激光雷达点云数据的稠密化方法、装置、电子设备及介质

技术领域

本申请涉及激光雷达技术领域，尤其是涉及一种激光雷达点云数据的稠密化方法、装置、电子设备及介质。

背景技术

机械式激光雷达在扫描点云数据时，在每一个扫描时刻(例如，采集时刻)扫描到的点云数据中(例如，在每一帧点云数据中)，在远距离处的点云分布会出现过于稀疏的问题。这样，在识别目标场景中的指定对象时，由于点云数据过于稀疏，容易导致无法从点云数据中识别到指定对象，进而导致从点云数据中识别指定对象时，识别成功率较低的问题。

发明内容

有鉴于此，本申请的目的在于提供一种激光雷达点云数据的稠密化方法、装置、电子设备及介质，以提高点云数据的稠密程度，进而能够从稠密化的点云数据中识别出指定对象。

第一方面，本申请实施例提供了一种激光雷达点云数据的稠密化方法，所述方法包括：

接收激光雷达在移动过程中的多个采集时刻分别采集的多帧点云数据，其中，所述多帧点云数据对应的姿态至少部分不同；

对于所述多帧点云数据中的任一帧点云数据，将其余帧点云数据转换至该帧点云数据对应的目标坐标系；

将该帧点云数据与经过坐标系转换后的其余帧点云数据进行累积处理。

结合第一方面，本申请实施例提供了第一方面的第一种可能的实施方式，其中，所述对于所述多帧点云数据中的任一帧点云数据，将其余帧点云数据转换至该帧点云数据对应的目标坐标系，包括：

针对其余帧点云数据中的每帧点云数据，基于该帧点云数据，生成该帧点云数据对应的深度图像；

基于该深度图像中点与点之间的平滑度，从该深度图像中提取出目标特征点，所述目标特征点包括面特征点和/或线特征点；

基于所述目标特征点在该帧点云数据对应的坐标系中的坐标信息与所述目标特征点在所述目标坐标系中的对应特征点的坐标信息之间的配准关系，确定该帧点云数据对应的坐标系与所述目标坐标系之间的坐标转换矩阵；

基于所述坐标转换矩阵，将该坐标系中的所述帧点云数据转换至所述目标坐标系。

结合第一方面的第一种可能的实施方式，本申请实施例提供了第一方面的第二种可能的实施方式，其中，所述基于该帧点云数据，生成该帧点云数据对应的深度图像，包括：

基于所述激光雷达的水平扫描角度和俯仰扫描角度，生成网格图像；

针对该帧点云数据中的每个点，基于该点的坐标信息，确定该点对应的水平角度、俯仰角度以及深度信息；

基于所述水平角度和所述俯仰角度，从所述网格图像中确定该点对应的目标位置；

在所述网格图像中该点对应的所述目标位置上，填入该点的深度信息；

基于该帧点云数据中的每个点分别对应的深度信息以及所述网格图像，生成该帧点云数据对应的所述深度图像。

结合第一方面的第二种可能的实施方式，本申请实施例提供了第一方面的第三种可能的实施方式，其中，所述深度图像包含多个大小相同的网格；所述基于该深度图像中点与点之间的平滑度，从该深度图像中提取出目标特征点，包括：

针对所述深度图像中的每个网格，根据该网格中各个点对应的深度信息，计算该网格的全局平滑度；

当该网格对应的所述全局平滑度小于面阈值时，将该网格中的各个点确定为面特征点；

当该网格对应的所述平滑度大于线阈值时，将该网格中的各个点确定为线特征点。

结合第一方面的第三种可能的实施方式，本申请实施例提供了第一方面的第四种可能的实施方式，其中，所述针对所述深度图像中的每个网格，根据该网格中各个点对应的深度信息，计算该网格的全局平滑度，包括：

针对所述深度图像中的每个网格，确定与该网格同行且相邻的预设网格数量的相邻网格；

计算该网格中点的第一平均深度信息与每个相邻网格中点的第二平均深度信息的差值；

基于该网格对应的所述第一平均深度信息以及与各个相邻网格的所述第二平均深度信息的差值，确定该网格的所述全局平滑度。

结合第一方面的第一种可能的实施方式，本申请实施例提供了第一方面的第五种可能的实施方式，其中，所述基于所述目标特征点在该帧点云数据对应的坐标系中的坐标信息与所述目标特征点在所述目标坐标系中的对应特征点的坐标信息之间的配准关系，确定该帧点云数据对应的坐标系与所述目标坐标系之间的坐标转换矩阵，包括：

确定该帧点云数据对应的坐标系的前一坐标系，其中，所述前一坐标系为该帧点云数据对应的采集时刻的前一采集时刻对应的前一帧点云数据对应的坐标系；

将所述前一坐标系与所述目标坐标系之间的坐标转换矩阵作为该坐标系与所述目标坐标系之间的初始坐标转换矩阵；

基于所述初始坐标转换矩阵，将该帧点云数据中的目标特征点转换至所述目标坐标系中，得到所述目标特征点在所述目标坐标系中的对应特征点；

在所述目标坐标系中的各个对应特征点中，确定与各个对应特征点最近的最近点；

计算各个对应特征点与其最近点之间的残差；

基于各个对应特征点对应的残差，通过迭代方式确定该坐标系与所述目标坐标系之间的坐标转换矩阵。

结合第一方面，本申请实施例提供了第一方面的第六种可能的实施方式，其中，所述方法还包括：

基于点云数据累积结果，确定目标点云数据；

从所述目标点云数据中识别目标对象的目标信息。

第二方面，本申请实施例还提供一种激光雷达点云数据的稠密化装置，包括：

接收模块，用于接收激光雷达在移动过程中的多个采集时刻分别采集的多帧点云数据，其中，所述多帧点云数据对应的姿态至少部分不同；

转换模块，用于对于所述多帧点云数据中的任一帧点云数据，将其余帧点云数据转换至该帧点云数据对应的目标坐标系；

累积模块，用于将该帧点云数据与经过坐标系转换后的其余帧点云数据进行累积处理。

结合第二方面，本申请实施例提供了第二方面的第一种可能的实施方式，其中，所述转换模块在用于对于所述多帧点云数据中的任一帧点云数据，将其余帧点云数据转换至该帧点云数据对应的目标坐标系时，具体用于：

针对其余帧点云数据中的每帧点云数据，基于该帧点云数据，生成该帧点云数据对应的深度图像；

基于该深度图像中点与点之间的平滑度，从该深度图像中提取出目标特征点，所述目标特征点包括面特征点和/或线特征点；

基于所述目标特征点在该帧点云数据对应的坐标系中的坐标信息与所述目标特征点在所述目标坐标系中的对应特征点的坐标信息之间的配准关系，确定该帧点云数据对应的坐标系与所述目标坐标系之间的坐标转换矩阵；

基于所述坐标转换矩阵，将该坐标系中的所述帧点云数据转换至所述目标坐标系。

结合第二方面的第一种可能的实施方式，本申请实施例提供了第二方面的第二种可能的实施方式，其中，所述转换模块在用于基于该帧点云数据，生成该帧点云数据对应的深度图像时，具体用于：

基于所述激光雷达的水平扫描角度和俯仰扫描角度，生成网格图像；

针对该帧点云数据中的每个点，基于该点的坐标信息，确定该点对应的水平角度、俯仰角度以及深度信息；

基于所述水平角度和所述俯仰角度，从所述网格图像中确定该点对应的目标位置；

在所述网格图像中该点对应的所述目标位置上，填入该点的深度信息；

基于该帧点云数据中的每个点分别对应的深度信息以及所述网格图像，生成该帧点云数据对应的所述深度图像。

结合第二方面的第二种可能的实施方式，本申请实施例提供了第二方面的第三种可能的实施方式，其中，所述深度图像包含多个大小相同的网格；所述转换模块在用于基于该深度图像中点与点之间的平滑度，从该深度图像中提取出目标特征点时，具体用于：

针对所述深度图像中的每个网格，根据该网格中各个点对应的深度信息，计算该网格的全局平滑度；

当该网格对应的所述全局平滑度小于面阈值时，将该网格中的各个点确定为面特征点；

当该网格对应的所述平滑度大于线阈值时，将该网格中的各个点确定为线特征点。

结合第二方面的第三种可能的实施方式，本申请实施例提供了第二方面的第四种可能的实施方式，其中，所述转换模块在用于针对所述深度图像中的每个网格，根据该网格中各个点对应的深度信息，计算该网格的全局平滑度时，具体用于：

针对所述深度图像中的每个网格，确定与该网格同行且相邻的预设网格数量的相邻网格；

计算该网格中点的第一平均深度信息与每个相邻网格中点的第二平均深度信息的差值；

基于该网格对应的所述第一平均深度信息以及与各个相邻网格的所述第二平均深度信息的差值，确定该网格的所述全局平滑度。

结合第二方面的第一种可能的实施方式，本申请实施例提供了第二方面的第五种可能的实施方式，其中，所述转换模块在用于基于所述目标特征点在该帧点云数据对应的坐标系中的坐标信息与所述目标特征点在所述目标坐标系中的对应特征点的坐标信息之间的配准关系，确定该帧点云数据对应的坐标系与所述目标坐标系之间的坐标转换矩阵时，具体用于：

确定该帧点云数据对应的坐标系的前一坐标系，其中，所述前一坐标系为该帧点云数据对应的采集时刻的前一采集时刻对应的前一帧点云数据对应的坐标系；

将所述前一坐标系与所述目标坐标系之间的坐标转换矩阵作为该坐标系与所述目标坐标系之间的初始坐标转换矩阵；

基于所述初始坐标转换矩阵，将该帧点云数据中的目标特征点转换至所述目标坐标系中，得到所述目标特征点在所述目标坐标系中的对应特征点；

在所述目标坐标系中的各个对应特征点中，确定与各个对应特征点最近的最近点；

计算各个对应特征点与其最近点之间的残差；

基于各个对应特征点对应的残差，通过迭代方式确定该坐标系与所述目标坐标系之间的坐标转换矩阵。

结合第二方面，本申请实施例提供了第二方面的第六种可能的实施方式，其中，所述方法还包括：

基于点云数据累积结果，确定目标点云数据；

从所述目标点云数据中识别目标对象的目标信息。

第三方面，本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第一方面中任一种可能的实施方式中的步骤。

第四方面，本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面中任一种可能的实施方式中的步骤。

本申请实施例提供的一种激光雷达点云数据的稠密化方法、装置、电子设备及介质，其中，接收激光雷达在移动过程中的多个采集时刻分别采集的多帧点云数据，其中，多帧点云数据对应的姿态至少部分不同；对于多帧点云数据中的任一帧点云数据，将其余帧点云数据转换至该帧点云数据对应的目标坐标系；将该帧点云数据与经过坐标系转换后的其余帧点云数据进行累积处理。该实施例中，通过将多帧点云数据转换到同一目标坐标系中，以使目标坐标系中累积有所有帧的点云数据，从而提高点云数据的稠密程度，进而能够从稠密化的点云数据中成功的识别出指定对象。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本申请实施例所提供的一种激光雷达点云数据的稠密化方法的流程图；

图2示出了本申请实施例所提供的一个点对应的水平角度、俯仰角度以及深度信息的示意图；

图3示出了本申请实施例所提供的一种激光雷达点云数据的稠密化装置的结构示意图；

图4示出了本申请实施例所提供的一种电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

考虑到机械式激光雷达扫描到的点云数据过于稀疏，容易导致无法从点云数据中识别到指定对象，进而导致从点云数据中识别指定对象时，识别成功率较低的问题。基于此，本申请实施例提供了一种激光雷达点云数据的稠密化方法、装置、电子设备及介质，以提高点云数据的稠密程度，进而能够从稠密化的点云数据中识别出指定对象，下面通过实施例进行描述。

实施例一：

为便于对本实施例进行理解，首先对本申请实施例所公开的一种激光雷达点云数据的稠密化方法进行详细介绍。图1示出了本申请实施例所提供的一种激光雷达点云数据的稠密化方法的流程图，如图1所示，包括以下步骤S101-S103：

S101：接收激光雷达在移动过程中的多个采集时刻分别采集的多帧点云数据，其中，多帧点云数据对应的姿态至少部分不同。

该实施例中，目标场景中设置有待识别的目标对象(例如，指定对象)，若想通过激光雷达扫描识别目标对象的位置等信息时，可以将激光雷达设置在一辆可移动的车辆上，当车辆在目标场景中移动时，激光雷达在各个采集时刻分别采集一帧点云数据。其中，由于车辆带动激光雷达在目标场景中移动，因此激光雷达在各个采集时刻所处的位置不同，使得激光雷达在各个采集时刻分别采集到的每一帧点云数据可能不同。

该实施例中，车辆的移动速度低于预设速度，其中，预设速度可以为5KM/H。车辆可以按照任意路线向前行驶，例如，车辆可以围绕目标对象向前行驶，也可以按照一条直线(该直线所在路线经过目标对象)向前行驶。

S102：对于多帧点云数据中的任一帧点云数据，将其余帧点云数据转换至该帧点云数据对应的目标坐标系。

该实施例中，由于激光雷达在各个采集时刻所处的位置不同，因此，每一帧点云数据所处的坐标系不同。具体的，针对每一帧点云数据，该帧点云数据所处的坐标系是在该帧点云数据对应的采集时刻时，激光雷达所处的位置决定的，因此每一帧点云数据对应各自的坐标系。

从多帧点云数据中任意选取出一帧点云数据，将除该帧点云数据之外的其余帧点云数据转换至该帧点云数据对应的目标坐标系中。在一个具体的实施例中，选取出的帧点云数据可以是第一帧点云数据，即第一个采集时刻采集到的帧点云数据。

S103：将该帧点云数据与经过坐标系转换后的其余帧点云数据进行累积处理。

该实施例中，在目标坐标系中，将原本位于该目标坐标系中的帧点云数据和转换到该目标坐标系中的其余帧点云数据进行累积，以使目标坐标系中累积有所有坐标系中的帧点云数据。

在一种可能的实施方式中，在执行步骤S102时，具体可以按照以下步骤S1021-S1024执行：

S1021：针对其余帧点云数据中的每帧点云数据，基于该帧点云数据，生成该帧点云数据对应的深度图像。

该实施例中，针对每帧点云数据，该帧点云数据中包含多个点，每个点均对应有各自的坐标信息，该坐标信息表示该点在该帧点云数据所在坐标系中的位置。

该实施例中，针对其余帧点云数据中的每帧点云数据，基于该帧点云数据中各个点的坐标信息，生成该帧点云数据对应的深度图像。其中，每一其余帧点云数据对应一个深度图像。

在一种可能的实施方式中，在执行步骤S1021基于该帧点云数据，生成该帧点云数据对应的深度图像时，具体可以按照以下步骤S10211-S10215执行。

S10211：基于激光雷达的水平扫描角度和俯仰扫描角度，生成网格图像。

该实施例中，激光雷达的水平扫描角度为360度，俯仰扫描角度为40度。网格图像的长度和宽度可以是预设的。

示例性的，网格图像的长度为1800像素，宽度为40像素，形成包含1800×40个格子的网格图像，其中，网格图像上每一行包含1800个格子，每一列包含40个格子。

这样，每个格子的水平角度变化是360度÷1800＝0.2度，每个格子的俯仰角度变化是40度÷40＝1度。从而可以求出网格图像上每个网格对应的水平角度范围和俯仰角度范围，进而得到网格图像上每个位置对应的水平角度和俯仰角度。

S10212：针对该帧点云数据中的每个点，基于该点的坐标信息，确定该点对应的水平角度、俯仰角度以及深度信息。

该实施例中，该帧点云数据中的每个点均对应有各自的坐标信息(x,y,z)，该坐标信息(x,y,z)表示该点在该帧点云数据对应的坐标系中的位置。

图2示出了本申请实施例所提供的一个点对应的水平角度、俯仰角度以及深度信息的示意图，如图2所示，点A对应的水平角度a指的是投影直线L1与坐标系x轴之间的夹角，其中，投影直线L1是点A与坐标系原点O之间的连线L在xy平面上的正投影。点A对应的俯仰角度b指的是投影直线L1与连线L之间的夹角。深度信息d为连线L的长度，即：

S10213：基于水平角度和俯仰角度，从网格图像中确定该点对应的目标位置。

该实施例中，该帧点云数据中每个点分别对应各自的水平角度、俯仰角度以及深度信息，在网格图像上每个位置对应各自的水平角度和俯仰角度。针对该帧点云数据中每个点，以点A为例，基于该点A的水平角度和俯仰角度，从网格图像中确定该点A对应的目标位置，其中，目标位置对应的水平角度和俯仰角度与该点A的水平角度和俯仰角度相同。

该实施例中，该帧点云数据中的每个点均在网格图像中对应一个目标位置。

S10214：在网格图像中该点对应的目标位置上，填入该点的深度信息。

S10215：基于该帧点云数据中的每个点分别对应的深度信息以及网格图像，生成该帧点云数据对应的深度图像。

该实施例中，在将该帧点云数据中的每个点的深度信息分别填入到各个点在网格图像中对应的目标位置上后，得到该帧点云数据对应的深度图像。

S1022：基于该深度图像中点与点之间的平滑度，从该深度图像中提取出目标特征点；目标特征点包括面特征点和/或线特征点。

该实施例中，由于网格图像中包含多个大小相同的网格(例如，包含1800×40个网格)，而深度图像是根据网格图像得到的，因此深度图像也包含多个大小相同的网格(例如，同样包含1800×40个网格)。并且，网格图像中网格的位置和数量与深度图像中网格的位置和数量相同。

在一种可能的实施方式中，在执行步骤S1022时，具体可以按照以下步骤S10221-S10223执行：

S10221：针对深度图像中的每个网格，根据该网格中各个点对应的深度信息，计算该网格的全局平滑度。

S10222：当该网格对应的全局平滑度小于面阈值时，将该网格中的各个点确定为面特征点。

S10223：当该网格对应的平滑度大于线阈值时，将该网格中的各个点确定为线特征点。

该实施例中，深度图像中的每个网格分别对应一个全局平滑度，该全局平滑度指的是该网格中点与点之间的平滑度。本实施例中，面阈值小于线阈值。

在一种可能的实施方式中，在执行步骤S10221计算该网格中点与点之间的全局平滑度时，具体可以：针对深度图像中的每个网格，确定与该网格同行且相邻的预设网格数量的相邻网格；计算该网格中点的第一平均深度信息与每个相邻网格中点的第二平均深度信息的差值；基于该网格对应的第一平均深度信息以及与各个相邻网格的第二平均深度信息的差值，确定该网格中点与点之间的全局平滑度。

该实施例中，深度图像中的网格是行列排列的，例如，深度图像共有40行1800列网格。以深度图像中的第5行第20列网格B为例，针对该网格B，确定与网格B同行且相邻的预设网格数量的相邻网格，当预设网格数量为10时，确定的相邻网格分别为：第5行第15列-第5行第19列上的5个网格，以及第5行第21列-第5行第25列上的5个网格，共10个网格。

当网格位于边缘部位时，例如，以深度图像中的第5行第2列网格C为例，针对该网格C，确定与网格C同行且相邻的预设网格数量的相邻网格，当预设网格数量为10时，确定的相邻网格分别为：第5行第1列，以及第5行第3列-第5行第11列上的9个网格，共10个网格。

该实施例中，具体可以通过以下公式计算该网格中点与点之间的全局平滑度：

其中，P表示该网格中点与点之间的全局平滑度，S表示与该网格同行且相邻的网格的预设网格数量，

S1023：基于目标特征点在该帧点云数据对应的坐标系中的坐标信息与目标特征点在目标坐标系中的对应特征点的坐标信息之间的配准关系，确定该帧点云数据对应的坐标系与目标坐标系之间的坐标转换矩阵。

在一种可能的实施方式中，在执行步骤S1023时，具体可以按照以下步骤S10231-S10235执行：

S10231：确定该帧点云数据对应的坐标系的前一坐标系，其中，前一坐标系为该帧点云数据对应的采集时刻的前一采集时刻对应的前一帧点云数据对应的坐标系。

示例性的，若该帧点云数据为第5采集时刻采集到的帧点云数据时，则该帧点云数据对应的坐标系的前一坐标系为第4采集时刻(例如，前一采集时刻)对应的坐标系。

S10232：将前一坐标系与目标坐标系之间的坐标转换矩阵作为该坐标系与目标坐标系之间的初始坐标转换矩阵。

示例性的，当目标坐标系为第1个采集时刻对应的坐标系时，先确定第二个采集时刻对应的坐标系与目标坐标系之间的坐标转换矩阵，然后计算第三个采集时刻对应的坐标系与目标坐标系之间的坐标转换矩阵，依次计算直至计算到最后一个采集时刻对应的坐标系与目标坐标系之间的坐标转换矩阵。

因此，若该帧点云数据为第5个采集时刻采集到的帧点云数据时，则说明第4个采集时刻对应的坐标转换矩阵已经确定。此时，将第4个采集时刻对应的坐标转换矩阵作为第5个采集时刻对应的初始坐标转换矩阵。

S10233：基于初始坐标转换矩阵，将该帧点云数据中的目标特征点转换至目标坐标系中，得到目标特征点在目标坐标系中的对应特征点。

S10234：在目标坐标系中的各个对应特征点中，确定与各个对应特征点最近的最近点。

该实施例中，假设目标场景中包含一个旗杆，每帧点云数据中可能都包含该旗杆的旗杆点云数据。也就是说，当目标坐标系为第1个采集时刻对应的坐标系，第1个采集时刻采集到的第一帧点云数据中包含该旗杆的旗杆点云数据，第5个采集时刻采集到的第五帧点云数据中也包含该旗杆的旗杆点云数据时，在通过初始坐标转换矩阵(例如，第四帧点云数据对应的坐标转换矩阵)，将第五帧点云数据转换至目标坐标系后，针对旗杆而言，目标坐标系中同时包含旗杆的第一帧旗杆点云数据和旗杆的第五旗杆帧点云数据，正常情况下，经过坐标转换后，该旗杆的第一帧旗杆点云数据和旗杆的第五帧旗杆点云数据应该重合，由于转换坐标时使用的是初始坐标转换矩阵，因此，经过坐标转换后，在目标坐标系中该旗杆的第一帧旗杆点云数据和旗杆的第五帧旗杆点云数据之间可能存在一定的距离偏差。

该实施例中，以旗杆特征点作为对应特征点为例进行说明，在目标坐标系中的各个对应特征点(例如，第一帧点云数据对应的点)中，确定与旗杆特征点(例如，第五旗杆帧点云数据对应的点)最近的最近点(例如，第一帧旗杆点云数据对应的点)。

S10235：计算各个对应特征点与其最近点之间的残差。

该实施例中，该坐标系中，每个对应特征点对应各自的残差。

S10236：基于各个对应特征点对应的残差，通过迭代方式确定该坐标系与目标坐标系之间的坐标转换矩阵。

该实施例中，通过高斯牛顿迭代的方法以及该坐标系中各个对应特征点各自对应的残差，确定该坐标系与目标坐标系之间的坐标转换矩阵。

S1024：基于坐标转换矩阵，将该坐标系中的帧点云数据转换至目标坐标系。

该实施例中，在确定该坐标系与目标坐标系之间的坐标转换矩阵后，基于坐标转换矩阵，将该坐标系中的帧点云数据转换至目标坐标系中。

在一种可能的实施方式中，在执行步骤S103之后，还可以按照以下步骤执行：

基于点云数据累积结果，确定目标点云数据；

从目标点云数据中识别目标对象的目标信息。

该实施例中，目标点云数据中包含累积到目标坐标系中的所有帧点云数据。也就是说，目标点云数据是进行稠密化后得到的点云数据，从稠密化后的目标点云数据中识别目标对象的目标信息，有利于提高识别的成功率。目标信息可以为位置信息、形态信息等等。

实施例二：

基于相同的技术构思，本申请实施例还提供了一种激光雷达点云数据的稠密化装置，图3示出了本申请实施例所提供的一种激光雷达点云数据的稠密化装置的结构示意图，如图3所示，该装置包括：

接收模块301，用于接收激光雷达在移动过程中的多个采集时刻分别采集的多帧点云数据，其中，所述多帧点云数据对应的姿态至少部分不同；

转换模块302，用于对于所述多帧点云数据中的任一帧点云数据，将其余帧点云数据转换至该帧点云数据对应的目标坐标系；

累积模块303，用于将该帧点云数据与经过坐标系转换后的其余帧点云数据进行累积处理。

可选的，所述转换模块302在用于对于所述多帧点云数据中的任一帧点云数据，将其余帧点云数据转换至该帧点云数据对应的目标坐标系时，具体用于：

针对其余帧点云数据中的每帧点云数据，基于该帧点云数据，生成该帧点云数据对应的深度图像；

基于该深度图像中点与点之间的平滑度，从该深度图像中提取出目标特征点，所述目标特征点包括面特征点和/或线特征点；

基于所述目标特征点在该帧点云数据对应的坐标系中的坐标信息与所述目标特征点在所述目标坐标系中的对应特征点的坐标信息之间的配准关系，确定该帧点云数据对应的坐标系与所述目标坐标系之间的坐标转换矩阵；

基于所述坐标转换矩阵，将该坐标系中的所述帧点云数据转换至所述目标坐标系。

可选的，所述转换模块302在用于基于该帧点云数据，生成该帧点云数据对应的深度图像时，具体用于：

基于所述激光雷达的水平扫描角度和俯仰扫描角度，生成网格图像；

针对该帧点云数据中的每个点，基于该点的坐标信息，确定该点对应的水平角度、俯仰角度以及深度信息；

基于所述水平角度和所述俯仰角度，从所述网格图像中确定该点对应的目标位置；

在所述网格图像中该点对应的所述目标位置上，填入该点的深度信息；

基于该帧点云数据中的每个点分别对应的深度信息以及所述网格图像，生成该帧点云数据对应的所述深度图像。

可选的，所述深度图像包含多个大小相同的网格；所述转换模块302在用于基于该深度图像中点与点之间的平滑度，从该深度图像中提取出目标特征点时，具体用于：

针对所述深度图像中的每个网格，根据该网格中各个点对应的深度信息，计算该网格的全局平滑度；

当该网格对应的所述全局平滑度小于面阈值时，将该网格中的各个点确定为面特征点；

当该网格对应的所述平滑度大于线阈值时，将该网格中的各个点确定为线特征点。

可选的，所述转换模块302在用于针对所述深度图像中的每个网格，根据该网格中各个点对应的深度信息，计算该网格的全局平滑度时，具体用于：

针对所述深度图像中的每个网格，确定与该网格同行且相邻的预设网格数量的相邻网格；

计算该网格中点的第一平均深度信息与每个相邻网格中点的第二平均深度信息的差值；

基于该网格对应的所述第一平均深度信息以及与各个相邻网格的所述第二平均深度信息的差值，确定该网格的所述全局平滑度。

可选的，所述转换模块302在用于基于所述目标特征点在该帧点云数据对应的坐标系中的坐标信息与所述目标特征点在所述目标坐标系中的对应特征点的坐标信息之间的配准关系，确定该帧点云数据对应的坐标系与所述目标坐标系之间的坐标转换矩阵时，具体用于：

确定该帧点云数据对应的坐标系的前一坐标系，其中，所述前一坐标系为该帧点云数据对应的采集时刻的前一采集时刻对应的前一帧点云数据对应的坐标系；

将所述前一坐标系与所述目标坐标系之间的坐标转换矩阵作为该坐标系与所述目标坐标系之间的初始坐标转换矩阵；

基于所述初始坐标转换矩阵，将该帧点云数据中的目标特征点转换至所述目标坐标系中，得到所述目标特征点在所述目标坐标系中的对应特征点；

在所述目标坐标系中的各个对应特征点中，确定与各个对应特征点最近的最近点；

计算各个对应特征点与其最近点之间的残差；

基于各个对应特征点对应的残差，通过迭代方式确定该坐标系与所述目标坐标系之间的坐标转换矩阵。

可选的，所述方法还包括：

基于点云数据累积结果，确定目标点云数据；

从所述目标点云数据中识别目标对象的目标信息。

实施例三：

基于相同的技术构思，本申请实施例还提供一种电子设备，图4示出了本申请实施例所提供的一种电子设备的结构示意图，如图4所示，该电子设备400包括：处理器401、存储器402和总线403，存储器存储有处理器可执行的机器可读指令，当电子设备运行时，处理器401与存储器402之间通过总线403通信，处理器401执行机器可读指令，以执行实施例一中所述的方法步骤。

实施例四：

基于相同的技术构思，本申请实施例四还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行实施例一中所述的方法步骤。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置、电子设备及计算机可读存储介质的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。