本公开涉及点云分割,尤其涉及一种地面点云分割方法、装置、设备和介质。
背景技术:
1、地面点云分割是点云处理的一个重要任务,目的是将地面点和非地面点分离开来,通常用于自动驾驶、建筑物建模、地形重建等领域。
2、目前常用的地面点云分割方法包括如下几种:1、基于ransac的平面拟合法,该方法是较常用的地面点云分割方法,其思路是基于ransac算法随机采样点集,通过平面拟合模型来估计地面平面模型,该方法简单易实现,但对于非平坦地形的地面分割效果不佳。2、基于机器学习的分类法:这种方法通过使用机器学习算法,如支持向量机、神经网络等,将点云分为地面点和非地面点两类。这种方法需要大量的训练数据,但分类效果较好。3、基于高程阈值法:该方法简单直观,通常将地面高程作为一个阈值,高于该阈值的点被视为非地面点,低于该阈值的点被视为地面点。但该方法对于起伏较大的地形会出现误判情况。4、基于聚类的方法:这种方法在点云中寻找密集的区域,并将这些区域视为地面点。常用的聚类算法包括k-means算法、dbscan算法等。该方法适用于不规则或复杂的地形,但计算复杂度较高且受限不同激光雷达的稀疏性。5、基于激光波形的方法:该方法利用激光器发射的波形信息,对地面和非地面点进行分类。该方法可以有效避免地面纹理不明显的情况,但对激光雷达线束的高精度建模要求较高,且不适用于固态激光雷达。
3、有鉴于此,特提出本发明。
技术实现思路
1、为了解决上述技术问题或者至少部分地解决上述技术问题,本公开实施例提供了一种地面点云分割方法、装置、设备和介质,该方法无需标注大量的数据,且计算复杂度不高,可以在任意低算力平台上实现,可适配各种不同线束的机械激光雷达或固态激光雷达。
2、第一方面,本公开实施例提供了一种地面点云分割方法,该方法包括:
3、根据当前帧点云的分布特征和/或对应的路网信息确定平面roi;
4、针对同一平面roi按照不同的高度区间划分多个容器;
5、分别统计当前帧点云中落在各所述容器中的点云点;
6、根据各容器中的点云点确定各容器的区间得分,所述区间得分越高,表示对应容器中的点云点是地面点的概率越大;
7、根据区间得分最高的容器确定地面点。
8、第二方面,本公开实施例还提供了一种地面点云分割装置,该装置包括:
9、第一确定模块,用于根据当前帧点云的分布特征和/或对应的路网信息确定平面roi;
10、划分模块,用于针对同一平面roi按照不同的高度区间划分多个容器;
11、统计模块,用于分别统计当前帧点云中落在各所述容器中的点云点;
12、第二确定模块,用于根据各容器中的点云点确定各容器的区间得分,所述区间得分越高,表示对应容器中的点云点是地面点的概率越大;
13、第三确定模块,用于根据区间得分最高的容器确定地面点。
14、第三方面,本公开实施例还提供了一种电子设备,所述电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上所述的地面点云分割方法。
15、第四方面,本公开实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上所述的地面点云分割方法。
16、本公开实施例提供的一种地面点云分割方法,首先根据当前帧点云的分布特征和/或对应的路网信息确定平面roi;针对同一平面roi按照不同的高度区间划分多个容器;然后,分别统计当前帧点云中落在各所述容器中的点云点;根据各容器中的点云点确定各容器的区间得分,所述区间得分越高,表示对应容器中的点云点是地面点的概率越大;根据区间得分最高的容器确定地面点,实现了对地面点云的分割,且该分割方法无需标注大量的数据、计算复杂度不高、可以在任意低算力平台上实现以及可适配各种不同线束的机械激光雷达或固态激光雷达。
1.一种地面点云分割方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述根据各容器中的点云点确定各容器的区间得分,包括:
3.根据权利要求2所述的方法,其特征在于,所述基于容器中点云点的总个数以及预设奖励规则确定各容器的区间得分,包括:
4.根据权利要求3所述的方法,其特征在于,所述基于所述预设奖励规则确定当前容器的奖励点数,包括:
5.根据权利要求1所述的方法,其特征在于,所述根据各容器中的点云点确定各容器的区间得分,包括:
6.根据权利要求1所述的方法,其特征在于,所述根据区间得分最高的容器确定地面点,包括:
7.根据权利要求6所述的方法,其特征在于,所述确定目标容器中的点云特征与所述区间得分最高的容器中的点云特征之间的相似度,包括:
8.一种地面点云分割装置,其特征在于,包括:
9.一种电子设备,其特征在于,所述电子设备包括:
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一项所述的方法。