点云分割方法及装置与流程

1.本公开涉及自动驾驶技术领域，尤其涉及一种点云分割方法及装置。


背景技术：

2.目前，在自动驾驶领域中，车辆需要对周边区域进行三维重建，确定周边区域中对象的三维信息以及位置等，进而规避障碍物对象或者指导车辆行驶。其中，在进行三维重建之前，需要扫描周边区域得到点云数据，对点云数据进行分割以将不同类型的对象对应的点云数据彼此分割开，以便对各个对象分别进行点云建模，确定其三维信息以及位置等。
3.相关技术中的点云分割算法例如，基于点的方法或者基于体素的方法。其中，基于点的方法，由于点云数据的不规则性，搜索临近点的计算量大，耗时长。基于体素的方法，若要获得高分辨率的分割结果，体素的尺寸需要很小，计算量大，耗时长。


技术实现要素：

4.本公开提供一种点云分割方法及装置。
5.根据本公开实施例的第一方面，提供一种点云分割方法，所述方法包括：获取目标点云数据，其中，所述目标点云数据为激光线束对车辆周围的目标对象进行扫描得到的数据；对所述目标点云数据进行圆柱体体素划分以及特征提取，获取所述目标点云数据的第一点云特征；对所述目标点云数据进行点云特征提取，获取所述目标点云数据的第二点云特征；根据所述第一点云特征和所述第二点云特征，确定所述目标点云数据的点云分割结果。
6.在本公开的一个实施例中，所述对所述目标点云数据进行圆柱体体素划分以及特征提取，获取所述目标点云数据的第一点云特征，包括：对所述目标点云数据进行坐标系转换，得到圆柱体坐标系下的第一点云数据；对所述第一点云数据进行体素划分，得到多个体素；其中，所述体素为扇环柱体体素，所述扇环柱体体素的上底面和下底面为扇环形；根据多个所述体素内的局部点云数据，确定多个所述体素的体素特征；根据多个所述体素的体素特征以及所述第一点云数据，确定所述第一点云特征。
7.在本公开的一个实施例中，所述根据多个所述体素内的局部点云数据，确定多个所述体素的体素特征，包括：针对每个体素，根据所述第一点云数据中位于所述体素内的局部点云数据，确定所述体素的体素数据；对多个所述体素的体素数据进行体素特征提取处理，得到多个所述体素的体素特征。
8.在本公开的一个实施例中，所述根据多个所述体素的体素特征以及所述第一点云数据，确定所述第一点云特征，包括：确定多个所述体素的中心点坐标信息；针对所述第一点云数据中的每个点，根据所述点的多个周边体素的中心点坐标信息、多个所述周边体素的体素特征、以及所述第一点云数据中所述点的坐标信息，确定所述点的点特征；根据多个所述点的点特征，以及所述目标点云数据中多个所述点的点数据，确定所述第一点云特征。
9.在本公开的一个实施例中，所述针对所述第一点云数据中的每个点，根据所述点
的多个周边体素的中心点坐标信息、多个所述周边体素的体素特征、以及所述第一点云数据中所述点的坐标信息，确定所述点的点特征，包括：针对所述第一点云数据中的每个点，根据所述点的多个周边体素的中心点坐标信息，以及所述第一点云数据中所述点的坐标信息，确定多个周边体素的体素特征的权重；根据多个所述周边体素的体素特征以及对应的权重，确定所述点的点特征。
10.在本公开的一个实施例中，所述根据所述第一点云特征和所述第二点云特征，确定所述目标点云数据的点云分割结果，包括：对所述第一点云特征和所述第二点云特征进行拼接处理，得到拼接点云特征；确定所述拼接点云特征中点特征的各个维度的权重；根据各个所述维度的权重，对所述拼接点云特征中点特征的相应维度特征进行加权处理，得到处理后点云特征；对所述处理后点云特征进行分类处理，获取所述目标点云数据中各个点的分类结果；根据所述目标点云数据中各个点的分类结果，确定所述点云分割结果。
11.根据本公开实施例的第二方面，还提供一种点云分割装置，所述装置包括：获取模块，用于获取目标点云数据，其中，所述目标点云数据为激光线束对车辆周围的目标对象进行扫描得到的数据；第一处理模块，用于对所述目标点云数据进行圆柱体体素划分以及特征提取，获取所述目标点云数据的第一点云特征；第二处理模块，用于对所述目标点云数据进行点云特征提取，获取所述目标点云数据的第二点云特征；确定模块，用于根据所述第一点云特征和所述第二点云特征，确定所述目标点云数据的点云分割结果。
12.在本公开的一个实施例中，所述第一处理模块包括：转换单元、划分单元、第一确定单元和第二确定单元；所述转换单元，用于对所述目标点云数据进行坐标系转换，得到圆柱体坐标系下的第一点云数据；所述划分单元，用于对所述第一点云数据进行体素划分，得到多个体素；其中，所述体素为扇环柱体体素，所述扇环柱体体素的上底面和下底面为扇环形；所述第一确定单元，用于根据多个所述体素内的局部点云数据，确定多个所述体素的体素特征；所述第二确定单元，用于根据多个所述体素的体素特征以及所述第一点云数据，确定所述第一点云特征。
13.在本公开的一个实施例中，所述第一确定单元具体用于，针对每个体素，根据所述第一点云数据中位于所述体素内的局部点云数据，确定所述体素的体素数据；对多个所述体素的体素数据进行体素特征提取处理，得到多个所述体素的体素特征。
14.在本公开的一个实施例中，所述第二确定单元具体用于，确定多个所述体素的中心点坐标信息；针对所述第一点云数据中的每个点，根据所述点的多个周边体素的中心点坐标信息、多个所述周边体素的体素特征、以及所述第一点云数据中所述点的坐标信息，确定所述点的点特征；根据多个所述点的点特征，以及所述目标点云数据中多个所述点的点数据，确定所述第一点云特征。
15.在本公开的一个实施例中，所述第二确定单元具体用于，针对所述第一点云数据中的每个点，根据所述点的多个周边体素的中心点坐标信息，以及所述第一点云数据中所述点的坐标信息，确定多个周边体素的体素特征的权重；根据多个所述周边体素的体素特征以及对应的权重，确定所述点的点特征。
16.在本公开的一个实施例中，所述确定模块具体用于，对所述第一点云特征和所述第二点云特征进行拼接处理，得到拼接点云特征；确定所述拼接点云特征中点特征的各个维度的权重；根据各个所述维度的权重，对所述拼接点云特征中点特征的相应维度特征进
行加权处理，得到处理后点云特征；对所述处理后点云特征进行分类处理，获取所述目标点云数据中各个点的分类结果；根据所述目标点云数据中各个点的分类结果，确定所述点云分割结果。
17.根据本公开实施例的第三方面，还提供一种车辆，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：实现如上所述的点云分割方法的步骤。
18.根据本公开实施例的第四方面，还提供一种电子设备，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所述指令，以实现如上所述的点云分割方法。
19.根据本公开实施例的第五方面，还提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器执行时，使得处理器能够执行如上所述的点云分割方法。
20.本公开的实施例提供的技术方案至少带来以下有益效果：通过获取目标点云数据，其中，目标点云数据为激光线束对车辆周围的目标对象进行扫描得到的数据；对目标点云数据进行圆柱体体素划分以及特征提取，获取目标点云数据的第一点云特征；对目标点云数据进行点云特征提取，获取目标点云数据的第二点云特征；根据第一点云特征和第二点云特征，确定目标点云数据的点云分割结果，从而能够结合基于体素划分确定得到的第一点云特征和进行点云特征提取得到的第二点云特征，确定点云分割结果，对体素尺寸的要求不高且点云越稀疏的地方体素尺寸越大，在确保点云分割准确度的情况下，大大减少计算量，缩短计算耗时。
21.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
22.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。
23.图1为本公开一个实施例的点云分割方法的流程图；图2为本公开另一个实施例的点云分割方法的流程图；图3为本公开另一个实施例的点云分割方法的流程图；图4为本公开一个实施例的点云分割装置的结构示意图；图5为根据本公开一示例性实施例示出的一种电子设备的结构框图；图6为本公开一示例性实施例示出的一种车辆的功能框图示意图。
具体实施方式
24.为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
25.需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相
一致的所有实施方式。
26.图1为本公开一个实施例的点云分割方法的流程图。其中，需要说明的是，本实施例的点云分割方法由点云分割装置执行，该点云分割装置可以由软件和/或硬件实现，该点云分割装置可以配置在电子设备中或者配置在车辆中，该电子设备可以包括移动终端（如手机）、平板电脑等终端设备、或者服务器等。以下以执行主体为电子设备为例进行说明。
27.如图1所示，该方法包括以下步骤：步骤101，获取目标点云数据，其中，目标点云数据为激光线束对车辆周围的目标对象进行扫描得到的数据。
28.在本公开实施例中，车辆在行驶过程中，可以采用激光线束实时对周围的目标对象进行扫描。其中，每个时间点扫描得到的数据为一帧点云数据，进而得到多帧点云数据。本技术中的目标点云数据指的是一帧点云数据。其中，目标对象例如，地面、建筑物、树木、车辆、标志牌等。
29.在本公开实施例中，目标点云数据中可以包括多个点的点数据，其中，点数据可以包括以下参数中的至少一种：坐标信息、反射率、激光线的序列号、激光线扫描得到的第几个点。其中，坐标信息为点在车体坐标系下的坐标信息。车体坐标系可以以车辆的后轴中心线与地面的交叉点为原点，朝向车辆右侧的方向为x轴正向，朝向车辆前侧的方向为y轴正向，朝向车辆上方的方向为z轴正向。因此，坐标信息可以包括相对于坐标原点的x轴坐标、y轴坐标和z轴坐标。
30.其中，反射率为激光线投射到对象表面后，对象表面对激光线的反射率。激光线的序列号，指的是激光线束中对该点进行扫描的激光线的编号。其中，激光线束中例如可以包括128根线，编号分别为0至127。
31.步骤102，对目标点云数据进行圆柱体体素划分以及特征提取，获取目标点云数据的第一点云特征。
32.在本公开实施例中，可以对车体坐标系下的目标点云数据进行坐标系转换，得到圆柱体坐标系下的第一点云数据，进而进行体素划分、体素特征提取以及点特征提取，以得到第一点云特征。
33.其中，圆柱体坐标系，可以以车辆的后轴中心线与地面的交叉点为原点，设置有以圆心为起点的参考线，该参考线沿z轴正负方向扩展，得到参考面，该参考面通过圆柱体坐标系的轴心；以点至原点的距离为半径，以点与原点的连线与参考面的夹角为角度，以点在z轴上的投影至原点的距离为z值。因此，圆柱体坐标系下的坐标信息可以包括：相对于原点的半径、角度以及z轴坐标。
34.在本公开实施例中，对圆柱体坐标系下的第一点云数据进行体素划分，得到的体素为扇环柱体体素，扇环柱体体素的上底面和下底面为扇环形。其中，将空心圆环按照通过圆心的一个或者多个直线进行剪切，得到的局部区域，即为扇环形。其中，在圆柱体坐标系下，划分得到的多个扇环柱体体素，具有相同的轴心，即圆柱体坐标系的轴心。
35.其中，在目标点云数据中，基于激光线束对车辆周围的目标对象进行扫描的原理，距离车体坐标系的原点的距离越远，点云越稀疏；距离车体坐标系的原点的距离越近，点云越密集。而圆柱体坐标系中，划分得到的扇环柱体体素，距离原点的距离越远，扇环柱体体素的尺寸越大；距离原点的距离越近，扇环柱体体素的尺寸越小，从而能够对密集点云结合
尺寸较小的扇环柱体体素提取点云特征，对稀疏点云结合尺寸较大的扇环柱体体素提取点云特征，能够提高特征提取的准确度，且大大减少计算量，缩短计算耗时，提高计算准确度。
36.步骤103，对目标点云数据进行点云特征提取，获取目标点云数据的第二点云特征。
37.在本公开实施例中，可以将目标点云数据输入多层感知机（multilayer perceptron，mlp），获取mlp输出的第二点云特征。其中，mlp用于对目标点云数据中多个点的点数据进行特征提取处理，获取第二点云特征。其中，第二点云特征由多个点的点数据以及点特征组合而成。例如，点特征的维度数量可以为256维等；点的数量可以为30万等。
38.步骤104，根据第一点云特征和第二点云特征，确定目标点云数据的点云分割结果。
39.在本公开实施例中，电子设备可以对第一点云特征和第二点云特征进行拼接处理，得到拼接点云特征；根据拼接点云特征，确定目标点云数据中多个点的类别，进而确定点云分割结果。其中，类别例如，地面、建筑物、树木、车辆、标志牌等，可以根据实际需要进行设定，此处不做具体限定。
40.本公开实施例的点云分割方法，通过获取目标点云数据，其中，目标点云数据为激光线束对车辆周围的目标对象进行扫描得到的数据；对目标点云数据进行圆柱体体素划分以及特征提取，获取目标点云数据的第一点云特征；对目标点云数据进行点云特征提取，获取目标点云数据的第二点云特征；根据第一点云特征和第二点云特征，确定目标点云数据的点云分割结果，从而能够结合基于体素划分确定得到的第一点云特征和进行点云特征提取得到的第二点云特征，确定点云分割结果，对体素尺寸的要求不高且点云越稀疏的地方体素尺寸越大，在确保点云分割准确度的情况下，大大减少计算量，缩短计算耗时。
41.图2为本公开另一个实施例的点云分割方法的流程图。如图2所示，该方法包括以下步骤：步骤201，获取目标点云数据，其中，目标点云数据为激光线束对车辆周围的目标对象进行扫描得到的数据。
42.步骤202，对目标点云数据进行坐标系转换，得到圆柱体坐标系下的第一点云数据。
43.在本公开实施例中，目标点云数据为车体坐标系下的点云数据，电子设备可以基于车体坐标系至圆柱体坐标系的坐标转换矩阵，对目标点云数据中多个点的坐标信息进行转换处理，得到多个点在圆柱体坐标系下的坐标信息；结合多个点在圆柱体坐标系下的坐标信息以及多个点的其他点数据，确定圆柱体坐标系下的第一点云数据。
44.其中，第一点云数据中点的数量与目标点云数据中点的数量一致，且第一点云数据中的点与目标点云数据中的点一一对应。
45.步骤203，对第一点云数据进行体素划分，得到多个体素；其中，体素为扇环柱体体素，扇环柱体体素的上底面和下底面为扇环形。
46.在本公开实施例中，圆柱体坐标系下的坐标信息可以包括：相对于原点的半径、角度以及z轴坐标。圆柱体坐标系下的体素，可以采用半径范围、角度范围以及z轴坐标范围表示。也就是说，对应半径位于半径范围内，且对应角度位于角度范围内，且对应z轴坐标位于z轴坐标范围内的点，都是该体素内的点。
47.步骤204，根据多个体素内的局部点云数据，确定多个体素的体素特征。
48.在本公开实施例中，电子设备执行步骤204的过程例如可以为，针对每个体素，根据第一点云数据中位于所述体素内的局部点云数据，确定所述体素的体素数据；对多个体素的体素数据进行体素特征提取处理，得到多个体素的体素特征。
49.其中，以体素采用第一半径范围、第一角度范围以及第一z轴坐标范围表示为例，位于该体素内的局部点云数据中的点满足以下所有条件：该点的坐标信息中的半径位于该第一半径范围内，该点的坐标信息中的角度位于该第一角度范围内，该点的坐标信息中的z轴坐标位于该第一z轴坐标范围内。
50.其中，针对每个体素，电子设备根据第一点云数据中位于所述体素内的局部点云数据，确定所述体素的体素数据的过程例如可以为，对该局部点云数据中所有点的点数据进行加和取平均值，得到所述体素的体素数据。其中，以点的点数据中包括坐标信息和反射率为例，对该局部点云数据中所有点的坐标信息进行加和取平均值，得到所述体素的坐标信息；对该局部点云数据中所有点的反射率加和取平均值，得到所述体素的反射率；该体素的坐标信息和反射率的组合，为所述体素的体素数据。
51.其中，电子设备对多个体素的体素数据进行体素特征提取处理，得到多个体素的体素特征的过程例如可以为，将多个体素的体素数据输入预设的3d稀疏卷积网络，获取3d稀疏卷积网络输出的多个体素的体素特征。
52.步骤205，根据多个体素的体素特征以及第一点云数据，确定第一点云特征。
53.在本公开实施例中，电子设备执行步骤205的过程例如可以为，确定多个体素的中心点坐标信息；针对第一点云数据中的每个点，根据所述点的多个周边体素的中心点坐标信息、多个周边体素的体素特征、以及第一点云数据中所述点的坐标信息，确定所述点的点特征；根据多个点的点特征，以及目标点云数据中多个所述点的点数据，确定所述第一点云特征。
54.其中，针对第一点云数据中的每个点，电子设备可以基于三线性插值策略，根据所述点的多个周边体素的中心点坐标信息、多个周边体素的体素特征、以及第一点云数据中所述点的坐标信息，确定所述点的点特征。其中，结合三线性插值策略确定点的点特征的原理例如可以为，针对第一点云数据中的每个点，根据所述点的多个周边体素的中心点坐标信息，以及第一点云数据中所述点的坐标信息，确定多个周边体素的体素特征的权重；根据多个所述周边体素的体素特征以及对应的权重，确定所述点的点特征。
55.其中，根据多个周边体素的体素特征以及对应的权重，确定所述点的点特征的过程例如可以为，根据对应的权重，对多个周边体素的体素特征进行加权求和，得到所述点的点特征。其中，周边体素的体素特征的权重，可以与周边体素距离点的距离负相关，距离越大，权重越小；距离越小，权重越大。
56.其中，上述确定点的点特征的过程，能够针对同一个体素中的不同点，确定得到不同的点特征，进而提高点特征提取的准确度，提高第一点云特征的准确度，进而提高点云分割的准确度。
57.步骤206，对目标点云数据进行点云特征提取，获取目标点云数据的第二点云特征。
58.步骤207，根据第一点云特征和第二点云特征，确定目标点云数据的点云分割结
果。
59.其中，需要说明的是，步骤201、步骤206和步骤207的详细描述可以参考图1所示实施例中步骤101、步骤103和步骤104的相应描述，此处不再进行重复说明。
60.本公开实施例的点云分割方法，通过获取目标点云数据，其中，目标点云数据为激光线束对车辆周围的目标对象进行扫描得到的数据；对目标点云数据进行坐标系转换，得到圆柱体坐标系下的第一点云数据；对第一点云数据进行体素划分，得到多个体素；其中，体素为扇环柱体体素，扇环柱体体素的上底面和下底面为扇环形；根据多个体素内的局部点云数据，确定多个体素的体素特征；根据多个体素的体素特征以及第一点云数据，确定所述第一点云特征；对目标点云数据进行点云特征提取，获取目标点云数据的第二点云特征；根据第一点云特征和第二点云特征，确定目标点云数据的点云分割结果，从而能够结合基于体素划分确定得到的第一点云特征和进行点云特征提取得到的第二点云特征，确定点云分割结果，对体素尺寸的要求不高且点云越稀疏的地方体素尺寸越大，在确保点云分割准确度的情况下，大大减少计算量，缩短计算耗时。
61.图3为本公开另一个实施例的点云分割方法的流程图。如图3所示，该方法包括以下步骤：步骤301，获取目标点云数据，其中，目标点云数据为激光线束对车辆周围的目标对象进行扫描得到的数据。
62.步骤302，对目标点云数据进行圆柱体体素划分以及特征提取，获取目标点云数据的第一点云特征。
63.步骤303，对目标点云数据进行点云特征提取，获取目标点云数据的第二点云特征。
64.步骤304，对第一点云特征和第二点云特征进行拼接处理，得到拼接点云特征。
65.步骤305，确定拼接点云特征中点特征的各个维度的权重。
66.步骤306，根据各个维度的权重，对拼接点云特征中点特征的相应维度特征进行加权处理，得到处理后点云特征。
67.在本公开实施例中，电子设备可以将拼接点云特征输入注意力机制网络，获取注意力机制网络输出的处理后点云特征。
68.其中，通过确定拼接点云特征中点特征的各个维度的权重，能够减少其中非重要特征的权重，增加其中重要特征的权重，从而能够着重考虑其中的重要特征，避免非重要特征的干扰，进而确定目标点云数据中点的分类结果。
69.步骤307，对处理后点云特征进行分类处理，获取目标点云数据中各个点的分类结果。
70.步骤308，根据目标点云数据中各个点的分类结果，确定点云分割结果。
71.在本公开实施例中，点的分类结果可以包括：点属于各个类别的概率。针对每个点，根据该点属于各个类别的概率，可以确定该点所属的类别，进而确定点云分割结果。例如，将该点属于各个类别的概率中，最大概率对应的类别，作为该点所属的类别。
72.其中，按照目标点云数据中各个点所属的类别，按照类别对目标点云数据进行分割处理，可以得到目标点云数据中的各个对象的点云数据，即点云分割结果。根据点云分割结果，可以对各个对象分别进行建模，确定其三维信息以及位置等。
73.在本公开实施例中，电子设备可以将处理后点云特征输入全连接网络，获取全连接网络输出的各个点的分类结果。
74.需要说明的是，步骤301、步骤302和步骤303的详细描述可以参考图1所示实施例中步骤101、步骤102和步骤103的相应描述，此处不再进行重复说明。
75.本公开实施例的点云分割方法，通过获取目标点云数据，其中，目标点云数据为激光线束对车辆周围的目标对象进行扫描得到的数据；对目标点云数据进行圆柱体体素划分以及特征提取，获取目标点云数据的第一点云特征；对目标点云数据进行点云特征提取，获取目标点云数据的第二点云特征；对第一点云特征和第二点云特征进行拼接处理，得到拼接点云特征；确定拼接点云特征中点特征的各个维度的权重；根据各个维度的权重，对拼接点云特征中点特征的相应维度特征进行加权处理，得到处理后点云特征；对处理后点云特征进行分类处理，获取目标点云数据中各个点的分类结果；根据目标点云数据中各个点的分类结果，确定点云分割结果，从而能够结合基于体素划分确定得到的第一点云特征和进行点云特征提取得到的第二点云特征，确定点云分割结果，对体素尺寸的要求不高且点云越稀疏的地方体素尺寸越大，在确保点云分割准确度的情况下，大大减少计算量，缩短计算耗时。
76.图4为本公开一个实施例的点云分割装置的结构示意图。
77.如图4所示，该点云分割装置可以包括：获取模块401、第一处理模块402、第二处理模块403和确定模块404。
78.其中，获取模块401，用于获取目标点云数据，其中，所述目标点云数据为激光线束对车辆周围的目标对象进行扫描得到的数据；第一处理模块402，用于对所述目标点云数据进行圆柱体体素划分以及特征提取，获取所述目标点云数据的第一点云特征；第二处理模块403，用于对所述目标点云数据进行点云特征提取，获取所述目标点云数据的第二点云特征；确定模块404，用于根据所述第一点云特征和所述第二点云特征，确定所述目标点云数据的点云分割结果。
79.在本公开的一个实施例中，所述第一处理模块402包括：转换单元、划分单元、第一确定单元和第二确定单元；所述转换单元，用于对所述目标点云数据进行坐标系转换，得到圆柱体坐标系下的第一点云数据；所述划分单元，用于对所述第一点云数据进行体素划分，得到多个体素；其中，所述体素为扇环柱体体素，所述扇环柱体体素的上底面和下底面为扇环形；所述第一确定单元，用于根据多个所述体素内的局部点云数据，确定多个所述体素的体素特征；所述第二确定单元，用于根据多个所述体素的体素特征以及所述第一点云数据，确定所述第一点云特征。
80.在本公开的一个实施例中，所述第一确定单元具体用于，针对每个体素，根据所述第一点云数据中位于所述体素内的局部点云数据，确定所述体素的体素数据；对多个所述体素的体素数据进行体素特征提取处理，得到多个所述体素的体素特征。
81.在本公开的一个实施例中，所述第二确定单元具体用于，确定多个所述体素的中心点坐标信息；针对所述第一点云数据中的每个点，根据所述点的多个周边体素的中心点坐标信息、多个所述周边体素的体素特征、以及所述第一点云数据中所述点的坐标信息，确
定所述点的点特征；根据多个所述点的点特征，以及所述目标点云数据中多个所述点的点数据，确定所述第一点云特征。
82.在本公开的一个实施例中，所述第二确定单元具体用于，针对所述第一点云数据中的每个点，根据所述点的多个周边体素的中心点坐标信息，以及所述第一点云数据中所述点的坐标信息，确定多个周边体素的体素特征的权重；根据多个所述周边体素的体素特征以及对应的权重，确定所述点的点特征。
83.在本公开的一个实施例中，所述确定模块404具体用于，对所述第一点云特征和所述第二点云特征进行拼接处理，得到拼接点云特征；确定所述拼接点云特征中点特征的各个维度的权重；根据各个所述维度的权重，对所述拼接点云特征中点特征的相应维度特征进行加权处理，得到处理后点云特征；对所述处理后点云特征进行分类处理，获取所述目标点云数据中各个点的分类结果；根据所述目标点云数据中各个点的分类结果，确定所述点云分割结果。
84.本公开实施例的点云分割装置，通过获取目标点云数据，其中，目标点云数据为激光线束对车辆周围的目标对象进行扫描得到的数据；对目标点云数据进行圆柱体体素划分以及特征提取，获取目标点云数据的第一点云特征；对目标点云数据进行点云特征提取，获取目标点云数据的第二点云特征；根据第一点云特征和第二点云特征，确定目标点云数据的点云分割结果，从而能够结合基于体素划分确定得到的第一点云特征和进行点云特征提取得到的第二点云特征，确定点云分割结果，对体素尺寸的要求不高且点云越稀疏的地方体素尺寸越大，在确保点云分割准确度的情况下，大大减少计算量，缩短计算耗时。
85.根据本公开实施例的第三方面，还提供一种车辆，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：实现如上所述的点云分割方法的步骤。
86.根据本公开实施例的第四方面，还提供一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器，其中，处理器被配置为执行指令，以实现如上的点云分割方法。
87.为了实现上述实施例，本公开还提出了一种存储介质。
88.其中，当存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如上的方法。
89.为了实现上述实施例，本公开还提供一种计算机程序产品。
90.其中，该计算机程序产品由电子设备的处理器执行时，使得电子设备能够执行如上的方法。
91.图5为根据一示例性实施例示出的一种电子设备的结构框图。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
92.如图5所示，电子设备1000包括处理器111，其可以根据存储在只读存储器（rom，read only memory）112中的程序或者从存储器116加载到随机访问存储器（ram，random access memory）113中的程序而执行各种适当的动作和处理。在ram 113中，还存储有电子设备1000操作所需的各种程序和数据。处理器111、rom 112以及ram 113通过总线114彼此相连。输入/输出（i/o，input / output）接口115也连接至总线114。
93.以下部件连接至i/o接口115：包括硬盘等的存储器116；以及包括诸如局域网（local area network，lan）卡、调制解调器等的网络接口卡的通信部分117，通信部分117经由诸如因特网的网络执行通信处理；驱动器118也根据需要连接至i/o接口115。
specific integrated circuit，asic）或它们的组合。
105.存储器652可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（sram），电可擦除可编程只读存储器（eeprom），可擦除可编程只读存储器（eprom），可编程只读存储器（prom），只读存储器（rom），磁存储器，快闪存储器，磁盘或光盘。
106.除了指令653以外，存储器652还可存储数据，例如道路地图，路线信息，车辆的位置、方向、速度等数据。存储器652存储的数据可以被计算平台650使用。
107.在本公开实施例中，处理器651可以执行指令653，以完成上述的点云分割方法的全部或部分步骤。
108.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
109.应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。