的地面种子点或同列中相邻像素点对应的点云数据的点云坐标Z轴值的高度差值；基于滤波后的所述点云数据的点云坐标确定所述目标图像中各像素点对应的点云数据形成的坡度；将所述坡度处于第一阈值范围内且所述高度差值的绝对值小于预设阈值的像素点对应的点云数据确定为地面种子点。
[0008]进一步，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，所述基于滤波后的所述点云数据的点云坐标确定所述目标图像中各像素点对应的点云数据形成的坡度及坡度差的步骤，包括：基于激光雷达的安装高度从滤波后的所述点云数据中确定起始地面种子点；基于所述起始地面种子点计算所述目标图像中各像素点对应的点云数据与
同列最接近的地面种子点形成的坡度；基于所述目标图像中各像素点对应的坡度，计算所述目标图像中各像素点对应的点云数据与同列内相邻像素点对应的点云数据形成的坡度差。
[0009]进一步，本专利技术实施例提供了第一方面的第四种可能的实施方式，其中，所述坡度的计算算式为：
[0010][0011]所述坡度差的计算算式为：
[0012][0013]其中，θ为所述坡度，Δθ为所述坡度差，P
iz
为第i个像素点对应的点云数据的点云坐标Z轴值，P
gz
为第i个像素点所在列中与第i个像素点对应的点云数据最接近的地面种子点的点云坐标Z轴值，P
ir
为第i个像素点对应的点云数据到所述起始地面种子点的距离，P
gr
为第i个像素点所在列中与第i个像素点对应的点云数据最接近的地面种子点到所述起始地面种子点的距离，P
(i+1)z
为第i+1个像素点对应的点云数据的点云坐标Z轴值，P
(i+1)r
为第i+1个像素点对应的点云数据到所述起始地面种子点的距离，所述第i+1个像素点为所述第i个像素点在所述目标图像中同列内指向所述起始地面种子点的反方向的相邻像素点。
[0014]进一步，本专利技术实施例提供了第一方面的第五种可能的实施方式，其中，所述基于所述坡度及所述坡度差从所述点云数据中筛选出地面种子点的步骤，包括：将所述坡度处于第一阈值范围内且所述坡度差处于第二阈值范围内的点云数据确定为地面种子点。
[0015]进一步，本专利技术实施例提供了第一方面的第六种可能的实施方式，其中，
[0016]所述基于所述地面种子点进行地面模拟，得到所述点云数据中的初始地面点和初始障碍物点的步骤，包括：对所述点云数据进行极坐标栅格化将所述点云数据细化到多个栅格区域；对各所述栅格区域内的所述地面种子点进行地面模拟，将模拟得到的地面中的点云数据确定为初始地面点，将所述初始地面点之外的其他点云数据确定为初始障碍物点。
[0017]进一步，本专利技术实施例提供了第一方面的第七种可能的实施方式，其中，所述判断所述歧义点的所属种类的步骤，包括：确定所述歧义点在预设邻域内的重心点；将所述预设邻域内的点云数据转换至以所述重心点为原点建立的坐标系内，计算所述坐标系中各点云数据与基向量的夹角；遍历各点云数据对应的夹角，当所述夹角处于第三阈值范围内时，控制第一计数器加1，否则控制第二计数器加1；当所述第一计数器的计数结果大于所述第二计数器的计数结果时，确定所述歧义点为障碍物点，当所述第一计数器的计数结果小于所述第二计数器的计数结果时，确定所述歧义点为地面点。
[0018]第二方面，本专利技术实施例还提供了一种地面检测装置，包括：第一筛选模块，用于获取待检测区域的点云数据，从所述点云数据中筛选出地面种子点；第一确定模块，用于基于所述地面种子点进行地面模拟，得到所述点云数据中的初始地面点和初始障碍物点；第二筛选模块，用于从所述初始地面点和所述初始障碍物点中筛选出被误检的歧义点；第二确定模块，用于判断所述歧义点的所属种类，基于所述歧义点的所属种类、所述初始地面点
和所述初始障碍物点将所述点云数据划分为地面点云数据和障碍物点云数据。
[0019]第三方面，本专利技术实施例提供了一种地面检测系统，包括：深度传感器、激光雷达及控制器，所述控制器包括处理器和存储装置；所述存储装置上存储有计算机程序，所述计算机程序在被所述处理器运行时执行如权利要求1至8任一项所述的方法。
[0020]本专利技术实施例提供了一种地面检测方法、装置及系统，该方法包括：获取待检测区域的点云数据，从点云数据中筛选出地面种子点；基于地面种子点进行地面模拟，得到点云数据中的初始地面点和初始障碍物点；从初始地面点和初始障碍物点中筛选出被误检的歧义点；判断歧义点的所属种类，基于歧义点的所属种类、初始地面点和初始障碍物点将点云数据划分为地面点云数据和障碍物点云数据。本专利技术通过先从点云数据中筛选出地面种子点进行地面模拟，可以初步得到地面种子点所构成的地面，提高了地面检测的准确性，通过筛选出初始地面点和初始障碍物中被误检的歧义点，并重新判断歧义点的所属类型，充分考虑到了障碍物与地面本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种地面检测方法，其特征在于，包括：获取待检测区域的点云数据，从所述点云数据中筛选出地面种子点；基于所述地面种子点进行地面模拟，得到所述点云数据中的初始地面点和初始障碍物点；从所述初始地面点和所述初始障碍物点中筛选出被误检的歧义点；判断所述歧义点的所属种类，基于所述歧义点的所属种类、所述初始地面点和所述初始障碍物点将所述点云数据划分为地面点云数据和障碍物点云数据。2.根据权利要求1所述的方法，其特征在于，所述从所述点云数据中筛选出地面种子点的步骤，包括：获取所述点云数据对应的目标图像；对所述点云数据进行中值滤波，基于滤波后的所述点云数据的点云坐标确定所述目标图像中各像素点对应的点云数据形成的坡度及坡度差；基于所述坡度及所述坡度差从所述点云数据中筛选出地面种子点。3.根据权利要求1所述的方法，其特征在于，所述从所述点云数据中筛选出地面种子点的步骤，包括：获取所述点云数据对应的目标图像；对所述点云数据进行中值滤波；计算所述目标图像中各像素点对应的点云数据的点云坐标Z轴值与同列中最接近的地面种子点或同列中相邻像素点对应的点云数据的点云坐标Z轴值的高度差值；基于滤波后的所述点云数据的点云坐标确定所述目标图像中各像素点对应的点云数据形成的坡度；将所述坡度处于第一阈值范围内且所述高度差值的绝对值小于预设阈值的像素点对应的点云数据确定为地面种子点。4.根据权利要求2或3所述的方法，其特征在于，所述基于滤波后的所述点云数据的点云坐标确定所述目标图像中各像素点对应的点云数据形成的坡度及坡度差的步骤，包括：基于激光雷达的安装高度从滤波后的所述点云数据中确定起始地面种子点；基于所述起始地面种子点计算所述目标图像中各像素点对应的点云数据与同列最接近的地面种子点形成的坡度；基于所述目标图像中各像素点对应的坡度，计算所述目标图像中各像素点对应的点云数据与同列内相邻像素点对应的点云数据形成的坡度差。5.根据权利要求4所述的方法，其特征在于，所述坡度的计算算式为：所述坡度差的计算算式为：其中，θ为所述坡度，Δθ为所述坡度差，P
iz
为第i个像素点对应的点云数据的点云坐标Z轴值，P
gz
为第i个像素点所在列中与第i个像素点对应的点云数据最接近的地面种子点的点
云坐标Z轴值，P
ir
为第i个像素点对应的点云数据到所述起始地面种子点的距离，P
gr
为第i个像素点所在列...
【专利技术属性】
技术研发人员：罗凤鸣，杜晨光，
申请(专利权)人：洛伦兹宁波科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。