一種松散型點云數(shù)據(jù)分割方法和設(shè)備的制造方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及三維激光雷達生成的三維點云數(shù)據(jù)的分割，特別涉及松散型點云數(shù)據(jù)的分割。
【背景技術(shù)】
[0002]在無人車(或其他機器人)領(lǐng)域中，三維激光雷達(或者三維激光測距傳感器)生成的三維點云在無人車對環(huán)境進行精確的探測掃描，高分辨率環(huán)境地圖的建立以及無人車輛自身在環(huán)境中的定位中，變得越發(fā)重要。因此，對于點云模型的處理，如點云數(shù)據(jù)的曲面重建、分割、特征提取等研究已成為研究熱點。
[0003]點云數(shù)據(jù)分割是確定點云中具有相同屬性(空間位置、幾何形狀、激光強度、光譜特征等)區(qū)域的過程。作為無人車環(huán)境感知一項重要的工作，它是根據(jù)點云數(shù)據(jù)的整體密度分布和局部聚集特性，將其聚類分離成獨立的子集，各子集均對應(yīng)于當(dāng)前具有物理意義的感知對象(如環(huán)境中的車輛，樹木，建筑物等等)，反映感知對象的幾何和位置特征。
[0004]發(fā)明人在實現(xiàn)本發(fā)明的過程中發(fā)現(xiàn)，松散型點云數(shù)據(jù)分割是一項具有挑戰(zhàn)性的工作，這是因為雷達數(shù)據(jù)更新頻率可達5-15赫茲，每幀數(shù)據(jù)量約40萬條，同時應(yīng)用中還有實時性要求，因此必須提出針對松散型點云數(shù)據(jù)的更具有針對性的分割算法。

【發(fā)明內(nèi)容】

[0005]以下給出對一個或更多個方面的簡化概述以力圖提供對此類方面的基本理解。此概述不是所有構(gòu)想到的方面的詳盡綜覽，并且既非旨在指認出所有方面的關(guān)鍵性或決定性要素亦非試圖界定任何或所有方面的范圍。其唯一的目的是要以簡化形式給出一個或更多個方面的一些概念以作為稍后給出的更加具體的說明之序。
[0006]本發(fā)明提供一種一種松散型點云數(shù)據(jù)分割方法解決針對松散型點云數(shù)據(jù)的分割大數(shù)據(jù)量和實時性要求的問題。為實現(xiàn)上述目的，發(fā)明人提供了一種松散型點云數(shù)據(jù)分割方法，包括步驟:
[0007]S101根據(jù)三維傳感器采集的點云數(shù)據(jù)A建立起一個非結(jié)構(gòu)性的地域網(wǎng)格G ；
[0008]S102、基于非結(jié)構(gòu)性的地域網(wǎng)格G計算點云數(shù)據(jù)A中每一節(jié)點的梯度，根據(jù)點云數(shù)據(jù)A中每一節(jié)點的梯度提取屬于地面的點；
[0009]S103、對點云數(shù)據(jù)A中屬于非地面的點進行聚類分割。
[0010]進一步，對點云數(shù)據(jù)A中每一個節(jié)點a，計算每一條與節(jié)點a相連的邊的梯度，從這些梯度中選擇范數(shù)最大的梯度來作為這個節(jié)點a的梯度；
[0011]所述計算每一條與節(jié)點a相連的邊的梯度為，節(jié)點a與另一節(jié)點b具有相連的邊m，用節(jié)點a和節(jié)點b間的絕對高度差，除以節(jié)點a和節(jié)點b間的距離，得到邊m的梯度；
[0012]根據(jù)云數(shù)據(jù)A中節(jié)點的梯度關(guān)系形成多個光柵，若光柵i與光柵g相鄰，光柵g對應(yīng)節(jié)點序列Sg，光柵i對應(yīng)節(jié)點序列Si，若滿足條件化與S 最接近的節(jié)點n g與節(jié)點η χ之間的高度差小于最大高度差maxdh，那么節(jié)點序列會被標(biāo)記為“地面”，其中節(jié)點n g與節(jié)點1^分別是節(jié)點序列S g和節(jié)點序列S ;中的點。
[0013]進一步，所述步驟S102還包括，以順序orderl遍歷點云數(shù)據(jù)A中的節(jié)點以提取屬于地面的點，再以與順序orderl相反的順序遍歷點云數(shù)據(jù)A中的節(jié)點提取屬于地面的點；
[0014]所述順序orderl與三維傳感器的掃描順序呈線性關(guān)系。
[0015]進一步，對點云數(shù)據(jù)A中每一個節(jié)點a，若節(jié)點a不是屬于地面，且節(jié)點a的高度小于緩沖區(qū)域期待值的最大高度差maxdh，則節(jié)點a屬于過渡區(qū)域。
[0016]發(fā)明人還提供一種松散型點云數(shù)據(jù)分割設(shè)備，所述設(shè)備包括梯度計算模塊，地域網(wǎng)格生成模塊，聚類分割模塊；
[0017]所述梯度計算模塊用于根據(jù)三維傳感器采集的點云數(shù)據(jù)A建立起一個非結(jié)構(gòu)性的地域網(wǎng)格G ;
[0018]所述梯度計算模塊用于，基于非結(jié)構(gòu)性的地域網(wǎng)格G計算點云數(shù)據(jù)A中每一節(jié)點的梯度；
[0019]所述聚類分割模塊用于根據(jù)點云數(shù)據(jù)A中每一節(jié)點的梯度提取屬于地面的點，用于對點云數(shù)據(jù)A中屬于非地面的點進行聚類分割。
[0020]進一步，所述梯度計算模塊用于對點云數(shù)據(jù)A中每一個節(jié)點a，計算每一條與節(jié)點a相連的邊的梯度，從這些梯度中選擇范數(shù)最大的梯度來作為這個節(jié)點a的梯度；
[0021]所述計算每一條與節(jié)點a相連的邊的梯度為，節(jié)點a與另一節(jié)點b具有相連的邊m，用節(jié)點a和節(jié)點b間的絕對高度差，除以節(jié)點a和節(jié)點b間的距離，得到邊m的梯度；
[0022]所述聚類分割模塊用于根據(jù)云數(shù)據(jù)A中節(jié)點的梯度關(guān)系形成多個光柵，若光柵i與光柵g相鄰，光柵g對應(yīng)節(jié)點序列Sg，光柵i對應(yīng)節(jié)點序列Si，若滿足條件:Sg與S i中最接近的節(jié)點ng與節(jié)點η ;之間的高度差小于最大高度差maxdh，那么節(jié)點序列S;中的點也被標(biāo)記為地面的點。
[0023]進一步，所述聚類分割模塊用于以順序orderl遍歷點云數(shù)據(jù)A中的節(jié)點以提取屬于地面的點，再以與順序orderl相反的順序遍歷點云數(shù)據(jù)A中的節(jié)點提取屬于地面的點；所述順序orderl與三維傳感器的掃描順序呈線性關(guān)系。
[0024]進一步，所述聚類分割模塊用于對點云數(shù)據(jù)A中每一個節(jié)點a，若節(jié)點a不是屬于地面，且節(jié)點a的高度小于緩沖區(qū)域期待值的最大高度差maxdh，則節(jié)點a屬于過渡區(qū)域。
[0025]區(qū)別于現(xiàn)有技術(shù)，上述技術(shù)方案在數(shù)據(jù)很松散的情況下，采用非結(jié)構(gòu)性的地域網(wǎng)絡(luò)有建立起數(shù)據(jù)之間點對點的連接，這種連接是結(jié)構(gòu)性的、分辨率一致的結(jié)構(gòu)性網(wǎng)格所不能提供的。因此，通過這個方法，我們可以從種子區(qū)域(在這里可以是掃描的原點)開始，通過非結(jié)構(gòu)性的地域網(wǎng)絡(luò)的連接的拓撲結(jié)構(gòu)，高效的建立起地面這個分區(qū)的聚類。
[0026]為能達成前述及相關(guān)目的，這一個或更多個方面包括在下文中充分描述并在所附權(quán)利要求中特別指出的特征。以下描述和附圖詳細闡述了這一個或更多個方面的某些說明性特征。但是，這些特征僅僅是指示了可采用各種方面的原理的各種方式中的若干種，并且本描述旨在涵蓋所有此類方面及其等效方面。
【附圖說明】
[0027]以下將結(jié)合附圖來描述所公開的方面，提供附圖是為了說明而非限定所公開的方面，附圖中相似的標(biāo)號標(biāo)示相似要素，并且在其中:
[0028]圖1為具體本發(fā)明所述方法的流程圖；
[0029]圖2a為【具體實施方式】所述建立起來的地域網(wǎng)格；
[0030]圖2b為【具體實施方式】在地域網(wǎng)格中車輛的附近，測試到的坡度過渡區(qū)域；
[0031]圖2c為【具體實施方式】結(jié)合地域網(wǎng)格和聚類分割得到的全分割案例。
【具體實施方式】
[0032]為詳細說明技術(shù)方案的技術(shù)內(nèi)容、構(gòu)造特征、所實現(xiàn)目的及效果，以下結(jié)合具體實施例并配合附圖詳予說明。在以下描述中，出于解釋目的闡述了眾多的具體細節(jié)以提供對一個或更多個方面的透徹理解。但是顯而易見的是，沒有這些具體細節(jié)也可實踐此類方面。
[0033]發(fā)明人提供一種松散型點云數(shù)據(jù)分割方法，包括步驟:
[0034]S101根據(jù)三維傳感器采集的點云數(shù)據(jù)A建立起一個非結(jié)構(gòu)性的地域網(wǎng)格G ；
[0035]S102、基于地域網(wǎng)格G計算點云數(shù)據(jù)A中每一節(jié)點的梯度，根據(jù)點云數(shù)據(jù)A中每一節(jié)點的梯度提取屬于地面的點；
[0036]S103、對點云數(shù)據(jù)A中屬于非地面的點進行聚類分割。
[0037]同結(jié)構(gòu)化網(wǎng)格的定義相對應(yīng)，非結(jié)構(gòu)化網(wǎng)格是指網(wǎng)格區(qū)域內(nèi)的內(nèi)部點不具有相同的毗鄰單元.即與網(wǎng)格剖分區(qū)域內(nèi)的不同內(nèi)點相連的網(wǎng)格數(shù)目不同，結(jié)構(gòu)化網(wǎng)格和非結(jié)構(gòu)化網(wǎng)格有相互重疊的部分，即非結(jié)構(gòu)化網(wǎng)格中可能會包含結(jié)構(gòu)化網(wǎng)格的部分。
[0038]在數(shù)據(jù)很松散的情況下，非結(jié)構(gòu)性的地域網(wǎng)絡(luò)有利于建立起數(shù)據(jù)之間點對點的連接，這種連接是結(jié)構(gòu)性的、分辨率一致的結(jié)構(gòu)性網(wǎng)格所不能提供的。因此，通過這個方法，我們可以從種子區(qū)域(在這里可以是掃描的原點)開始，通過非結(jié)構(gòu)性的地域網(wǎng)絡(luò)的連接的拓撲結(jié)構(gòu)，高效的建立起地面這個分區(qū)的聚類。
[0039]聚類分割法的聚類就是按照一定得要求和規(guī)律對事物進行區(qū)分和分類的過程，一般要求給出要分割聚類數(shù)和各初始聚類中心。
[0040]所述步驟S102包括:
[0041]對點云數(shù)據(jù)A中每一個節(jié)點a，計算每一條與節(jié)點a相連的邊的梯度，從這些梯度中選擇范數(shù)最大的梯度來作為這個節(jié)點a的梯度；
[0042]所述計算每一條與節(jié)點a相連的邊的梯度為，節(jié)點a與另一節(jié)點b具有相連的邊m，用節(jié)點a和節(jié)點b間的絕對高度差，除以節(jié)點a和節(jié)點b間的距離，得到邊m的梯度；
[0043]若節(jié)點a與相鄰的節(jié)點b的梯度不大于最大梯度maxgrad，則節(jié)點a與節(jié)點b屬于同一光柵g(即根據(jù)節(jié)點的梯度關(guān)系形成光柵)，光柵i與光柵g相鄰，光柵g對應(yīng)節(jié)點序列Sg，光柵i對應(yīng)節(jié)點序列Si，若滿足條件七與S 最接近的節(jié)點n g與節(jié)點n 間的高度差小于最大高度差(maxdh)，那么節(jié)點序列3;也會被標(biāo)記為“地面”，其中節(jié)點n g與節(jié)點~分別是節(jié)點序列Sg和節(jié)點序列S沖的點。
[0044]最大梯度maxgrad的存在避免了將屬于非地面物體的平面聚類被誤認為是“地面”點的情況，如平面聚類為車頂、屋頂?shù)缺徽`認為是“地面”點的情況。
[0045]如果在節(jié)點a的任意一個方向，沒有穿過最小梯度距離，就到了下一個節(jié)點，那么所計算得出的梯度值會被自動忽略。設(shè)定這個最小梯度距離，能幫助我們消除噪音的影響，因為離掃描中心越近的點，離相鄰點的距離也越小，這樣的相鄰點如果被用來計算梯度，會產(chǎn)生噪音很大的梯度估計(這是因為兩個點之間的高度差的噪音跟兩點之間的距離是在一個數(shù)量級上的)。
[0046]在所有點的梯度計算完畢，也就是梯度場建立起來之后，我們通過從“最近光柵線”向“最遠光柵線”推進，建立屬于“地面”的點的聚類。首先，從最近光柵線開始(圖2a中最里面那圈)，我們將最長的那條梯度均小于最大梯度值(maxgrad)的節(jié)點序列首先，從最近光柵線開始(圖2a中最里面那圈)，我們將最長的那條梯度均小于最大梯度值(maxgrad)的節(jié)點序列Sg標(biāo)記為“地面”。此外，如果在內(nèi)圈上的節(jié)點序列S;，滿足條件:Sg與3;中最接近的點，η (?與η ;，之間的高度差小于最大高度差(maxdh)，那么節(jié)點序列S;也會被標(biāo)記為“地面”?；cη ;分別是節(jié)點序列S g和節(jié)點序列S ;中的點。以順序orderl遍歷點云數(shù)據(jù)A中的節(jié)點以提取屬于地面的點，再以與順序orderl相反的順序遍歷點云數(shù)據(jù)A中的節(jié)點提取屬于地面的點；
[0047]所述順序orderl與三維傳感器的掃描順序呈線性