地面滤波方法及装置与流程

1.本发明涉及智能驾驶技术领域，具体涉及一种地面滤波方法及装置。


背景技术：

2.近年来,随着智能驾驶技术的飞速发展，激光雷达(lidar)具有精度高、测距范围大，以及不受光线影响等特点，被广泛应用于智能驾驶车辆的障碍物检测、即时定位与地图构建等环境感知领域。
3.相关技术中，智能驾驶技术中的关键技术之一是利用车载激光雷达采集实时环境的点云数据，根据该点云数据对周围环境进行实时感知进而为智能驾驶提供决策。实现实时环境感知的首要任务就是将该点云数据进行地面滤波以实现地面点和非地面点分离。目前车载点云数据的地面滤波技术主要有：多尺度渐进形态学滤波方法和基于不规则三角网(tin)的渐进加密滤波方法。然而，多尺度渐进形态学滤波方法的滤波结果好坏受多参数阈值设置的影响较大，针对不同的激光雷达设备及安装方式的不同需要大量实验获取经验阈值，并且该方法对地面以下存在异常噪点的情况滤波失效，抗噪性差。不规则三角网(tin)的渐进加密滤波方法，需要逐层迭代构建三角网，受到构建三角网速度慢影响，多层迭代处理使得该滤波方法时效性差，无法满足智能驾驶所要求的实时性。


技术实现要素：

4.为了克服相关技术中存在的地面滤波方法受多参数阈值设置的影响大、抗噪性和实效性较差的问题，本发明实施例提供了一种地面滤波方法和装置，提高了地面滤波方法处理点云数据的抗噪性能、实时性和鲁棒性。
5.根据本发明的一方面，提供一种地面滤波方法，包括：
6.对安装在载体上的采集设备进行标定，获取以所述采集设备为中心点坐标的局部坐标系和绝对坐标系之间的变换关系；
7.利用所述采集设备采集所述局部坐标系下所述载体所在实时环境的第一单帧点云数据；
8.利用所述变换关系将所述第一单帧点云数据的坐标从所述局部坐标系转换到所述绝对坐标系；
9.利用算法建立平面模型；以及
10.根据所述平面模型和所述采集设备的高程精度将所述第一单帧点云数据滤波。
11.可选地，所述利用算法建立平面模型之前包括：
12.获取安装在所述载体上的所述采集设备距离地面的第一高度；
13.利用所述变换关系将所述采集设备的坐标从所述局部坐标系转换到所述绝对坐标系。
14.可选地，所述利用算法建立平面模型之前还包括：
15.根据所述第一高度和所述采集设备在所述绝对坐标系的坐标，计算在所述绝对坐
标系下地面的第二高度；
16.根据所述第二高度和第一阈值，对所述第一单帧点云数据滤波以获取第二单帧点云数据。
17.可选地，所述利用算法建立平面模型包括：
18.利用所述第二单帧点云数据，采用随机采样一致算法计算所述第二单帧点云数据的数学模型参数以得到所述平面模型。
19.可选地，所述根据所述平面模型和所述采集设备的高程精度将所述第一单帧点云数据滤波包括：
20.计算所述第二单帧点云数据距离所述平面模型的距离；
21.当所述距离小于所述高程精度的负数值时，将所述第二单帧点云数据标记为噪声点；
22.当所述距离大于所述高程精度时，将所述第二单帧点云数据标记为非地面点；以及
23.当所述距离大于等于所述高程精度的负数值并且小于等于所述高程精度时，将所述第二单帧点云数据标记为地面点。
24.可选地，所述对安装在载体上的采集设备进行标定，获取以所述采集设备为中心点坐标的局部坐标系和绝对坐标系之间的变换关系包括：
25.建立三维标定场中所述局部坐标系和所述绝对坐标系之间的变换关系的目标法方程组，并在所述三维标定场内设置多个控制点；
26.使用实时差分定位方法测量所述绝对坐标系下所述多个控制点的第一坐标；
27.在所述三维标定场中按照预设路线，利用所述采集设备采集所述局部坐标系下所述载体所在实时环境的第三单帧点云数据；以及
28.利用组合导航设备采集的实时动态位姿信息。
29.可选地，所述对安装在载体上的采集设备进行标定，获取以所述采集设备为中心点坐标的局部坐标系和绝对坐标系之间的变换关系还包括：
30.从所述第三单帧点云数据中选取所述多个控制点以获取所述多个控制点在所述局部坐标系下的第二坐标；
31.根据所述多个控制点的所述第一坐标、所述第二坐标、所述位姿信息，采用最小二乘算法求解所述目标法方程组以得到所述采集设备的待标定外参；以及
32.基于所述采集设备的所述待标定外参和所述目标法方程组，得到所述局部坐标系和所述绝对坐标系之间的所述变换关系。
33.可选地，所述局部坐标系和所述绝对坐标系之间的所述变换关系的目标法方程组为：
34.35.其中，是控制点在所述局部坐标系下的第二坐标，是所述控制点在所述绝对坐标系下的第一坐标，是所述组合导航设备采集的实时动态位姿信息，是所述组合导航设备的旋转矩阵，是所述组合导航设备在所述绝对坐标系下的坐标，是所述采集设备的待标定外参。
36.根据本发明的另一方面，提供一种地面滤波装置，包括：
37.标定单元，被配置为执行对安装在载体上的采集设备进行标定，获取以所述采集设备为中心点坐标的局部坐标系和绝对坐标系之间的变换关系；
38.采集单元，被配置为执行利用所述采集设备采集所述局部坐标系下所述载体所在实时环境的第一单帧点云数据；
39.第一坐标变换单元，被配置为执行利用所述变换关系将所述第一单帧点云数据的坐标从所述局部坐标系转换到所述绝对坐标系；
40.建立单元，被配置为执行利用算法建立平面模型；以及
41.第一滤波单元，被配置为执行根据所述平面模型和所述采集设备的高程精度将所述第一单帧点云数据滤波。
42.可选地，所述利用算法建立平面模型之前，所述地面滤波装置还包括：
43.获取单元，被配置为执行获取安装在所述载体上的所述采集设备距离地面的第一高度；
44.第二坐标变换单元，被配置为执行利用所述变换关系将所述采集设备的坐标从所述局部坐标系转换到所述绝对坐标系。
45.可选地，所述利用算法建立平面模型之前，所述地面滤波装置还包括：
46.计算单元，被配置为执行根据所述第一高度和所述采集设备在所述绝对坐标系的坐标，计算在所述绝对坐标系下地面的第二高度；
47.第二滤波单元，被配置为执行根据所述第二高度和第一阈值，对所述第一单帧点云数据滤波以获取第二单帧点云数据。
48.根据本发明的又一方面，提供一种地面滤波控制装置，包括：处理器；用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为执行上述的地面滤波方法。
49.根据本发明的再一方面，提供一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令被执行时实现如上所述的地面滤波方法。
50.根据本发明的再一方面，提供一种计算机程序产品，包括计算机程序产品，所述计算机程序包括程序指令，当所述程序指令被移动终端执行时，使所述移动终端执行上述地面滤波方法的步骤。
51.本发明的一个实施例具有以下优点或有益效果：
52.利用第一单帧点云数据，采用随机采样一致算法(ransac算法)计算第一单帧点云数据的数学模型参数以得到平面模型。根据平面模型和激光雷达的高程精度将第一单帧点云数据滤波。将第一单帧点云数据滤波分类为地面点、非地面点和噪声点，提高了地面滤波方法处理第一单帧点云数据的抗噪性能。通过建立平面模型对不同种类和/或不同安装方式的激光雷达采集的第一单帧点云数据进行地面滤波，不需要多参数阈值的设置，提高了地面滤波方法处理第一单帧点云数据的实时性和鲁棒性。
附图说明
53.通过以下参照附图对本发明实施例的描述，本发明的上述以及其他目的、特征和优点将更为清楚，在附图中：
54.图1示出本发明的一个实施例的地面滤波方法的流程示意图。
55.图2示出本发明的一个实施例的地面滤波方法的流程示意图。
56.图3示出本发明的一个实施例的采集设备的标定方法的流程示意图。
57.图4示出本发明的一个实施例的地面滤波装置的结构示意图。
58.图5示出本发明的一个实施例的地面滤波装置的结构示意图。
59.图6示出本发明的一个实施例的地面滤波控制装置的结构示意图。
具体实施方式
60.以下基于实施例对本发明进行描述，但是本发明并不仅仅限于这些实施例。在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。为了避免混淆本发明的实质，公知的方法、过程、流程没有详细叙述。另外附图不一定是按比例绘制的。
61.近年来，随着kinect、velodyne等旋转轴与地面垂直的3d激光传感器的发明及普及，对3d深度数据处理方法的研究越来越受到人们的重视。由velodyne等激光雷达传感器对周围环境扫描采样得到的3d点云数据中，包含了传感器周围环境中几乎所有物体的反射数据。通过对扫描得到的3d点云数据进行处理就可以达到障碍物检测和识别的目的，但是由于3d点云数据往往规模过于庞大，会带来后续算法的实时性问题，所以首先要解决的问题就是对点云数据进行地面滤波和分割以减小数据规模。其中，地面滤波是指对点云数据中的地面点和非地面点进行识别和滤除。
62.下面以智能驾驶技术中车载激光雷达为应用场景，详细说明如何利用地面滤波方法将实时环境的点云数据中的地面点和非地面点进行识别和滤除。
63.图1是本发明的一个实施例的地面滤波方法的流程示意图。具体包括以下步骤：
64.在步骤s110中，对安装在载体上的采集设备进行标定，获取以所述采集设备为中心点坐标的局部坐标系和绝对坐标系之间的变换关系。
65.在本步骤中，在智能驾驶系统中，激光雷达可以安装于智能驾驶车辆的顶部，激光
雷达获取的位置数据信息是基于雷达自身局部坐标系。在激光雷达的实际使用过程中，为了统一多传感器的信息，需要将激光雷达获取到的自身局部坐标系下的数据转换到绝对坐标系下。数据转换过程中通过变换矩阵，将以激光雷达为坐标中心点的局部坐标系中的点云数据，转换到绝对坐标系下。因此在实际使用过程中需要事先对激光雷达进行标定，以获取以激光雷达为坐标中心点的局部坐标系与绝对坐标系之间的变换关系。
66.在步骤s120中，利用所述采集设备采集所述局部坐标系下所述载体所在实时环境的第一单帧点云数据。
67.在该步骤中，利用安装于智能驾驶车辆的激光雷达逐帧采集车辆所在实时环境的点云数据，即第一单帧点云数据。激光雷达扫描车辆所在实时环境所识别的地物要素，如红绿灯杆、行人车辆等位于地面以上属于非地面点，车道线信息等位于地面属于地面点。得到的扫描数据以点的形式记录，每个点云数据包括三维坐标、色彩信息(r,g,b)、物体反射面强度。
68.在步骤s130中，利用所述变换关系将所述第一单帧点云数据的坐标从所述局部坐标系转换到所述绝对坐标系。
69.在该步骤中，利用以激光雷达为坐标中心点的局部坐标系与绝对坐标系之间的变换关系，将第一单帧点云数据的坐标从局部坐标系转换到绝对坐标系。
70.在步骤s140中，利用算法建立平面模型。
71.在该步骤中，利用算法建立平面模型。可以是利用第一单帧点云数据，采用随机采样一致算法(ransac算法)计算第一单帧点云数据的数学模型参数以得到平面模型。
72.具体流程包括：
①
从第一单帧点云数据中随机选取非直线上的三个点，计算这三个点符合的数学模型参数；
②
将数学模型参数对应的平面模型应用于所有第一单帧点云数据，依据点云数据距离平面模型的阈值分出平面模型的内点和外点；
③
从内点中随机选取非直线上的三个点，计算这个三个点符合的数学模型参数，并将数学模型参数对应的平面模型应用于所有内点并重新分离出内点和外点；
④
重复步骤
③
直到内外点无明显变化，且所有外点到平面模型的距离残差最小；
⑤
重复步骤
①
至
④
，选取一个最优的数学模型参数作为最终的平面模型。
73.在步骤s150中，根据所述平面模型和所述采集设备的高程精度将所述第一单帧点云数据滤波。
74.在该步骤中，根据平面模型和激光雷达的高程精度将第一单帧点云数据滤波。具体地，计算第一单帧点云数据距离平面模型的距离d1。当距离d1小于高程精度的负数值时，将第一单帧点云数据标记为噪声点。当距离d1大于高程精度时，将第一单帧点云数据标记为非地面点。当距离d1大于等于高程精度的负数值并且小于等于高程精度时，将第一单帧点云数据标记为地面点。
75.根据本发明实施例，利用第一单帧点云数据，采用随机采样一致算法(ransac算法)计算第一单帧点云数据的数学模型参数以得到平面模型。根据平面模型和激光雷达的高程精度将第一单帧点云数据滤波。将第一单帧点云数据滤波分类为地面点、非地面点和噪声点，提高了地面滤波方法处理第一单帧点云数据的抗噪性能。通过建立平面模型对不同种类和/或不同安装方式的激光雷达采集的第一单帧点云数据进行地面滤波，不需要多参数阈值的设置，提高了地面滤波方法处理第一单帧点云数据的实时性和鲁棒性。
76.图2是本发明的一个实施例的地面滤波方法的流程示意图。图3是本发明的一个实施例的采集设备的标定方法的流程示意图。下面结合图3中采集设备的标定方法详细说明本发明实施例的地面滤波方法。具体包括以下步骤：
77.在步骤s210中，对安装在载体上的采集设备进行标定，获取以所述采集设备为中心点坐标的局部坐标系和绝对坐标系之间的变换关系。
78.在该步骤中，根据图3所示的采集设备的标定方法对安装在驾驶车辆上的激光雷达进行标定以获取激光雷达的待标定外参。
79.具体地，在步骤s310中，建立三维标定场和三维标定场中以激光雷达为中心点坐标的局部坐标系和绝对坐标系之间的变换关系的目标法方程组，并在三维标定场内架设高低错落有致、分布均匀的多个高反光片作为多个控制点。
80.局部坐标系和绝对坐标系之间的变换关系的目标法方程组为：
[0081][0082]
其中，是控制点在局部坐标系下的第二坐标，是控制点在绝对坐标系下的第一坐标，是组合导航设备采集的实时动态位姿信息，是组合导航设备的旋转矩阵，是组合导航设备在绝对坐标系下的坐标，和是激光雷达的待标定外参。具体的，是组合导航设备与激光雷达在绝对坐标系下的坐标的偏移量，是激光雷达的旋转矩阵。
[0083]
激光雷达的待标定外参
[0084]
[0085]
其中，是需要解算的未知参数。
[0086]
在步骤s320中，使用实时差分定位方法(rtk)测量绝对坐标系下多个控制点的第一坐标。
[0087]
在步骤s330中，在三维标定场中按照预设路线，利用雷达设备采集以雷达设备为坐标中心点的局部坐标系下驾驶车辆所在实时环境的第三单帧点云数据，以及利用驾驶车辆上搭载的组合导航设备采集实时动态位姿信息。实时动态位姿信息可以包括组合导航设备的旋转矩阵和组合导航设备在绝对坐标系下的坐标。
[0088]
在步骤s340中，采用veloview播放激光雷达采集的第三单帧点云数据的原始数据包，人工从中选取该多个控制点以获取该多个控制点在以激光雷达为中心点坐标的局部坐标系下的第二坐标。绝对坐标系下多个控制点的第一坐标和局部坐标系下的多个控制点的第二坐标形成一一对应的坐标点对。
[0089]
在步骤s350中，根据所述多个控制点的所述第一坐标、所述第二坐标、所述位姿信息，采用最小二乘算法求解所述目标法方程组以得到所述激光雷达的待标定外参。
[0090]
在步骤s360中，基于激光雷达的待标定外参和目标法方程组即公式(1)，得到以激光雷达为中心点坐标的局部坐标系和绝对坐标系之间的变换关系。以激光雷达为中心点坐标的局部坐标系和绝对坐标系之间的变换关系的法方程组为：
[0091][0092]
其中，是点云数据在以激光雷达为中心点坐标的局部坐标系下的坐标，是点云数据在绝对坐标系下的坐标，是组合导航设备采集的实时动态位姿信息，是组合导航设备的旋转矩阵，是组合导航设备在绝对坐标系下的坐标，是步骤s350中标定的激光雷达的外参。
[0093]
在步骤s220中，利用所述采集设备采集所述局部坐标系下所述载体所在实时环境的第一单帧点云数据。
[0094]
步骤220与图1中的步骤s120一致，这里就不再赘述。
[0095]
在步骤s230中，利用所述变换关系将所述第一单帧点云数据的坐标从所述局部坐
标系转换到所述绝对坐标系。
[0096]
在该步骤中，利用公式(3)将第一单帧点云数据的坐标从局部坐标系转换到绝对坐标系。
[0097]
在步骤s240中，获取安装在所述载体上的所述采集设备距离地面的第一高度。
[0098]
在该步骤中，激光雷达可以安装在驾驶车辆的顶部，测量激光雷达在驾驶车辆上架设安装好后，激光雷达距离地面的第一高度h1。
[0099]
在步骤s250中，利用所述变换关系将所述采集设备的坐标从所述局部坐标系转换到所述绝对坐标系。
[0100]
在该步骤中，利用公式(3)将激光雷达的坐标(0,0,0)从局部坐标系转换到绝对坐标系，获取激光雷达在真实世界中的位置坐标
[0101]
在步骤s260中，根据所述第一高度和所述采集设备在所述绝对坐标系的坐标，计算在所述绝对坐标系下地面的第二高度。
[0102]
在该步骤中，根据第一高度h1和激光雷达在绝对坐标系的坐标计算在绝对坐标系下地面的第二高度
[0103]
在步骤s270中，根据所述第二高度和第一阈值，对所述第一单帧点云数据滤波以获取第二单帧点云数据。
[0104]
在该步骤中，根据第二高度h2和第一阈值l，对第一单帧点云数据滤波以获取第二单帧点云数据。第一阈值l可以人工设置，例如为0.5米。对第一单帧点云数据进行滤波，获取距离地面高度范围为内的点云数据，得到第二单帧点云数据。
[0105]
在步骤s280中，利用算法建立平面模型。
[0106]
在该步骤中，利用算法建立平面模型。可以是利用第二单帧点云数据，采用随机采样一致算法(ransac算法)计算第二单帧点云数据的数学模型参数以得到平面模型。
[0107]
具体流程包括：
①
从第二单帧点云数据中随机选取非直线上的三个点，计算这三个点符合的数学模型参数；
②
将数学模型参数对应的平面模型应用于所有第二单帧点云数据，依据点云数据距离平面模型的阈值分出平面模型的内点和外点；
③
从内点中随机选取非直线上的三个点，计算这个三个点符合的数学模型参数，并将数学模型参数对应的平面模型应用于所有内点并重新分离出内点和外点；
④
重复步骤
③
直到内外点无明显变化，且所有外点到平面模型的距离残差最小；
⑤
重复步骤
①
至
④
，选取一个最优的数学模型参数作为最终的平面模型。
[0108]
在步骤s290中，根据所述平面模型和所述采集设备的高程精度将所述第二单帧点云数据滤波。
[0109]
在该步骤中，根据平面模型和激光雷达的高程精度将第二单帧点云数据滤波。具体地，计算第二单帧点云数据距离平面模型的距离d2。当距离d2小于高程精度的负数值时，将第二单帧点云数据标记为噪声点。当距离d2大于高程精度时，将第二单帧点云数据标记为非地面点。当距离d2大于等于高程精度的负数值并且小于等于高程精度时，将第二单帧点云数据标记为地面点。
[0110]
重复步骤s220至步骤s290，实时处理每帧点云数据，实现地面滤波处理激光雷达
采集的驾驶车辆实时周围环境的点云数据进而为智能驾驶提供决策。
[0111]
根据本发明实施例，测量激光雷达在驾驶车辆上架设安装好后，激光雷达距离地面的第一高度。根据第一高度和激光雷达在绝对坐标系的坐标，计算在绝对坐标系下地面的第二高度。根据第二高度和第一阈值，对第一单帧点云数据滤波以获取第二单帧点云数据。利用第二单帧点云数据，采用随机采样一致算法(ransac算法)计算第二单帧点云数据的数学模型参数以得到平面模型。根据平面模型和激光雷达的高程精度将第二单帧点云数据滤波。对第一单帧点云数据滤波以获取第二单帧点云数据减小了后续根据平面模型和激光雷达的高程精度将第二单帧点云数据滤波的计算量，进一步提高了地面滤波方法处理第一单帧点云数据的实时性。
[0112]
另外，建立三维标定场中以激光雷达为中心点坐标的局部坐标系和绝对坐标系之间的变换关系的目标法方程组。三维标定场中绝对坐标系下多个控制点的第一坐标和局部坐标系下的多个控制点的第二坐标形成一一对应的坐标点对。根据多个控制点的第一坐标、第二坐标、位姿信息，采用最小二乘算法求解目标法方程组以得到激光雷达的待标定外参。基于激光雷达的标定外参和目标法方程组，得到以激光雷达为中心点坐标的局部坐标系和绝对坐标系之间的变换关系。采用本发明实施例中激光雷达的外参标定方法标定激光雷达的待标定外参，提高了标定的激光雷达的外参的准确性，进而提高了利用车载激光雷达扫描驾驶车辆周围实时环境的准确性。
[0113]
图4是本发明的一个实施例的地面滤波装置的结构示意图。本申请实施例的地面滤波装置应用于智能驾驶技术中。如图4所示，该地面滤波装置包括：标定单元410、采集单元420、第一坐标变换单元430、建立单元440和第一滤波单元450。
[0114]
标定单元410，被配置为执行对安装在驾驶车辆上的激光雷达进行标定，获取以激光雷达为中心点坐标的局部坐标系和绝对坐标系之间的变换关系。
[0115]
采集单元420，被配置为执行利用激光雷达采集局部坐标系下驾驶车辆所在实时环境的第一单帧点云数据。
[0116]
第一坐标变换单元430，被配置为执行利用变换关系将第一单帧点云数据的坐标从局部坐标系转换到绝对坐标系。
[0117]
建立单元440，被配置为执行利用算法建立平面模型。可以是利用第一单帧点云数据，采用随机采样一致算法(ransac算法)计算第一单帧点云数据的数学模型参数以得到平面模型。
[0118]
第一滤波单元450，被配置为执行根据平面模型和激光雷达的高程精度将第一单帧点云数据滤波。
[0119]
图5是本发明的一个实施例的地面滤波装置的结构示意图。如图5所示，该地面滤波装置包括：标定单元510、采集单元520、第一坐标变换单元530、获取单元540、第二坐标变换单元550、计算单元560、第二滤波单元570、建立单元580和第一滤波单元590。
[0120]
标定单元510，被配置为执行对安装在驾驶车辆上的激光雷达进行标定，获取以激光雷达为中心点坐标的局部坐标系和绝对坐标系之间的变换关系。
[0121]
具体地，建立三维标定场中局部坐标系和绝对坐标系之间的变换关系的目标法方程组，并在三维标定场内设置多个控制点。使用实时差分定位方法(rtk)测量绝对坐标系下多个控制点的第一坐标。在三维标定场中按照预设路线，利用激光雷达采集局部坐标系下
驾驶车辆所在实时环境的第三单帧点云数据。利用组合导航设备采集实时动态位姿信息。从第三单帧点云数据中选取该多个控制点以获取该多个控制点在局部坐标系下的第二坐标。根据多个控制点的第一坐标、第二坐标、位姿信息，采用最小二乘算法求解目标法方程组以得到激光雷达的待标定外参。基于激光雷达的待标定外参和目标法方程组，得到局部坐标系和绝对坐标系之间的变换关系。
[0122]
采集单元520，被配置为执行利用激光雷达采集局部坐标系下驾驶车辆所在实时环境的第一单帧点云数据。
[0123]
第一坐标变换单元530，被配置为执行利用变换关系将第一单帧点云数据的坐标从局部坐标系转换到绝对坐标系。
[0124]
获取单元540，被配置为执行获取安装在驾驶车辆上的激光雷达距离地面的第一高度。
[0125]
第二坐标变换单元550，被配置为执行利用变换关系将激光雷达的坐标从局部坐标系转换到绝对坐标系。
[0126]
计算单元560，被配置为执行根据第一高度和激光雷达在绝对坐标系的坐标，计算在绝对坐标系下地面的第二高度。
[0127]
第二滤波单元570，被配置为执行根据第二高度和第一阈值，对第一单帧点云数据滤波以获取第二单帧点云数据。
[0128]
建立单元580，被配置为执行利用算法建立平面模型。可以是利用第二单帧点云数据，采用随机采样一致算法(ransac算法)计算第二单帧点云数据的数学模型参数以得到平面模型。
[0129]
第一滤波单元590，被配置为执行根据平面模型和采集设备的高程精度将第一单帧点云数据滤波。
[0130]
图6根据本发明实施例的地面滤波控制装置的结构图。图6示出的设备仅仅是一个示例，不应对本发明实施例的功能和使用范围构成任何限制。
[0131]
参考图6，该装置包括通过总线连接的处理器610、存储器620和输入输出设备630。存储器620包括只读存储器(rom)和随机访问存储器(ram)，存储器620内存储有执行系统功能所需的各种计算机指令和数据，处理器610从存储器620中读取各种计算机指令以执行各种适当的动作和处理。输入输出设备包括键盘、鼠标等的输入部分；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分；包括硬盘等的存储部分；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分。存储器620还存储有计算机指令以完成本发明实施例的地面滤波方法规定的操作。
[0132]
相应地，本发明实施例提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机指令，所述计算机指令被执行时实现上述地面滤波方法所规定的操作。
[0133]
相应地，本发明实施例还提供了一种计算机程序产品，包括计算机程序，所述计算机程序包括程序指令，当所述程序指令被移动终端执行时，使所述移动终端执行上述地面滤波方法的步骤。
[0134]
附图中的流程图、框图图示了本发明实施例的系统、方法、装置的可能的体系框架、功能和操作，流程图和框图上的方框可以代表一个模块、程序段或仅仅是一段代码，所述模块、程序段和代码都是用来实现规定逻辑功能的可执行指令。也应当注意，所述实现规
定逻辑功能的可执行指令可以重新组合，从而生成新的模块和程序段。因此附图的方框以及方框顺序只是用来更好的图示实施例的过程和步骤，而不应以此作为对发明本身的限制。
[0135]
以上所述仅为本发明的一些实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。