[發明專利]激光點云處理方法、電子裝置和存儲介質

有效

• 申請號: 202011130333.8
• 申請日: 2020-10-21
• 公開（公告）號: CN112417965B
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 林寶尉;傅文標;楊再甫;馬可
• 申請（專利權）人: 湖北億咖通科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32
• 代理公司: 北京智匯東方知識產權代理事務所(普通合伙) 11391
• 代理人: 薛峰

本申請涉及一種激光點云處理方法、電子裝置和存儲介質，其中，該方法包括：獲取第一點云和與第一點云對應的車輛軌跡；從第一點云中提取第二點云，其中，第二點云中各點距車輛軌跡的高度不大于預設高度；對第二點云中的各點進行地址編碼，根據地址編碼得到的各點的地址編碼值將第二點云中的各點分組為多個點云塊；獲取各點云塊中的各點的極坐標數據，生成分別以各點云塊對應的地址編碼值為索引的文件，其中，每個點云塊的文件包括點云塊中的各點的極坐標數據。通過本申請，解決了激光點云定位圖層占用的存儲空間大的問題，降低了激光點云定位圖層占用的存儲空間。

技術領域

本申請涉及計算機視覺領域，特別是涉及激光點云處理方法、電子裝置和存儲介質。

背景技術

計算機視覺是無人駕駛技術的關鍵技術。其中，在計算機視覺中的高精度厘米級定位應用中，激光雷達點云定位地圖起到了至關重要的作用。由于目前各公司、研究院所所研發的厘米級定位方案不同，其對應的點云圖層的構建方式也不同。比如斯坦福大學的方法構建了一幅去除了動態物的平面地圖。按照5厘米的解析度生成的地圖中，每一個網格(grid)中存的是激光在該處的反射率強度值。高于地面的物體都被剔除掉后，每英里(約1760米)數據大約10MB。但是該方案過于依賴反射率，泛化能力不強。密歇根大學的方案是使用高斯混合模型(Gaussian Mixture Maps，簡稱為GMM)方法來構建多尺度的高斯先驗地圖。該方案除了需要道路表面的反射率意外，還將高程信息也作為GMM的分布信息。該方案地面信息使用6.4cm的解析度，高程信息使用25.6cm的解析度來構建高斯分布。每千米的數據大約為44.3MB。百度的方案是最近兩年提出的比較有代表性的方案。其先驗地圖的解析度約為12.5cm。構建的地圖類似密歇根大學的方法，同時包括了地面的反射率強度和高程信息。但是該方案只使用了一個高斯分布將上述兩個維度的信息構建出來，所以每千米的數據大約5MB。Autoware開源自動駕駛框架中使用了正態分布變換(Normal DistributionsTransform，簡稱為NDT)的定位方案，其激光點云定位圖層保留了大部分原始點云結構，定位精度比較好且比較魯棒。上述方案的重點均在研究定位算法的精度提升，其對應的激光點云定位圖層存儲空間需求較大；且由于沒有劃分數據存儲單元，很難實現大范圍道路場景變化后的更新。

目前針對相關技術中激光點云定位圖層占用的存儲空間大的問題，尚未提出有效的解決方案。

發明內容

本申請實施例提供了一種激光點云處理方法、電子裝置和存儲介質，以至少解決相關技術中激光點云定位圖層占用的存儲空間大的問題。

第一方面，本申請實施例提供了一種激光點云處理方法，包括：獲取第一點云和與所述第一點云對應的車輛軌跡；從所述第一點云中提取第二點云，其中，所述第二點云中各點距所述車輛軌跡的高度不大于預設高度；對所述第二點云中的各點進行地址編碼，根據地址編碼得到的各點的地址編碼值將所述第二點云中的各點分組為多個點云塊；獲取各所述點云塊中的各點的極坐標數據，生成分別以各所述點云塊對應的地址編碼值為索引的文件，其中，每個所述點云塊的文件包括所述點云塊中的各點的極坐標數據。

在其中一些實施例中，所述車輛軌跡包括按照預設間隔距離分布的多個車輛軌跡點；從所述第一點云中提取第二點云包括：獲取所述第一點云中各點的站心坐標數據和多個所述車輛軌跡點的站心坐標數據；根據所述第一點云中各點的站心坐標數據和多個所述車輛軌跡點的站心坐標數據，確定與所述第一點云中各點距離最近的車輛軌跡點，并以該距離最近的車輛軌跡點為基準確定所述第一點云中各點距所述車輛軌跡的高度；提取所述第一點云中距所述車輛軌跡的高度不大于所述預設高度的點，得到所述第二點云。

在其中一些實施例中，從所述第一點云中提取第二點云包括：從所述第一點云中提取由距所述車輛軌跡的高度不大于預設高度的點組成的第三點云；對所述第三點云進行下采樣處理，得到所述第二點云。