[發明專利]一種三維激光點云數據預處理方法和裝置

在審

• 申請號: 201910375381.4
• 申請日: 2019-05-07
• 公開（公告）號: CN111915662A
• 公開（公告）日: 2020-11-10
• 發明（設計）人: 孫曉峰;楊恒;李艷麗;張崢;赫桂望;蔡金華
• 申請（專利權）人: 北京京東尚科信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06T7/521
• 分類號: G06T7/521
• 代理公司: 北京德琦知識產權代理有限公司 11018
• 代理人: 杜志敏;宋志強

本申請提供了一種三維激光點云數據預處理方法和裝置，該方法包括：獲取采集車采集的三維激光點云和采集車采集所述三維激光點云時的軌跡信息，以及三維激光點云的反射強度信息、高度信息和采集車的軌跡信息中的高度信息；將所述三維激光點云，以及采集車的軌跡信息投影到預設平面上；使用采集車的軌跡信息中的高度信息，以及預設關注的高度范圍對所述三維點云進行濾波；根據濾波后的三維點云的反射強度信息、高度信息，以及各點在預設平面上的投影圖生成覆蓋整個場景的強度圖和高度圖。該方法能夠提高處理激光點云數據的效率，并能過濾掉三維激光點云對應的環境中不關注的物體的圖像。

技術領域

本發明涉及信息處理技術領域，特別涉及一種三維激光點云數據預處理方法和裝置。

背景技術

在高精地圖生產過程中，現有的主流技術流程主要包含數據采集、數據預處理、自動識別、人工檢核修正、編譯發布等五個基本環節。

其中，預處理階段主要完成對采集到的離散圖片和三維激光點云數據進行時空關聯與數據融合，進而生成覆蓋整個道路場景的完整數據，服務于后續的自動識別與人工檢核環節。

目前，預處理階段所輸出的數據主要包括具有時空信息的連續視頻影像及拼合后的場景三維激光點兩種主流數據類型。由于該階段輸出的數據類型和數據質量直接影響著后續的自動識別準確率與人工檢核作業效率，因此其已成為影響整個地圖生產效率的重要環節。

盡管目前以深度學習為代表的機器學習算法已經在影像識別領域取得了豐碩的成果，但由于識別算法是作用在單張二維圖像上的，后續只有經過復雜的三維映射與融合過程才能將這些二維識別結果轉化為三維場景地圖，這一方面增加了算法復雜度，另一方面也很容易在轉化過程中引入額外的誤差，影響最終的成圖效果。對于現有技術輸出的場景三維激光點來說，目前基于深度學習的點云識別算法無論在識別效率上還是在識別精度上與圖像識別算法相比都還存在一定差距。此外，在人工檢核過程中，基于點云數據的三維交互環境較基于圖像的二維交互環境更為復雜，不便于作業效率的提升。

發明內容

有鑒于此，本申請提供一種三維激光點云數據預處理方法，能夠提高處理激光點云數據的效率，并能過濾掉三維激光點云對應的環境中不關注的物體的圖像。

為解決上述技術問題，本申請的技術方案是這樣實現的：

本申請的一個實施例中提供一種三維激光點云數據預處理方法，該方法包括：

獲取采集車采集的三維激光點云和采集車采集所述三維激光點云時的軌跡信息，以及三維激光點云的反射強度信息、高度信息和采集車的軌跡信息中的高度信息；

將所述三維激光點云，以及采集車的軌跡信息投影到預設平面上；

使用采集車的軌跡信息中的高度信息，以及預設關注的高度范圍對所述三維點云進行濾波；

根據濾波后的三維點云的反射強度信息、高度信息，以及各點在預設平面上的投影圖生成覆蓋整個場景的強度圖和高度圖。

本申請的另一個實施例中提供一種三維激光點云數據預處理裝置，該裝置包括：獲取單元、投影單元、濾波單元和生成單元；

所述獲取單元，用于獲取采集車采集的三維激光點云和采集車采集所述三維激光點云時的軌跡信息，以及三維激光點云的反射強度信息、高度信息和采集車的軌跡信息中的高度信息；

所述投影單元，用于將所述獲取單元獲取的三維激光點云，以及采集車的軌跡信息投影到預設平面上；

所述濾波單元，用于使用所述獲取單元獲取的采集車的軌跡信息中的高度信息，以及預設關注的高度范圍對所述三維點云進行濾波；

所述生成單元，用于根據所述濾波單元濾波后的三維點云的反射強度信息、高度信息，以及所述投影單元中各點在預設平面上的投影圖生成覆蓋整個場景的強度圖和高度圖。