一种滤除点云的拖尾点的方法及装置

技术领域

本发明涉及滤除点云的拖尾点技术领域，具体涉及一种滤除点云的拖尾点的方法及装置。

背景技术

点云的拖尾点在现有技术主要是通过激光雷达扫描的原始帧数据进行滤除的，例如根据单线点云的相邻一个或者多个点的反射强度趋势变化，或者相邻的一个或者多个点的相对距离差值，使用一定的阈值判断，将判断为拖尾点的点云滤除掉。因为激光雷达的旋转方向受物理结构限值，仅能去除和激光雷达旋转轴夹角在一定阈值内的拖尾现象，对垂直于激光雷达转轴方向的拖尾现象不能很好的去除。

为此我们提供一种滤除点云的拖尾点的方法及装置解决上述问题。

发明内容

针对上述现有技术存在的问题，本发明提供了一种滤除点云的拖尾点的方法及装置，充分利用将单线或多线激光雷达扫描的原始数据生成稠密点云，并结合彩色图像信息，可以很好的判断点云的拖尾点，并进行滤除。

为了实现上述目的，本发明采用的一种滤除点云的拖尾点的方法，包括以下步骤：

S1：基于彩色图片，获取三维空间中的边缘信息，具体步骤如下：

彩色图片为彩色全景图，对彩色全景图做图像增强处理；

将彩色全景图转换为灰度图像；

利用高斯滤波对灰度图像进行降噪形成边缘图像；

在生成的边缘图像上应用边缘检测算法，提取出边缘图像中边缘信息；

取出干扰边缘，在通过训练神经网络来分割出场景语义，去除同一物体上内部的边缘信息来降低后续算法的运算量，提升算法的鲁棒性；

在彩色全景图的像素中，标记边缘信息，含有边缘信息的像素集合P＝{Xi，Yi}，其中，集合P是指含有边缘信息的所有像素点的集合，Xi是指第i点在彩色全景图上的x轴坐标，Yi是指第i点在彩色全景图上的y轴坐标；

S2：将边缘信息投影到点云中，标识处待识别点，具体步骤如下：

根据彩色全景图的长和宽，映射出对应球面上的天顶角θ和方位角

其中，HX是彩色全景图的水平像素值，HY是彩色全景图的垂直像素值，

将边缘信息的点转换单位球面上的坐标，球心坐标为(0,0,0)，并转换为笛卡尔坐标系；

将将点云投影到单位球上，具体步骤如下：

球心坐标为(0,0,0)，球半径为1，确定任意一点Pci在球面上的投影坐标；

在彩色全景图的三维点云中标识边缘点，并标记为待识别点，具体方法为：在三维的单位球上查找边边缘信息的像素集合P＝{Xi，Yi}邻域的点，半径设置为0.008弧度，在点云投影的单位球坐标中进行查找指定半径的临近点，并在点云中标记为待识别点集合V；

S3：根据辅助点的信息，判断待识别点是否为拖尾点，并删除拖尾点，具体步骤如下：

计算待识别点集合V中所有点的法线方向；

具体的待识别点c(Xj，Yj，Zj)，其中，Xj、Yj、Zj分别为待识别点在x轴上的坐标、y轴上的坐标、z轴上的坐标，求出其法线为

计算法线

作为上述方案的进一步优化，所述S1中对彩色全景图的对比度、锐度、清晰度进行增强处理。

作为上述方案的进一步优化，所述S1中对彩色全景图转换为灰度图像的具体方法为：对每个像素的RGB值进行加权平均，将RGB值转换为一个单一的灰度值，采取的权重是是R：G：B＝0.2989：0.5870：0.1140。

作为上述方案的进一步优化，所述S1中边缘检测算法采用Canny。

作为上述方案的进一步优化，所述S2中方位角

作为上述方案的进一步优化，所述S2中笛卡尔坐标系：

作为上述方案的进一步优化，所述S2中任意一点Pci在球面上的投影坐标为：

其中，Pci、Xci、Yci、Zci分别为任意一点的点云投影坐标、点云投影上的x轴坐标、点云投影上的y轴坐标、点云投影上的z轴坐标。

作为上述方案的进一步优化，所述彩色全景图和点云通过点云获取装置获取，点云获取装置使用扫描设备，扫描设备为集成激光雷达和彩色相机，通过激光雷达采集物理空间的三维数据，后期通过处理并生成点云；通过彩色相机采集物理空间的色彩信息，后期通过处理并生成彩色全景图。

本发明还公开了一种滤除点云的拖尾点的装置，包括：存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，处理器执行计算机程序时实现滤除点云的拖尾点的方法。

作为上述方案的进一步优化，所述处理器上还连接有通讯接口，通讯接口用于存储器和处理器之间的通讯。

本发明的一种滤除点云的拖尾点的方法及装置，具备如下有益效果：

本发明的一种滤除点云的拖尾点的方法及装置，本发明通过彩色的边缘信息标记待识别拖尾点，通过点云的法线和原点到待识别点的向量夹角识别拖尾点，基于语义信息去除干扰物体，降低计算量并提升鲁棒性，使用彩色语义信息判定识别拖尾点，不受雷达旋转方向的影响。

参照后文的说明与附图，详细公开了本发明的特定实施方式，指明了本发明的原理可以被采用的方式，应该理解，本发明的实施方式在范围上并不因而受到限制，在所附权利要求的精神和条款的范围内，本发明的实施方式包括许多改变、修改和等同。

附图说明

图1为本发明的滤除点云的拖尾点的方法图；

图2为本发明的彩色全景图坐标图；

图3为本发明的滤除点云的拖尾点的装置结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明了，下面通过附图中及实施例，对本发明进行进一步详细说明。但是应该理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限制本发明的范围。

需要说明的是，当元件被称为“设置于、设有”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件，当一个元件被认为是“连接、相连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件，“固连”为固定连接的含义，固定连接的方式有很多种，不作为本文的保护范围，本文中所使用的术语“垂直的”“水平的”“左”“右”以及类似的表述只是为了说明的目的，并不表示是唯一的实施方式。

除非另有定义，本文所使用的所有技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同，本文中在说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在限制本发明，本文中所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合；

请参阅说明书附图1-3，本发明提供一种技术方案：一种滤除点云的拖尾点的方法，包括以下步骤：

先提供了点云获取装置，点云获取装置的模型包括扫描设备，扫描设备上集成激光雷达和彩色相机，通过激光雷达采集物理空间的三维数据，后期通过处理并生成点云；通过彩色相机采集物理空间的色彩信息，后期通过处理并生成彩色全景图，激光雷达内参，彩色相机的内参，以及激光雷达和彩色相机的外参是标定好的。

在步骤S1中，基于彩色图片，获取三维空间中的边缘信息，具体步骤如下：

彩色图片为彩色全景图，对彩色全景图做图像增强处理，例如针对对比度、锐度、清晰度进行增强处理。本发明对使用的具体图像增强处理的方法不做限定。

将彩色全景图转换为灰度图像。方法是通过对每个像素的RGB(Red Green Bule红绿蓝)值进行加权平均来实现。即将RGB值转换为一个单一的灰度值。可取采取的权重是R：G：B＝0.2989：0.5870：0.1140。

对灰度图像应用高斯滤波来降噪，形成边缘图像。高斯滤波有助于平滑图像，并减少边缘检测中的噪声。

在生成的边缘图像上应用传统的边缘检测算法，可采取的算法如Canny，提取出边缘图像中边缘信息。本发明对边缘检测的具体方式不做限定。

干扰边缘去除。在实际场景中，同一物体内存在很多边缘(比如墙面上的画、窗帘等)。本发明通过训练神经网络来分割出场景语义，去除同一物体上内部的边缘信息来降低后续算法的运算量，提升算法的鲁棒性。本发明对使用的具体的语义分割神经网络不限定。

如附图2所示，在彩色全景图的像素中，标记边缘信息；含有边缘信息的像素集合P＝{Xi，Yi}，其中，边缘信息的像素集合P是指含有边缘信息的所有像素点的集合，Xi是指第i点在彩色全景图上的x轴坐标，Yi是指第i点在彩色全景图上的y轴坐标。

在步骤S2中，将边缘信息投影到点云中，标识出待识别点，具体步骤如下:

根据彩色全景图的长和宽，可以映射出对应球面上的天顶角θ和方位角

其中，HX是彩色全景图的水平像素值，HY是彩色全景图的垂直像素值。

方位角

天顶角θ取值范围

将边缘信息的点转换单位球面上的坐标，球心坐标为(0,0,0)，并转换为笛卡尔坐标系：

将将点云投影到单位球上，具体步骤如下:

球心坐标为(0,0,0)，球半径为1，任意一点Pci在球面上的投影坐标为：

其中，Pci、Xci、Yci、Zci分别为任意一点的点云投影坐标、点云投影上的x轴坐标、点云投影上的y轴坐标、点云投影上的z轴坐标。

在彩色全景图的三维点云中标识边缘点，并标记为待识别点，具体方法如下：

在三维的单位球上查找边缘信息的像素集合P＝{Xi，Yi}邻域的点，半径可设置为0.008弧度；在点云投影的单位球坐标中进行查找指定半径的临近点；并在点云中标记为待识别点集合V。

在步骤S3中，判断待识别点是否为拖尾点，并删除拖尾点，具体步骤如下：

计算待识别点集合V中所有点的法线方向；

具体的待识别点c(Xj，Yj，Zj)，其中，Xj、Yj、Zj分别为待识别点在x轴上的坐标、y轴上的坐标、z轴上的坐标，求出其法线为

计算法线

本发明还公开了一种滤除点云的拖尾点的装置，包括：存储器、处理器及存储在存储器上并在处理器上运行的计算机程序；

处理器执行计算机程序时实现上述实施例中提供的一种滤除点云的拖尾点的方法。

同时，处理器上还连接有通讯接口，通讯接口用于存储器和处理器之间的通讯。

仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换或改进等，均应包含在本发明的保护范围之内。