CN112764004A - 一种点云处理方法、装置、设备及存储介质 - Google Patents
一种点云处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112764004A CN112764004A CN202011534220.4A CN202011534220A CN112764004A CN 112764004 A CN112764004 A CN 112764004A CN 202011534220 A CN202011534220 A CN 202011534220A CN 112764004 A CN112764004 A CN 112764004A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- voxel space
- cloud data
- space
- original
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 11
- 238000002310 reflectometry Methods 0.000 claims abstract description 72
- 238000005070 sampling Methods 0.000 claims abstract description 59
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000004590 computer program Methods 0.000 claims description 9
- 230000005484 gravity Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 229910052739 hydrogen Inorganic materials 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000002203 pretreatment Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000280 densification Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种点云处理方法、装置、设备及存储介质。该方法包括：根据点云原始数据确定所述原始点云数据中的点云在空间中的位置信息和反射率；对所述点云所在空间进行划分，得到至少一个体素空间；获取与雷达自身坐标系的距离大于或者等于第一设定阈值的第一原始点云数据，根据第一体素、位置信息和反射率对所述第一原始点云数据进行下采样操作；获取与雷达自身坐标系的距离小于第二设定阈值的第二原始点云数据，根据第二体素、所述位置信息和所述反射率对所述第二原始点云数据进行下采样操作；将对所述第一原始点云数据进行下采样操作得到的点云数据、第一原始点云数据和对所述第二原始点云数据进行下采样操作得到的点云数据确定为目标点云数据。
Description
技术领域
本发明实施例涉及数据处理技术，尤其涉及一种点云处理方法、装置、设备及存储介质。
背景技术
激光雷达是车辆安全和智能化的核心高端传感器，它具有全天候工作、测量距离远、测距精度高的优点。激光雷达传感器能够实时的将现实世界中的数百万个点反馈到感知系统。当前有许许多多处理点云数据的方法，大致分为三种：体素化、转化为图像、直接对点云操作。其中，体素化处理是一种把点云数据转化到空间网格之中，然后，在空间网格之中利用卷积的方法去计算点云数据的方法；将激光雷达转化为图像处理之后有成熟的图像处理工具，但点云转为图像会牺牲一部分信息；直接对点云操作的方法由于点云的无序性可行性有待研究。
激光雷达是最终实现自动驾驶必不可少的传感器，然而在使用激光雷达的过程中，发现激光雷达虽然近处点云密度极高，但是存在点云数量随距离衰减快的问题而导致远处点云稀疏。如果直接使用原始点云做目标识别，会导致过多的算力被分配去处理近处的点云，而近处的点云密度过大又造成算力和算法运行效率上的浪费。相反，远处点云稀疏又会造成目标识别的漏检现象。
目前的点云前处理工作主要是以下采样的形式减少数据量。一般下采样是通过构造一个三维体素栅格，然后在每个体素内用体素内的所有点的重心近似显示体素中的其他点，这样体素内所有点就用一个重心点来表示，进行下采样来达到滤波的效果，这就大大减少了数据量，并同时保持点云的形状特征，可以很好的提高程序的运行速度而最终的识别效果不会明显变坏。现有的点云前处理方法中没有丰富远处稀疏点云的方法。
发明内容
本发明实施例提供一种点云处理方法、装置、设备及存储介质，以实现能够对近远两部分点云分别采用不同的前处理方法去同时解决近处点云数量庞大影响效率和远处点云稀疏容易漏检的问题。
第一方面，本发明实施例提供了一种点云处理方法，包括：
根据点云原始数据确定所述原始点云数据中的点云在空间中的位置信息和反射率；
对所述点云所在空间进行划分，得到至少一个体素空间，其中，所述体素空间包括第一体素空间和第二体素空间，所述第一体素空间大于所述第二体素空间，所述第一体素空间为距离雷达自身坐标系的距离大于或者等于第一设定阈值的体素空间，所述第二体素空间为距离雷达自身坐标系的距离小于第二设定阈值的体素空间，所述第二设定阈值小于或者等于所述第一设定阈值；
获取与雷达自身坐标系的距离大于或者等于第一设定阈值的第一原始点云数据，根据第一体素空间、所述位置信息和所述反射率对所述第一原始点云数据进行下采样操作；
获取与雷达自身坐标系的距离小于第二设定阈值的第二原始点云数据，根据第二体素空间、所述位置信息和所述反射率对所述第二原始点云数据进行下采样操作；
将对所述第一原始点云数据进行下采样操作得到的点云数据、第一原始点云数据和对所述第二原始点云数据进行下采样操作得到的点云数据确定为目标点云数据。
第二方面，本发明实施例还提供了一种点云处理装置，该装置包括：
第一确定模块，用于根据点云原始数据确定所述原始点云数据中的点云在空间中的位置信息和反射率；
划分模块，用于对所述点云所在空间进行划分，得到至少一个体素空间，其中，所述体素空间包括第一体素空间和第二体素空间，所述第一体素空间大于所述第二体素空间，所述第一体素空间为距离雷达自身坐标系的距离大于或者等于第一设定阈值的体素空间，所述第二体素空间为距离雷达自身坐标系的距离小于第二设定阈值的体素空间，所述第二设定阈值小于或者等于所述第一设定阈值；
第一获取模块，用于获取与雷达自身坐标系的距离大于或者等于第一设定阈值的第一原始点云数据，根据第一体素空间、所述位置信息和所述反射率对所述第一原始点云数据进行下采样操作；
第二获取模块，用于获取与雷达自身坐标系的距离小于第二设定阈值的第二原始点云数据，根据第二体素空间、所述位置信息和所述反射率对所述第二原始点云数据进行下采样操作；
第二确定模块，用于将对所述第一原始点云数据进行下采样操作得到的点云数据、第一原始点云数据和对所述第二原始点云数据进行下采样操作得到的点云数据确定为目标点云数据。
第三方面，本发明实施例还提供了一种计算机设备，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如本发明实施例中任一所述的方法。
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，该程序被处理器执行时实现如本发明实施例中任一所述的方法。
本发明实施例通过根据点云原始数据确定所述原始点云数据中的点云在空间中的位置信息和反射率；对所述点云所在空间进行划分，得到至少一个体素空间，其中，所述体素空间包括第一体素空间和第二体素空间，所述第一体素空间大于第二体素空间，所述第一体素空间为距离雷达自身坐标系的距离大于或者等于第一设定阈值的体素空间，所述第二体素空间为距离雷达自身坐标系的距离小于第二设定阈值的体素空间，所述第二设定阈值小于或者等于所述第一设定阈值；获取与雷达自身坐标系的距离大于或者等于第一设定阈值的第一原始点云数据，根据第一体素空间、所述位置信息和所述反射率对所述第一原始点云数据进行下采样操作；获取与雷达自身坐标系的距离小于第二设定阈值的第二原始点云数据，根据第二体素空间、所述位置信息和所述反射率对所述第二原始点云数据进行下采样操作；将对所述第一原始点云数据进行下采样操作得到的点云数据、第一原始点云数据和对所述第二原始点云数据进行下采样操作得到的点云数据确定为目标点云数据，以实现能够对近远两部分点云分别采用不同的前处理方法去同时解决近处点云数量庞大影响效率和远处点云稀疏容易漏检的问题。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明实施例一中的一种点云处理方法的流程图；
图1a是本发明实施例一中的第一目标体素空间和第二目标体素空间的示意图；
图2是本发明实施例二中的一种点云处理装置的结构示意图；
图3是本发明实施例三中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例一
图1为本发明实施例一提供的一种点云处理方法的流程图，本实施例可适用于点云处理的情况，该方法可以由本发明实施例中的点云处理装置来执行，该点云处理装置可采用软件和/或硬件的方式实现，如图1所示，该方法具体包括如下步骤：
S110，根据点云原始数据确定所述原始点云数据中的点云在空间中的位置信息和反射率。
示例性的，根据点云原始数据确定所述原始点云数据中的点云在空间中的位置信息和反射率的方式可以为将点云原始数据解析成PointCloud2格式，PointCloud2格式为(x,y,z)，int(分别代表点云在空间中的位置和反射率intensity)。
S120，对所述点云所在空间进行划分，得到至少一个体素空间，其中，所述体素空间包括第一体素空间和第二体素空间，所述第一体素空间大于所述第二体素空间，所述第一体素空间为距离雷达自身坐标系的距离大于或者等于第一设定阈值的体素空间，所述第二体素空间为距离雷达自身坐标系的距离小于第二设定阈值的体素空间，所述第二设定阈值小于或者等于所述第一设定阈值。
其中，所述第一设定阈值可以为70，所述第二设定阈值可以为30，示例性的，将距离雷达自身坐标系的距离小于30的体素空间确定为近处的体素空间，将距离雷达自身坐标系的距离大于或者等于70的体素空间确定为远处的体素空间。
其中，体素空间的大小和体素空间与雷达自身坐标系的距离有关，与雷达自身坐标系的距离越远，则体素空间越小，雷达自身坐标系的距离越近，则体素空间越大。
其中，所述体素空间包括第一体素空间和第二体素空间。
S130，获取与雷达自身坐标系的距离大于或者等于第一设定阈值的第一原始点云数据，根据第一体素空间、所述位置信息和所述反射率对所述第一原始点云数据进行下采样操作。
其中，所述第一体素空间为远处的体素空间，远处的点云数量较小。
示例性的，获取与雷达自身坐标系的距离大于或者等于第一设定阈值的第一原始点云数据，根据第一体素空间、所述位置信息和所述反射率对所述第一原始点云数据进行下采样操作，例如可以是，获取第一原始点云数据中包括的点云在空间中的位置信息和反射率，根据位置信息和反射率确定点云所处的体素空间，若点云11和点云12确定的体素空间相同，都是体素空间Q，则获取体素空间Q的重心坐标，得到体素空间Q的重心坐标、点云11和点云12。
S140，获取与雷达自身坐标系的距离小于第二设定阈值的第二原始点云数据，根据第二体素空间、所述位置信息和所述反射率对所述第二原始点云数据进行下采样操作。
其中，所述第二体素空间为近处的体素空间，近处的点云数量较多，因此，需要通过下采样操作对近处的点云进行过滤。
示例性的，获取与雷达自身坐标系的距离小于第二设定阈值的第二原始点云数据，根据第二体素空间、所述位置信息和所述反射率对所述第二原始点云数据进行下采样操作，例如可以是，获取第二原始点云数据中包括的点云在空间中的位置信息和反射率，根据位置信息和反射率确定点云所处的体素空间，若点云1、点云2、点云3和点云4确定的体素空间相同，都是体素空间A，则获取体素空间A的重心坐标，用体素空间A的重心坐标表示点云1、点云2、点云3和点云4。
S150，将对所述第一原始点云数据进行下采样操作得到的点云数据、对所述第二原始点云数据进行下采样操作得到的点云数据和第二原始点云数据确定为目标点云数据。
示例性的，将对所述第一原始点云数据进行下采样操作得到的点云数据、对所述第二原始点云数据进行下采样操作得到的点云数据和第二原始点云数据确定为目标点云数据，例如可以是，获取第一原始点云数据中包括的点云在空间中的位置信息和反射率，根据位置信息和反射率确定点云所处的体素空间，若点云11和点云12确定的体素空间相同，都是体素空间Q，则获取体素空间Q的重心坐标，得到体素空间Q的重心坐标、点云11和点云12，获取第二原始点云数据中包括的点云在空间中的位置信息和反射率，根据位置信息和反射率确定点云所处的体素空间，若点云1、点云2、点云3和点云4确定的体素空间相同，都是体素空间A，则获取体素空间A的重心坐标，用体素空间A的重心坐标表示点云1、点云2、点云3和点云4，得到目标点云数据：体素空间A的重心坐标、体素空间Q的重心坐标、点云11和点云12。
如图1a所示，获取与雷达自身坐标系的距离小于第二设定阈值的第二原始点云数据；根据所述第二原始点云数据中的点云在空间中的位置信息和反射率确定至少一个第一目标体素体素空间；获取与雷达自身坐标系的距离大于或者等于第一设定阈值的第一原始点云数据；根据所述第一原始点云数据中的点云在空间中的位置信息和反射率确定至少一个第二目标体素空间。
可选的，获取与雷达自身坐标系的距离小于第二设定阈值的第二原始点云数据，根据第二体素空间、所述位置信息和所述反射率对所述第二原始点云数据进行下采样操作，包括：
获取与雷达自身坐标系的距离小于第二设定阈值的第二原始点云数据；
根据所述第二原始点云数据中的点云在空间中的位置信息和反射率确定至少一个第一目标体素空间；
将第一目标体素空间对应的点云通过所述第一目标体素空间的重心坐标表示。
示例性的，获取与雷达自身坐标系的距离小于第二设定阈值的第二原始点云数据，根据所述第二原始点云数据中的点云在空间中的位置信息和反射率确定至少一个第一目标体素空间，将第一目标体素空间对应的点云通过所述第一目标体素空间的重心坐标表示，例如可以是，获取第二原始点云数据中包括的点云在空间中的位置信息和反射率，根据位置信息和反射率确定至少一个第一目标体素空间：第一目标体素空间A和第一目标体素空间B，若点云1、点云2、点云3和点云4确定的第一目标体素空间为第一目标体素空间A，则获取第一目标体素空间A的重心坐标，用第一目标体素空间A的重心坐标表示点云1、点云2、点云3和点云4。
可选的，将第一目标体素空间对应的点云通过所述第一目标体素空间的重心坐标表示包括：
根据所述第一目标体素空间中的点云在空间中的位置信息确定所述第一目标体素空间的重心坐标；
将所述第一目标体素空间对应的点云通过所述第一目标体素空间的重心坐标表示。
示例性的，根据所述第一目标体素空间中的点云在空间中的位置信息确定所述第一目标体素空间的重心坐标，例如可以是，若第一目标体素空间A中的点云包括：点云1、点云2、点云3和点云4，则将点云1、点云2、点云3和点云4的x、y、z的均值确定为第一目标体素空间A的重心坐标。
可选的，根据所述第二原始点云数据中的点云在空间中的位置信息和反射率确定至少一个第一目标体素空间包括：
根据如下公式计算第一目标体素空间Pos3D(i,j,k)：
其中，(x,y,z)为第二原始点云数据中的点云在空间中的位置信息，(VD,VW,VH)为第一目标体素空间的长宽高，int为反射率。
可选的，获取与雷达自身坐标系的距离大于或者等于第一设定阈值的第一原始点云数据，根据第一体素空间、所述位置信息和所述反射率对所述第一原始点云数据进行下采样操作，包括：
获取与雷达自身坐标系的距离大于或者等于第一设定阈值的第一原始点云数据；
根据所述第一原始点云数据中的点云在空间中的位置信息和反射率确定至少一个第二目标体素空间；
获取每个第二目标体素空间的重心坐标。
示例性的，根据所述第一原始点云数据中的点云在空间中的位置信息和反射率确定至少一个第二目标体素空间的方式可以为根据如下公式计算第二目标体素空间Pos3D(o,p,q)：
其中，(a,b,c)为第一原始点云数据中的点云在空间中的位置信息，(r,t,s)为第二目标体素空间的长宽高，λ为第一原始点云数据中的点云的反射率。
示例性的，获取每个第二目标体素空间的重心坐标的方式可以为根据所述第二目标体素空间中的点云在空间中的位置信息确定所述第二目标体素空间的重心坐标，例如可以是，获取第一原始点云数据中包括的点云在空间中的位置信息和反射率，根据位置信息和反射率确定点云所处的体素空间，若点云11和点云12确定的体素空间相同，都是体素空间Q，则根据点云11和点云12的x、y、z的均值确定体素空间Q的重心坐标。
在一个具体的例子中，所述一种基于激光雷达点云的前处理方法具体流程如下：
步骤一：通过雷达驱动获取点云原始数据(raw data)并解析成PointCloud2格式，数据格式为(x,y,z)，int(分别代表点云在空间中的位置和反射率intensity)；
步骤二：体素空间分区。对于输入点云所在的空间，其长、宽、高我们采用D，H，W表示；定义每一个小的voxel的长宽高为VD,VH,VW。这里作者假设D，H，W分别是VD，VH，VW的整数倍，且体素空间的大小和离雷达自身坐标系的远近有关，近处的体素空间稍大，远处的体素空间较小，因为我们要对近处、远处的点云做不同的处理。实际应用中体素空间的大小还需要根据使用的激光雷达的点云特性和实际应用的场景具体确定；
步骤三：对于近处点云，通过下采样操作进行点云稀疏化处理，下采样的过程就是把点云放到规定大小的体素空间中，如某点坐标为(x,y,z)，体素空间编号为Pos3D(i,j,k)，则有对应关系
求解体素空间的重心坐标即求解体素空间内所有点(x,y,z)的均值。如果一个局部的点群都落在了一个体素空间里，那么这个网格中的所有点就由体素空间的重心坐标来表示。通过这个过程，点云数据会被大大过滤，但是模型的形态特征还保持着完整性；
步骤四：步骤四和步骤三应该是同时进行，为了区分单列出来一个步骤四。对于远处点云，我们选择了更小的体素空间来进行下采样，因为激光雷达在远处点云数量少所以这部分增加的操作对算法的效率基本不会产生影响。之后我们不会把远处的原始点云舍弃来用下采样的结果代替，相反我们会将原始点云和下采样的结果都保留下来，这样就达到了点云数据增强和丰富点云特征的效果。对于中间区域的点云我们不进行其他操作。
步骤五：将前处理完的点云送入后端算法。
本发明实施例根据距离自身远近划分不同大小的体素空间，通过将下采样后的体素空间重心和原始点云叠加来进行点云数据增强。
此外，增采样是一种表面重建方法，通过对原始点云数据进行内插操作也可以得到数据增强的效果。因此采用增采样的方式也可以完成远处稀疏点云稠密化。
本实施例的技术方案，通过根据点云原始数据确定所述原始点云数据中的点云在空间中的位置信息和反射率；对所述点云所在空间进行划分，得到至少一个体素空间，其中，所述体素空间包括第一体素空间和第二体素空间，所述第一体素空间大于第二体素空间，所述第一体素空间为距离雷达自身坐标系的距离大于或者等于第一设定阈值的体素空间，所述第二体素空间为距离雷达自身坐标系的距离小于第二设定阈值的体素空间，所述第二设定阈值小于或者等于所述第一设定阈值；获取与雷达自身坐标系的距离大于或者等于第一设定阈值的第一原始点云数据，根据第一体素空间、所述位置信息和所述反射率对所述第一原始点云数据进行下采样操作；获取与雷达自身坐标系的距离小于第二设定阈值的第二原始点云数据，根据第二体素空间、所述位置信息和所述反射率对所述第二原始点云数据进行下采样操作；将对所述第一原始点云数据进行下采样操作得到的点云数据、第一原始点云数据和对所述第二原始点云数据进行下采样操作得到的点云数据确定为目标点云数据，以实现能够对近远两部分点云分别采用不同的前处理方法去同时解决近处点云数量庞大影响效率和远处点云稀疏容易漏检的问题。
实施例二
图2为本发明实施例二提供的一种点云处理装置的结构示意图。本实施例可适用于点云处理的情况，该装置可采用软件和/或硬件的方式实现，该装置可集成在任何提供点云处理的功能的设备中，如图2所示，所述点云处理装置具体包括：第一确定模块210、划分模块220、第一获取模块230、第二获取模块240和第二确定模块250。
其中，第一确定模块210，用于根据点云原始数据确定所述原始点云数据中的点云在空间中的位置信息和反射率；
划分模块220，用于对所述点云所在空间进行划分，得到至少一个体素空间，其中，所述体素空间包括第一体素空间和第二体素空间，所述第一体素空间大于第二体素空间，所述第一体素空间为距离雷达自身坐标系的距离大于或者等于第一设定阈值的体素空间，所述第二体素空间为距离雷达自身坐标系的距离小于第二设定阈值的体素空间，所述第二设定阈值小于或者等于所述第一设定阈值；
第一获取模块230，用于获取与雷达自身坐标系的距离大于或者等于第一设定阈值的第一原始点云数据，根据第一体素空间、所述位置信息和所述反射率对所述第一原始点云数据进行下采样操作；
第二获取模块240，用于获取与雷达自身坐标系的距离小于第二设定阈值的第二原始点云数据，根据第二体素空间、所述位置信息和所述反射率对所述第二原始点云数据进行下采样操作；
第二确定模块250，用于将对所述第一原始点云数据进行下采样操作得到的点云数据、第一原始点云数据和对所述第二原始点云数据进行下采样操作得到的点云数据确定为目标点云数据。
可选的，第二获取模块具体用于：
获取与雷达自身坐标系的距离小于第二设定阈值的第二原始点云数据；
根据所述第二原始点云数据中的点云在空间中的位置信息和反射率确定至少一个第一目标体素空间；
将第一目标体素空间对应的点云通过所述第一目标体素空间的重心坐标表示。
可选的，所述第二获取模块具体用于：
根据所述第一目标体素空间中的点云在空间中的位置信息确定所述第一目标体素空间的重心坐标；
将所述第一目标体素空间对应的点云通过所述第一目标体素空间的重心坐标表示。
上述产品可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
本实施例的技术方案，通过根据点云原始数据确定所述原始点云数据中的点云在空间中的位置信息和反射率；对所述点云所在空间进行划分，得到至少一个体素空间，其中，所述体素空间包括第一体素空间和第二体素空间，所述第一体素空间大于第二体素空间，所述第一体素空间为距离雷达自身坐标系的距离大于或者等于第一设定阈值的体素空间，所述第二体素空间为距离雷达自身坐标系的距离小于第二设定阈值的体素空间，所述第二设定阈值小于或者等于所述第一设定阈值；获取与雷达自身坐标系的距离大于或者等于第一设定阈值的第一原始点云数据，根据第一体素空间、所述位置信息和所述反射率对所述第一原始点云数据进行下采样操作；获取与雷达自身坐标系的距离小于第二设定阈值的第二原始点云数据，根据第二体素空间、所述位置信息和所述反射率对所述第二原始点云数据进行下采样操作；将对所述第一原始点云数据进行下采样操作得到的点云数据、第一原始点云数据和对所述第二原始点云数据进行下采样操作得到的点云数据确定为目标点云数据，以实现能够对近远两部分点云分别采用不同的前处理方法去同时解决近处点云数量庞大影响效率和远处点云稀疏容易漏检的问题。
实施例三
图3为本发明实施例三中的一种计算机设备的结构示意图。图3示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图3显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture，ISA)总线，微通道体系结构(Micro Channel Architecture，MCA)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图3未显示，通常称为“硬盘驱动器”)。尽管图3中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(只读光盘(Compact Disc-Read Only Memory，CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。另外，本实施例中的计算机设备12，显示器24不是作为独立个体存在，而是嵌入镜面中，在显示器24的显示面不予显示时，显示器24的显示面与镜面从视觉上融为一体。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网Wide AreaNetwork，WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks，RAID)系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的点云处理方法：
根据点云原始数据确定所述原始点云数据中的点云在空间中的位置信息和反射率；
对所述点云所在空间进行划分，得到至少一个体素空间，其中，所述体素空间包括第一体素空间和第二体素空间，所述第一体素空间大于第二体素空间，所述第一体素空间为距离雷达自身坐标系的距离大于或者等于第一设定阈值的体素空间，所述第二体素空间为距离雷达自身坐标系的距离小于第二设定阈值的体素空间，所述第二设定阈值小于或者等于所述第一设定阈值；
获取与雷达自身坐标系的距离大于或者等于第一设定阈值的第一原始点云数据，根据第一体素空间、所述位置信息和所述反射率对所述第一原始点云数据进行下采样操作；
获取与雷达自身坐标系的距离小于第二设定阈值的第二原始点云数据，根据第二体素空间、所述位置信息和所述反射率对所述第二原始点云数据进行下采样操作；
将对所述第一原始点云数据进行下采样操作得到的点云数据、第一原始点云数据和对所述第二原始点云数据进行下采样操作得到的点云数据确定为目标点云数据。
实施例四
本发明实施例四提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请所有发明实施例提供的点云处理方法：
根据点云原始数据确定所述原始点云数据中的点云在空间中的位置信息和反射率；
对所述点云所在空间进行划分，得到至少一个体素空间，其中，所述体素空间包括第一体素空间和第二体素空间，所述第一体素空间大于第二体素空间，所述第一体素空间为距离雷达自身坐标系的距离大于或者等于第一设定阈值的体素空间，所述第二体素空间为距离雷达自身坐标系的距离小于第二设定阈值的体素空间，所述第二设定阈值小于或者等于所述第一设定阈值；
获取与雷达自身坐标系的距离大于或者等于第一设定阈值的第一原始点云数据，根据第一体素空间、所述位置信息和所述反射率对所述第一原始点云数据进行下采样操作；
获取与雷达自身坐标系的距离小于第二设定阈值的第二原始点云数据，根据第二体素空间、所述位置信息和所述反射率对所述第二原始点云数据进行下采样操作；
将对所述第一原始点云数据进行下采样操作得到的点云数据、第一原始点云数据和对所述第二原始点云数据进行下采样操作得到的点云数据确定为目标点云数据。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：接收用户输入的源文本，将所述源文本翻译为目标语种对应的目标文本；获取所述用户的历史纠正行为；根据所述历史纠正行为对所述目标文本进行纠正，获得翻译结果，并将所述翻译结果推送至所述用户所在的客户端。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种点云处理方法，其特征在于，包括：
根据点云原始数据确定所述原始点云数据中的点云在空间中的位置信息和反射率；
对所述点云所在空间进行划分，得到至少一个体素空间，其中，所述体素空间包括第一体素空间和第二体素空间，所述第一体素空间大于所述第二体素空间，所述第一体素空间为距离雷达自身坐标系的距离大于或者等于第一设定阈值的体素空间，所述第二体素空间为距离雷达自身坐标系的距离小于第二设定阈值的体素空间，所述第二设定阈值小于或者等于所述第一设定阈值；
获取与雷达自身坐标系的距离大于或者等于第一设定阈值的第一原始点云数据，根据第一体素、所述位置信息和所述反射率对所述第一原始点云数据进行下采样操作；
获取与雷达自身坐标系的距离小于第二设定阈值的第二原始点云数据，根据第二体素、所述位置信息和所述反射率对所述第二原始点云数据进行下采样操作；
将对所述第一原始点云数据进行下采样操作得到的点云数据、第一原始点云数据和对所述第二原始点云数据进行下采样操作得到的点云数据确定为目标点云数据。
2.根据权利要求1所述的方法，其特征在于，获取与雷达自身坐标系的距离小于第二设定阈值的第二原始点云数据，根据第二体素空间、所述位置信息和所述反射率对所述第二原始点云数据进行下采样操作，包括：
获取与雷达自身坐标系的距离小于第二设定阈值的第二原始点云数据；
根据所述第二原始点云数据中的点云在空间中的位置信息和反射率确定至少一个第一目标体素空间；
将第一目标体素空间对应的点云通过所述第一目标体素空间的重心坐标表示。
3.根据权利要求2所述的方法，其特征在于，将第一目标体素空间对应的点云通过所述第一目标体素空间的重心坐标表示包括：
根据所述第一目标体素空间中的点云在空间中的位置信息确定所述第一目标体素空间的重心坐标；
将所述第一目标体素空间对应的点云通过所述第一目标体素空间的重心坐标表示。
4.根据权利要求2所述的方法，其特征在于，根据所述第二原始点云数据中的点云在空间中的位置信息和反射率确定至少一个第一目标体素空间包括：
根据如下公式计算第一目标体素空间Pos3D(i,j,k)：
其中，(x,y,z)为第二原始点云数据中的点云在空间中的位置信息，(VD,VW,VH)为第一目标体素空间的长宽高，int为反射率。
5.根据权利要求1所述的方法，其特征在于，获取与雷达自身坐标系的距离大于或者等于第一设定阈值的第一原始点云数据，根据第一体素空间、所述位置信息和所述反射率对所述第一原始点云数据进行下采样操作，包括：
获取与雷达自身坐标系的距离大于或者等于第一设定阈值的第一原始点云数据；
根据所述第一原始点云数据中的点云在空间中的位置信息和反射率确定至少一个第二目标体素空间；
获取每个第二目标体素空间的重心坐标。
6.一种点云处理装置，其特征在于，包括：
第一确定模块，用于根据点云原始数据确定所述原始点云数据中的点云在空间中的位置信息和反射率；
划分模块，用于对所述点云所在空间进行划分，得到至少一个体素空间，其中，所述体素空间包括第一体素空间和第二体素空间，所述第一体素空间大于所述第二体素空间，所述第一体素空间为距离雷达自身坐标系的距离大于或者等于第一设定阈值的体素空间，所述第二体素空间为距离雷达自身坐标系的距离小于第二设定阈值的体素空间，所述第二设定阈值小于或者等于所述第一设定阈值；
第一获取模块，用于获取与雷达自身坐标系的距离大于或者等于第一设定阈值的第一原始点云数据，根据第一体素空间、所述位置信息和所述反射率对所述第一原始点云数据进行下采样操作；
第二获取模块，用于获取与雷达自身坐标系的距离小于第二设定阈值的第二原始点云数据，根据第二体素空间、所述位置信息和所述反射率对所述第二原始点云数据进行下采样操作；
第二确定模块，用于将对所述第一原始点云数据进行下采样操作得到的点云数据、第一原始点云数据和对所述第二原始点云数据进行下采样操作得到的点云数据确定为目标点云数据。
7.根据权利要求6所述的装置，其特征在于，第二获取模块具体用于：
获取与雷达自身坐标系的距离小于第二设定阈值的第二原始点云数据；
根据所述第二原始点云数据中的点云在空间中的位置信息和反射率确定至少一个第一目标体素空间；
将第一目标体素空间对应的点云通过所述第一目标体素空间的重心坐标表示。
8.根据权利要求7所述的装置，其特征在于，所述第二获取模块具体用于：
根据所述第一目标体素空间中的点云在空间中的位置信息确定所述第一目标体素空间的重心坐标；
将所述第一目标体素空间对应的点云通过所述第一目标体素空间的重心坐标表示。
9.一种计算机设备，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，其特征在于，所述处理器执行所述程序时实现如权利要求1-5中任一所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011534220.4A CN112764004B (zh) | 2020-12-22 | 2020-12-22 | 一种点云处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011534220.4A CN112764004B (zh) | 2020-12-22 | 2020-12-22 | 一种点云处理方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112764004A true CN112764004A (zh) | 2021-05-07 |
| CN112764004B CN112764004B (zh) | 2024-05-03 |
Family
ID=75695239
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011534220.4A Active CN112764004B (zh) | 2020-12-22 | 2020-12-22 | 一种点云处理方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112764004B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113674425A (zh) * | 2021-10-25 | 2021-11-19 | 深圳市信润富联数字科技有限公司 | 点云采样方法、装置、设备及计算机可读存储介质 |
| CN113836484A (zh) * | 2021-08-11 | 2021-12-24 | 浙江省测绘科学技术研究院 | 基于路径点邻近域与地面滤波的自适应点云抽稀方法 |
| CN114170401A (zh) * | 2021-12-10 | 2022-03-11 | 北京超星未来科技有限公司 | 点云数据采样方法、装置、计算机设备及可读存储介质 |
| CN115035227A (zh) * | 2022-06-07 | 2022-09-09 | 北京经纬恒润科技股份有限公司 | 一种点云数据的处理方法、装置及电子设备 |
| CN115856932A (zh) * | 2022-11-03 | 2023-03-28 | 高德软件有限公司 | 一种点云识别方法、介质及计算设备 |
| CN116168366A (zh) * | 2023-01-19 | 2023-05-26 | 北京百度网讯科技有限公司 | 点云数据生成方法、模型训练方法、目标检测方法和装置 |
| CN116523770A (zh) * | 2023-03-30 | 2023-08-01 | 博雷顿科技股份公司 | 一种基于距离实现不同尺度的体素滤波的点云预处理方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140028834A1 (en) * | 2012-07-26 | 2014-01-30 | Raytheon Company | Method and apparatus for detecting minimum post spacing in imaging applications |
| US20160086353A1 (en) * | 2014-09-24 | 2016-03-24 | University of Maribor | Method and apparatus for near-lossless compression and decompression of 3d meshes and point clouds |
| EP3620817A1 (en) * | 2018-09-07 | 2020-03-11 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for generating object detection box, device, storage medium, and vehicle |
| CN111127563A (zh) * | 2019-12-18 | 2020-05-08 | 北京万集科技股份有限公司 | 联合标定方法、装置、电子设备及存储介质 |
| CN111199206A (zh) * | 2019-12-30 | 2020-05-26 | 上海眼控科技股份有限公司 | 三维目标检测方法、装置、计算机设备及存储介质 |
| CN111815707A (zh) * | 2020-07-03 | 2020-10-23 | 北京爱笔科技有限公司 | 点云确定方法、点云筛选方法、装置、计算机设备 |
| WO2020248614A1 (zh) * | 2019-06-10 | 2020-12-17 | 商汤集团有限公司 | 地图生成方法、驾驶控制方法、装置、电子设备及系统 |
-
2020
- 2020-12-22 CN CN202011534220.4A patent/CN112764004B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140028834A1 (en) * | 2012-07-26 | 2014-01-30 | Raytheon Company | Method and apparatus for detecting minimum post spacing in imaging applications |
| US20160086353A1 (en) * | 2014-09-24 | 2016-03-24 | University of Maribor | Method and apparatus for near-lossless compression and decompression of 3d meshes and point clouds |
| EP3620817A1 (en) * | 2018-09-07 | 2020-03-11 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for generating object detection box, device, storage medium, and vehicle |
| WO2020248614A1 (zh) * | 2019-06-10 | 2020-12-17 | 商汤集团有限公司 | 地图生成方法、驾驶控制方法、装置、电子设备及系统 |
| CN111127563A (zh) * | 2019-12-18 | 2020-05-08 | 北京万集科技股份有限公司 | 联合标定方法、装置、电子设备及存储介质 |
| CN111199206A (zh) * | 2019-12-30 | 2020-05-26 | 上海眼控科技股份有限公司 | 三维目标检测方法、装置、计算机设备及存储介质 |
| CN111815707A (zh) * | 2020-07-03 | 2020-10-23 | 北京爱笔科技有限公司 | 点云确定方法、点云筛选方法、装置、计算机设备 |
Non-Patent Citations (4)
| Title |
|---|
| 吴倩倩;蔡艳;: "基于高斯过程回归与马尔科夫随机场的三维深度图像重构算法", 应用激光, no. 06 * |
| 张彬;熊传兵;: "基于体素下采样和关键点提取的点云自动配准", 激光与光电子学进展, no. 04 * |
| 薛连杰;齐臣坤;张彪;张霄远;吴长征;: "基于3维点云欧氏聚类和RANSAC边界拟合的目标物体尺寸和方位识别", 机械设计与研究, no. 05 * |
| 郭宁博;陈向宁;何艳华;: "基于RANSAC分割的点云数据K-近邻去噪算法研究", 电子测量技术, no. 12 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113836484A (zh) * | 2021-08-11 | 2021-12-24 | 浙江省测绘科学技术研究院 | 基于路径点邻近域与地面滤波的自适应点云抽稀方法 |
| CN113836484B (zh) * | 2021-08-11 | 2023-05-16 | 浙江省测绘科学技术研究院 | 基于路径点邻近域与地面滤波的自适应点云抽稀方法 |
| CN113674425A (zh) * | 2021-10-25 | 2021-11-19 | 深圳市信润富联数字科技有限公司 | 点云采样方法、装置、设备及计算机可读存储介质 |
| CN114170401A (zh) * | 2021-12-10 | 2022-03-11 | 北京超星未来科技有限公司 | 点云数据采样方法、装置、计算机设备及可读存储介质 |
| CN114170401B (zh) * | 2021-12-10 | 2024-12-24 | 北京超星未来科技有限公司 | 点云数据采样方法、装置、计算机设备及可读存储介质 |
| CN115035227A (zh) * | 2022-06-07 | 2022-09-09 | 北京经纬恒润科技股份有限公司 | 一种点云数据的处理方法、装置及电子设备 |
| CN115856932A (zh) * | 2022-11-03 | 2023-03-28 | 高德软件有限公司 | 一种点云识别方法、介质及计算设备 |
| CN116168366A (zh) * | 2023-01-19 | 2023-05-26 | 北京百度网讯科技有限公司 | 点云数据生成方法、模型训练方法、目标检测方法和装置 |
| CN116168366B (zh) * | 2023-01-19 | 2023-12-05 | 北京百度网讯科技有限公司 | 点云数据生成方法、模型训练方法、目标检测方法和装置 |
| CN116523770A (zh) * | 2023-03-30 | 2023-08-01 | 博雷顿科技股份公司 | 一种基于距离实现不同尺度的体素滤波的点云预处理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112764004B (zh) | 2024-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112764004B (zh) | 一种点云处理方法、装置、设备及存储介质 | |
| JP6745328B2 (ja) | 点群データを復旧するための方法及び装置 | |
| CN109300190B (zh) | 三维数据的处理方法、装置、设备和存储介质 | |
| CN108629231B (zh) | 障碍物检测方法、装置、设备及存储介质 | |
| CN109116374B (zh) | 确定障碍物距离的方法、装置、设备及存储介质 | |
| JP2021119507A (ja) | 車線の決定方法、車線測位精度の評価方法、車線の決定装置、車線測位精度の評価装置、電子デバイス、コンピュータ可読記憶媒体、及びプログラム | |
| CN114419617B (zh) | 一种目标检测方法、装置、设备及存储介质 | |
| CN117422629B (zh) | 一种实例感知的单目语义场景补全方法、介质及设备 | |
| KR20210036319A (ko) | 텍스트 콘텐츠의 식별 방법, 장치 및 전자 기기 | |
| EP2856431A2 (en) | Combining narrow-baseline and wide-baseline stereo for three-dimensional modeling | |
| KR20230006628A (ko) | 이미지 처리 방법과 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램 | |
| CN111721281A (zh) | 位置识别方法、装置和电子设备 | |
| CN113129352A (zh) | 一种稀疏光场重建方法及装置 | |
| US8587586B2 (en) | Electronic device and method for meshing curved surface | |
| CN114170596A (zh) | 姿态识别方法、装置、电子设备、工程机械和存储介质 | |
| CN113793370A (zh) | 三维点云配准方法、装置、电子设备及可读介质 | |
| CN113051491A (zh) | 地图数据处理的方法、设备、存储介质及程序产品 | |
| CN114299242A (zh) | 高精地图中图像处理方法、装置、设备以及存储介质 | |
| WO2024230436A1 (zh) | 点云数据处理方法、点云数据处理系统及计算机存储介质 | |
| CN114581523B (zh) | 一种用于单目3d目标检测的标注数据确定方法和装置 | |
| WO2025185167A1 (zh) | 道路区域检测方法、装置及电子设备 | |
| CN114488237A (zh) | 定位方法、装置、电子设备及智能驾驶方法 | |
| CN117935221A (zh) | 障碍物信息的确定方法、装置和感知模型的训练方法 | |
| CN117636307A (zh) | 基于语义信息的目标检测方法、设备及自动驾驶车辆 | |
| CN116596750A (zh) | 一种点云处理方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |