柱状物体的点云提取方法及装置的制造方法
【技术领域】
[0001]本发明实施例涉及点云数据处理技术，尤其涉及一种柱状物体的点云提取方法及
目.0
【背景技术】
[0002]三维高精地图被工业界和学术界公认为下一代数字地图的主要发展方向，是实现汽车自动驾驶和辅助驾驶的前提条件，为自动驾驶汽车进行精确定位和正确决策提供主要依据。三维高精地图的一个重要环节为从道路点云中识别出柱状物，其中，柱状物为包含有柱子的物体，如红绿灯、路标等。
[0003]现有技术通过空间区域生长获取柱状物点云，判断柱状物点云的形状是否与预定义的柱状物形状相符，如果相符则识别出柱状物点云。
[0004]然而，在进行空间区域生长时，如果柱状物体与其他物体(如树冠、隔离带、护栏等)粘连，则获取的柱状物点云除了包含柱状物本体的点云还包含有粘连的其他物体的点云，导致柱状物识别失败，柱状物的识别效率低。
【发明内容】
[0005]本发明提供一种柱状物体的点云提取方法及装置，以实现对道路点云中的柱状物进行有效识别，提高柱状物的识别效率。
[0006]第一方面，本发明实施例提供了一种柱状物体的点云提取方法，包括:
[0007]将采集的单帧点云合并为密集点云集合；
[0008]从所述密集点云集合中查找预设方向上的线型点云块；
[0009]对所述线型点云块切片，得到片点云；
[0010]从所述片点云中查找周围为空白空间的至少一个候选片点云；
[0011 ]根据所述至少一个候选片点云确定至少一个柱状物点云；
[0012]根据预设柱状物模型对所述至少一个柱状物点云进行识别。
[0013]第二方面，本发明实施例还提供了一种柱状物体的点云提取装置，包括:
[0014]密集点云合成单元，用于将采集的单帧点云合并为密集点云集合；
[0015]线型点云块查找单元，用于从所述密集点云合成单元生成的所述密集点云集合中查找预设方向上的线型点云块；
[0016]切片单元，用于对所述线型点云块查找单元查找到的所述线型点云块切片，得到片点云；
[0017]候选片点云查找单元，用于从所述切片单元得到的所述片点云中查找周围为空白空间的至少一个候选片点云；
[0018]柱状物点云确定单元，用于根据所述候选片点云查找单元查找到的所述至少一个候选片点云确定至少一个柱状物点云；
[0019]识别单元，用于根据预设柱状物模型对所述柱状物点云确定单元确定的所述至少一个柱状物点云进行识别。
[0020]本发明能够将采集的单帧点云合并为密集点云集合并从密集点云集合中查找预设方向上的线型点云块，然后通过对线型点云的片点云进行分析，得到周围为空白空间的片点云，最后根据片点云查找出相应的柱状物点云。通过对片点云进行分析，得到柱状物的各个片点云与其他物体的粘连情况，进而得到柱状物点云与其他物体的粘连情况，达到识别出与其他物体粘连的柱状物点云的效果。现有技术中空间区域生长算法会将粘连的其他物体与柱状物一通识别为柱状物点云，无法区分识别柱状物是否粘连有其他物体，进而无法对粘连有其他物体的柱状物进行识别。尤其是在高速公路和林荫路的道路场景下，由于高速公路上的柱状物体通常粘连防护栏，林荫路的柱状物体通常粘连树冠，导致柱状物体基本无法被识别。本发明能够从道路点云中识别出与其他物体粘连的柱状物，提高柱状物的识别效率，进而提高高速公路和林荫路中的柱状物体的识别效率。
【附图说明】
[0021]图1为本发明实施例一中的柱状物体的点云提取方法的流程图；
[0022I图2是本发明实施例一中的三维坐标系的示意图；
[0023]图3是本发明实施例二中的柱状物体的点云提取方法的流程图；
[0024]图4是本发明实施例三中的柱状物体的点云提取方法的流程图；
[0025]图5是本发明实施例四中的柱状物体的点云提取方法的流程图；
[0026]图6是本发明实施例五中的柱状物体的点云提取装置的结构示意图。
【具体实施方式】
[0027]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。
[0028]实施例一
[0029]图1为本发明实施例一提供的柱状物体的点云提取方法的流程图，本实施例可适用于从道路点云中提取柱状物点云的情况，该方法可以由用于进行柱状物点云提取的终端来执行，该终端可以为服务器、个人电脑、笔记本电脑、平板电脑、汽车中控台、智能手机或智能可穿戴设备等，该方法包括:
[0030]S110、将采集的单帧点云合并为密集点云集合。
[0031]激光点云采集设备每隔预设时长(如0.1或I秒)获取一个单帧点云。由人工或机器判断出柱状物可能存在的道路区间，并将该道路区间对应的多个单帧点云进行合并，合并时，将任意两相邻时间点对应的两个相邻单帧点云进行拼接，进而生成密集点云集合。
[0032]S120、从密集点云集合中查找预设方向上的线型点云块。
[0033]预设方向为待提取柱状物的杆体的轴向方向。在一种实现方式中，如图2所示的坐标系，该坐标系由X轴、y轴和Z轴组成，其中X轴表示地面上的东方向，y轴表示地面上的北方向，z轴表示垂直地面的方向。如果待提取柱状物垂直设置于地面上，则预设方向为与地面垂直的方向，即z轴方向。
[0034]可通过主成分分析(Principal Component Analysis，PCA)算法，从密集点云集合中查找线型点云块。线型点云块为具有线型特征的空间点集合。主成分分析算法可从密集点云集合中找到具有线特征、面特征和体提特征的空间点集合。
[0035]S130、对线型点云块切片，得到片点云。
[0036]在一种实现方式中，在预设方向的垂直方向切片。例如，在图2所示的坐标系中，如果待提取柱状物直设置于地面上，则在X轴、y轴组成的平面中的取任意直线作为切割线进行切片。切片时每个预设高度进行一次切片，预设高度为5?30厘米，优选为20厘米。示例性的，假设线型点云块的高度为2米，按照每20厘米进行一次切片，得到10个切片。
[0037]S140、从片点云中查找周围为空白空间的至少一个候选片点云。
[0038]首先判断片点云占用的空间范围是否小于等于杆体占用的空间阈值(如以40厘米为半径的圆)。如果大于杆体占用的空间阈值，则滤除该片点云。如果小于等于杆体占用的空间阈值，则进一步判断杆体边缘以外的预设空间内是否为空白空间，其中，空白空间指没有激光点云或者等同于没有激光点云(如只有极少空间点，如I个或2个空间点时，可认为等同于没有激光点云)的空间，预设空间可根据实际使用需求确定，此处不做限定。示例性的，预设空间的高度与切片得到的片点云的高度相同，且预设空间的水平界面为一环形，该环形的内径为40厘米，外径为60厘米。
[0039]S150、根据至少一个候选片点云确定至少一个柱状物点云。
[0040]对任意线型点云块进行切片后，可得到至少一个候选片点云。将候选片点云进行组合，得到柱状物点云。当存在多个线型点云块时，得到多个柱状物点云。组合时，将位于相同投影区域的片点云进行合并。示例性地，在图2中，X轴和y轴组成的平面(简称为xy平面)为投影平面，如果两个候选片点云在xy平面上上的投影位于相同区域，则可将两个候选片点云进行合并。
[0041]S160、根据预设柱状物模型对至少一个柱状物点云进行识别。
[0042]根据柱状物点云确定柱状物点云的特征信息，特征信息可以为转动惯量、旋转图像以及最小包围盒等。将柱状物点云的特征信息带入到预设柱状物模型中进行识别，将柱状物点云与已知的柱状物进行匹配。
[0043]预设柱状物模型可以为下述模型中的任意一种:支持向量机(SupportVectorMachine，SVM)、随机森林(RandomForest)、决策树((Decis1n Tree)。
[0044]本实施例提供的技术方案能够将采集的单帧点云合并为密集点云集合并从密集点云集合中查找预设方向上的线型点云块，然后通过对线型点云的片点云进行分析，得到周围为空白空间的片点云，最后根据片点云查找出相应的柱状物点云。通过对片点云进行分析，得到柱状物的各个片点云与其他物体的粘连情况，进而得到柱状物点云与其他物体的粘连情况，达到识别出与其他物体粘连的柱状物点云的效果。现有技术中空间区域生长算法会将粘连的其他物体与柱状物一通识别为柱状物点云，无法区分识别柱状物是否粘连有其他物体，进而无法对粘连有其他物体的柱状物进行识别。尤其是在高速公路和林荫路的道路场景下，由于高速公路上的柱状物体通常粘连防护栏，林荫路的柱状物体通常粘连树冠，导致柱状物体基本无法被识别。本实施例能够从道路点云中识别出与其他物体粘连的柱状物，提高柱状物的识别效率，进而提高高速公路和林荫路中的柱状物体的识别效率。
[0045]实施例二
[0046