CN112669458A - 基于激光点云进行地面滤波的方法、设备和程序载体 - Google Patents

Abstract

本发明涉及图像处理领域。本发明提供一种基于激光点云进行地面滤波的方法，所述方法包括以下步骤：S1：获取激光点云数据；S2：基于模型拟合由所述激光点云数据估计出地面模型；以及S3：基于特征比较对估计出的地面模型进行校验。本发明还提供一种基于激光点云进行地面滤波的设备、一种激光雷达系统和一种机器可读程序载体。本发明旨在将基于模型拟合的地面模型估计与基于特征比较的校验过程相结合，以便能够提高整体模型估计的准确性，尤其能够在非平坦的地面处达到优化的拟合效果，同时也可以显著提高计算效率。

Description

基于激光点云进行地面滤波的方法、设备和程序载体

技术领域

本发明涉及一种基于激光点云进行地面滤波的方法、一种基于激光点云进行地面滤波的设备、一种激光雷达系统和一种机器可读程序载体。

背景技术

激光雷达在自动驾驶领域中发挥着十分出色的作用，通过对其获得的激光点云进行处理，可以实现车辆定位辅助、高精度地图搭建、障碍物检测、目标跟踪等多项任务。为了更好地完成这些任务，通常需要基于激光点云执行地面滤波或分割。

现有技术中已经存在的地面滤波方法主要有两种，一种是基于模型拟合的地面滤波方法，该方法通常针对整个激光点云进行地平面估计，因此不能良好地实现局部非平坦或倾斜地面的准确拟合。另一种方法是基于特征的地面拟合方法，这种方法使用局部凸度标准来对非平坦环境中的激光点云数据进行分类，但是这种方法计算开销很大并且往往特定于特殊地面形态因而无法适应于大面积的地面分割，鲁棒性较差。

发明内容

本发明的目的在于提供一种基于激光点云进行地面滤波的方法、一种基于激光点云进行地面滤波的设备、一种激光雷达系统和一种机器可读程序载体，以至少解决现有技术中的部分问题。

根据本发明的第一方面，提出一种基于激光点云进行地面滤波方法，所述方法包括以下步骤：

S1：获取激光点云数据；

S2：基于模型拟合由所述激光点云数据估计出地面模型；以及

S3：基于特征比较对估计出的地面模型进行校验。

本发明尤其包括以下技术优点：本发明将基于模型拟合的地面分割技术与基于特征向量的误差校正技术相结合，在克服地面模型估计的不准确性的同时减小了计算开销。由此，不仅能够在平坦地形处实现激光点云分类的良好效果，而且在倾斜路面或凹陷处减少了过拟合或欠拟合错误，有利地避免地形点丢失或其他环境对象上的点被错分到地面模型中。

可选地，在步骤S2之前附加地执行：按照激光点云中的区域位置和大小将完整的激光点云划分为、尤其非均匀地划分为多个网格区域。在此，通过对整个激光点云进行网格化并且针对各个网格区域单独估计地面模型，能够提高整体模型估计的准确性，尤其能够在非平坦地面处达到优化的拟合效果，同时也可以显著提高计算效率。

可选地，该方法还包括：根据相对于激光雷达传感器的距离确定网格区域的尺寸，优选地，随着相对于激光雷达传感器的距离的增大，将网格区域的尺寸增大。在此尤其基于如下技术构思：激光雷达传感器以放射性的方式发射和接收激光脉冲信号，激光点云中的距激光雷达传感器较远的那些点往往更加稀疏，而距激光雷达传感器较近的那些点更加密集。为了使网格区域尺寸动态地适配于激光点云中的点的分布和密度，可以根据相对于激光雷达传感器的距离调整网格区域的尺寸，从而为后续的地面模型的合理化估计奠定基础。此外，还能想到的是，基于所使用的激光雷达传感器的配置和参数来调整网格区域的尺寸。

可选地，所述步骤S2包括：在激光点云数据中定义种子节点；判断该种子节点与其邻域节点是否存在连续性，在存在连续性的情况下将所述种子节点与所述邻域节点归类到同一平面模型中。在此，尤其可以为激光点云中的各个节点分配位置坐标，并且因此可以按照坐标和点之间的关系将各个节点的位置坐标归类到相应的地面模型中。

可选地，所述步骤S2包括：选择激光点云数据的子集；基于激光点云数据的子集中的点建立初始地面模型；以及，将激光点云数据中的另外的点相对于该初始地面模型的距离与预定义的距离阈值进行比较，其中，将相对于初始地面模型的距离低于该距离阈值的点分类为地面点，将相对于初始地面模型的距离超过该距离阈值的点分类为非地面点。

可选地，所述步骤S2包括：借助RANSAC算法对激光点云数据执行随机采样拟合，通过迭代计算估计出最佳地面模型。

可选地，所述步骤S3包括：

针对激光点云数据中的各个点计算特征向量；

针对在步骤S2中估计出的地面模型计算参考向量；

将各个点的特征向量与所述参考向量进行比较；以及

基于比较的结果剔除地面模型估计中的假阳性错误和假阴性错误。

在此，通过基于特征向量的计算和比较，能够有效剔除地面模型初步估计中的异常点，有利地克服在复杂地形情况下的滤波效果不足。

可选地，所述特征向量包括法向量、方向梯度向量和/或高度梯度向量。

根据本发明的第二方面，提供一种基于激光点云进行地面滤波的设备，所述设备用于执行根据本发明的第一方面的方法，所述设备包括：

获取模块，其被配置成能够获取激光点云数据；

估计模块，其被配置成能够基于模型拟合由所述激光点云数据估计出地面模型；以及

校验模块，其被配置成能够基于特征比较对估计出的地面模型进行校验。

根据本发明的第三方面，提供一种激光雷达系统，所述激光雷达系统包括：

激光雷达传感器，其被配置成能够发送和接收雷达信号；

信号处理设备，其被配置成能够处理所述激光雷达传感器的激光雷达信号并且用于输出激光点云数据；以及

根据本发明的第二方面的设备。

根据本发明的第四方面，提供一种机器可读程序载体，在其上存储有计算机程序，所述计算机程序用于当其在计算机上运行时执行根据本发明的第一方面的方法。

附图说明

下面，通过参看附图更详细地描述本发明，可以更好地理解本发明的原理、特点和优点。附图包括：

图1示出了根据本发明的一个示例性实施例的基于激光点云进行地面滤波的方法的流程图；

图2示出了借助根据本发明的方法对激光点云进行网格化的示意图；

图3a和图3b分别示出了结合根据本发明的方法剔除模型估计中的假阳性错误和假阴性错误的示意图；

图4示出了根据本发明的一个示例性实施例的基于激光点云进行地面滤波的设备的框图；以及

图5示出了根据本发明的一个示例性实施例的激光雷达系统的框图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案以及有益的技术效果更加清楚明白，以下将结合附图以及多个示例性实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用于解释本发明，而不是用于限定本发明的保护范围。

图1示出了根据本发明的一个示例性实施例的基于激光点云进行地面滤波方法的流程图。

在步骤S1中，获取激光点云数据。在此，例如可以借助激光雷达传感器扫描其周围环境，以获取3D点云数据，也可以借助通信接口从激光雷达系统接收激光点云数据。在经过简单的预处理之后，可以为这些激光点云数据分配位置信息，尤其可以将这些激光点云数据表示为笛卡尔坐标系下的三维坐标。

在步骤S2中：基于模型拟合由所述激光点云数据估计出地面模型。

作为示例，在已经获得激光点云数据之后可以借助网格铺装模型按照激光点云中的区域位置和大小将完整的激光点云划分为多个网格区域，并针对各个网格区域分别单独地执行地面模型估计。由此，确定了激光点云中的各个点之间的时间或空间关系。

作为示例，可以定义种子节点，然后根据种子节点与其邻域节点之间的连通性，然后按照空间区域增长条件将两个节点之间的拓扑连接关系删除或保留，从而能够从种子节点出发向外进行扩展，以便将邻域节点添加到其自身所在的平面模型中。

作为示例，可以借助RANSAC(Random Sample Consensus)算法对激光点云数据执行随机采样拟合，通过迭代计算估计出最佳地面模型。RANSAC算法的输入是一组激光点云的原始观测数据，这样的原始观测数据通常包含较大的噪声点和无效点。RANSAC通过反复选择激光点云数据中的随机子集来实现随机采样拟合，并最终得到接近理想模型的拟合平面。

作为示例，借助RANSAC算法通过如下方式迭代地估计出最佳地面模型：

-在原始获取的激光点云数据集中随机选取子集，将该子集中的点假设为属于地面模型，同时将该子集中的点称为局内点；

-基于所采样的局内点建立地面的初始数学模型，即，该初始数学模型的所有未知参数都能够由所假设的局内点计算得出；

-根据预设定的阈值判断激光点云数据集中的另外的点是否满足该初始数学模型，如果满足，则将另外的点标记为局内点并记录当前的局内点数量；

-重复迭代多次，基于局内点的数量以及重新建立的模型的性能而更新地面的数学模型；

-当满足迭代退出条件时退出迭代循环，由此得到整个迭代过程中的最优解(最佳拟合的地面模型)。

作为示例，在上述迭代过程中判断局内点时，可以计算所选择的点与估计出的地面数学模型之间的距离，并将该距离与预定义的距离阈值进行比较，其中，将低于距离阈值的点分类为地面点，将超过距离阈值的点分类为非地面点。

在步骤S3中，基于特征比较对估计出的地面模型进行校验。

在此，该校验过程例如可以按照如下方式进行：首先，针对激光点云数据中的各个点计算特征向量，这些特征向量例如可以是法向量和/或方向梯度向量。然后，可以针对在步骤S2中估计出的地面模型计算参考向量，在此例如可以要么整体地考虑地面模型的参考向量、要么可以针对每个网格区域单独地计算地面模型的参考向量。将各个点的特征向量与所述参考向量进行比较，并且基于比较的结果来剔除地面模型估计中的假阳性错误和假阴性错误。

作为示例，针对那些已经被划分为地面点(即，其与地面数学模型之间的距离在距离阈值的范围内的点)计算法向量，同时针对该点所基于的地面模型计算法向量。将针对地面点计算的法向量与针对地面模型计算的法向量进行比较，在此尤其可以计算它们之间的夹角，如果它们之间的夹角大于角度阈值(例如至多25°)，则表示这些地面点属于地面模型估计过程中的“假阳性错误”并应当将其从地面点中剔除。反之，如果所述夹角小于角度阈值，则表示地面点被正确地划分并应当继续保留。

作为示例，可以从地面模型上的任一地面点开始遍历其邻域的非地面点(即，与地面数学模型之间的距离在距离阈值的范围之外那些点)，同时计算该地面点与相邻的非地面点之间的高度梯度，在此，例如首先分别确定该地面点和非地面点在笛卡尔坐标系中的坐标。然后可以将高度梯度确定为这两点之间的高度差除以这两点之间的水平距离。接下来，将所得到的高度梯度与梯度阈值进行比较，如果该高度梯度小于梯度阈值，则表示所选择的非地面点属于地面模型估计中的“假阴性错误”，因此，应当将其从非地面点中剔除同时添加到地面点中。反之，如果所得到的高度梯度大于梯度阈值，则表示该非地面点被正确地划分并应当继续保留。

图2示出了借助根据本发明实施例的方法对激光点云实现网格化的示意图。

在图2上部示出原始采集的激光点云201投影到一二维平面的投影的图示，该激光点云包括多个点203。在图2下部示出对该激光点云执行网格化之后的结果202。在此，例如可以按照激光点云中的区域位置和大小将完整的激光点云201非均匀地划分为多个网格区域204。如图2所示，相比于在上部示出的网格区域204，下部的网格区域204更加密集，这是因为在本实施例中根据相对于激光雷达传感器(以未示出的方式布置在图像下方)的距离确定各个网格区域的尺寸，其中，随着相对于激光雷达传感器的距离的增大，将网格区域的尺寸增大。

在对激光点云进行网格化处理之前还可以事先构造激光点云的邻域图(Neighborhood Graph)，由此实现点云中的各个点之间的拓扑关系的确定。常见的构造激光点云的邻域图的方法包括空间规划划分、八叉树划分和K-D树划分。作为示例，可以基于激光雷达的扫描序列和扫描仪的物理设置来生成邻域图，在此在激光点云数据中定义种子节点，然后为该种子节点按照一定顺序和方向分配邻域节点。示例性地，位于种子节点上下左右四个方向的邻域节点分别表示：在激光雷达的扫描过程中下一个待扫描的节点(左)，上一个刚扫描过的节点(右)，具有最接近发射角度的上部激光二极管扫描的节点(上)，具有最接近发射角度的下部激光二极管扫描的节点(下)。

图3a和图3b分别示出了结合根据本发明实施例的方法剔除模型估计中的假阳性错误和假阴性错误的示意图。

在图3a上部示出了针对各个网格估计出的局部地面模型的示意图。示例性地在网格304内选取地面点p1和p2并分别计算它们的法向量301、302。接下来，确定网格304对应的局部地面模型的法向量303(即，确定拟合出的表面的法向量)。

为了筛选出假阳性错误，可以分别判断地面点的定向是否在参考方向的阈值范围内。在本实施例中，确定地面点p1、p2的法向量与相关联的地面模型的表面法向量303的夹角是否小于角度阈值(例如25°)。

在图3a下部示出了地面点p1、p2的法向量301、302与局部地面模型的法向量303的比较结果的示意图。在此，能够看出地面点p1的法向量301与局部地面模型的法向量303之间的夹角为θ1，地面点p2的法向量302与局部地面模型的法向量303之间的夹角为θ2，其中，θ1大于角度阈值θ0，θ2小于角度阈值θ0。这表示，点p1属于地面模型估计中产生的假阳性错误(例如p1可能属于靠近地面的某一物体上的点)并且应从估计出的地面模型中剔除，而点p2属于正确分类的点并且因继续保留为地面点。

图3b上部同样示出了针对各个网格估计出的局部地面模型的示意图。示例性地在网格304内选取地面点p3，同时从该地面点p3出发选取已被归类为非地面点的邻域节点p4和p5。

为了筛选出假阴性错误，可以判断地面点p3与非地面点p4、p5之间的高度梯度分量是否低于阈值。在图3b下方示出了地面点p3与非地面点p4、p5之间的高度梯度或斜率。在此，将高度梯度(即斜率)确定为地面点p3与非地面点p4、p5的高度差Δh1、Δh2除以它们之间的水平距离Δd1、Δd2。在此能够看出，地面点p3与非地面点p4之间的斜率k1小于斜率阈值k0，而地面点p3与非地面点p5之间的斜率k2大于斜率阈值k0。这表示，点p4属于地面模型估计中产生的(例如因不平坦或倾斜路面导致的)假阴性错误并且将其添加到地面点中，而点p5属于正确分类的点并且因此继续保留为非地面点。

图4示出了根据本发明的一个示例性实施例的基于激光点云进行地面滤波的设备的框图。

设备400包括获取模块401，以便获取激光点云数据。在此，获取模块401可以直接构造成激光雷达传感器并且例如可以通过扫描周围环境来产生激光点云。可选地，获取模块401还可以构造为接口并且从激光雷达传感器接收激光点云数据。示例性地，获取模块401也可以包括选择装置(未示出)并且能够通过选择装置来选择激光点云数据的子集用于进一步处理。

获取模块401与估计模块402耦合，以便将所获取的激光点云数据提供给估计模块401。在估计模块402中例如可以基于模型拟合由激光点云数据估计出地面模型。

此外，设备400还包括校验模块403，其被配置成能够基于特征计算及比较对估计出的地面模型进行校验。

图5示出了根据本发明的一个示例性实施例的激光雷达系统的框图。

激光雷达系统500包括一个或多个激光雷达传感器502，激光雷达传感器502借助发送天线51发送激光脉冲信号S。所发送的激光脉冲信号S至少部分地被对象501反射或散射。所反射的激光脉冲信号的一部分可以作为接收信号E由激光雷达传感器502的接收天线52接收。可以由激光雷达系统500的信号处理设备503对接收信号进行处理，在此，尤其可以借助信号处理设备503来产生激光点云数据。在本发明中，激光雷达传感器502的功能以及激光点云数据的产生可以以任意方式进行，因此不作特殊限定。

为了进一步分析处理激光点云数据，由信号处理设备503将产生的激光点云数据提供给设备504。随后，设备504可以基于激光点云数据来进行相应的地面滤波。

尽管这里详细描述了本发明的特定实施方式，但它们仅仅是为了解释的目的而给出的，而不应认为它们对本发明的范围构成限制。在不脱离本发明精神和范围的前提下，各种替换、变更和改造可被构想出来。

Claims (10)

1.一种基于激光点云进行地面滤波的方法，所述方法包括以下步骤：

S1：获取激光点云数据；

S2：基于模型拟合由所述激光点云数据估计出地面模型；以及

S3：基于特征比较对估计出的地面模型进行校验。

2.根据权利要求1所述的方法，其中，在步骤S2之前附加地执行：

按照激光点云中的区域位置和大小将完整的激光点云划分为、尤其非均匀地划分为多个网格区域。

3.根据权利要求2所述的方法，其中，所述方法还包括：

根据相对于激光雷达传感器的距离确定所述网格区域的尺寸，优选地，随着相对于激光雷达传感器的距离的增大，将所述网格区域的尺寸增大。

4.根据以上权利要求中任一项所述的方法，其中，所述步骤S2包括：

选择激光点云数据的子集；

基于激光点云数据的子集中的点建立初始地面模型；以及

将激光点云数据中的另外的点相对于所述初始地面模型的距离与预定义的距离阈值进行比较，其中，将相对于初始地面模型的距离低于所述距离阈值的点分类为地面点，将相对于初始地面模型的距离超过所述距离阈值的点分类为非地面点。

5.根据以上权利要求中任一项所述的方法，其中，所述步骤S2包括：借助RANSAC算法对激光点云数据执行随机采样拟合，通过迭代计算估计出最佳地面模型。

6.根据以上权利要求中任一项所述的方法，其中，所述步骤S3包括：

针对激光点云数据中的各个点计算特征向量；

针对在步骤S2中估计出的地面模型计算参考向量；

将各个点的特征向量与所述参考向量进行比较；以及

基于比较的结果剔除地面模型估计中的假阳性错误和假阴性错误。

7.根据权利要求6所述的方法，其中，所述特征向量包括法向量、方向梯度向量和/或高度梯度向量。

8.一种基于激光点云进行地面滤波的设备(400，504)，所述设备用于执行根据权利要求1至7中任一项所述的方法，所述设备(400，504)包括：

获取模块(401)，其被配置成能够获取激光点云数据；

估计模块(402)，其被配置成能够基于模型拟合由所述激光点云数据估计出地面模型；以及

校验模块(403)，其被配置成能够基于特征比较对估计出的地面模型进行校验。

9.一种激光雷达系统(500)，所述激光雷达系统(500)包括：

激光雷达传感器(502)，其被配置成能够发送和接收雷达信号；

信号处理设备(503)，其被配置成能够处理所述激光雷达传感器(502)的激光雷达信号并且用于输出激光点云数据；以及

根据权利要求8所述的基于激光点云进行地面滤波的设备(400，504)。

10.一种机器可读程序载体，在其上存储有计算机程序，所述计算机程序用于当其在计算机上运行时执行根据权利要求1至7中任一项所述的方法。

Images