一種3d點云的數(shù)據(jù)處理方法
【專利摘要】本發(fā)明公開了一種3D點云的數(shù)據(jù)處理方法，其中的3D點云中的地面濾波方法通過構(gòu)建3D柵格地圖和擬合地平面曲線完成，數(shù)據(jù)結(jié)構(gòu)簡單，得到的地平面曲線精確可靠，濾波效果和實時性非常好；提出的分割方法采用柱坐標(biāo)柵格地圖中的搜索窗口聚類方法，大大縮減了聚類過程的計算量，實時性好，聚類結(jié)果精確；提出的訓(xùn)練樣本標(biāo)記方法將點云分割結(jié)合適當(dāng)?shù)娘@示和存儲方法而形成，易于實現(xiàn)，可以在每幀點云數(shù)據(jù)中標(biāo)記多個類別的樣本，大大提高了樣本的標(biāo)記效率。
【專利說明】一種3D點云的數(shù)據(jù)處理方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種3D點云的數(shù)據(jù)處理方法，屬于3D點云數(shù)據(jù)預(yù)處理【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002] 近年來，隨著Kinect、Velodyne等旋轉(zhuǎn)軸與地面垂直的3D激光傳感器的發(fā)明及普 及，對3D深度數(shù)據(jù)處理方法的研究越來越受到人們的重視。由Velodyne等激光雷達(dá)傳感 器對周圍環(huán)境掃描采樣得到的3D點云數(shù)據(jù)中，包含了傳感器周圍環(huán)境中幾乎所有物體的 反射數(shù)據(jù)。通過對掃描得到的3D點云數(shù)據(jù)進(jìn)行處理就可以達(dá)到障礙物檢測和識別的目的， 但是由于3D點云數(shù)據(jù)往往規(guī)模過于龐大，會帶來后續(xù)算法的實時性問題，所以首先要解決 的問題就是對點云數(shù)據(jù)進(jìn)行濾波和分割以減小數(shù)據(jù)規(guī)模。而3D點云中訓(xùn)練樣本標(biāo)記方法 的研究也是眾多監(jiān)督學(xué)習(xí)方法在3D點云數(shù)據(jù)中擴展應(yīng)用的基礎(chǔ)。
[0003] 濾波是指對點云數(shù)據(jù)中的地面點進(jìn)行識別和濾除。目前3D點云數(shù)據(jù)的地面濾波 方法主要可分為兩類：直接依據(jù)點云數(shù)據(jù)的地平面濾波方法和依據(jù)點云數(shù)據(jù)特征的地平面 濾波方法。前者多依據(jù)點云中數(shù)據(jù)點的坐標(biāo)構(gòu)建直角坐標(biāo)系下的柵格地圖，據(jù)傳感器的安 裝高度，在各個柵格內(nèi)設(shè)定高度閾值，通過比較點云中點坐標(biāo)的高度值與高度閾值的大小 進(jìn)行地面濾波，該類方法思路簡單，應(yīng)用廣泛，實時性好，但在柵格內(nèi)固定高度閾值難以反 應(yīng)真實的地形特征，精確度較低，難以處理野外地形下的地面濾波任務(wù)。后者經(jīng)過對點云 數(shù)據(jù)進(jìn)行特征提取，利用表面法向量特征，結(jié)合離線訓(xùn)練的監(jiān)督模型，進(jìn)行地平面的識別和 濾波，此類方法地面濾波效果精確可靠，但特征提取、離線模型訓(xùn)練和匹配算法一般過于復(fù) 雜，需要占用很大的內(nèi)存空間、花費較長的計算時間，實時性難以保證。
[0004] 分割指對地面以上的點云點通過聚類的方法分割成點云塊兒，屬于同一物體的點 聚成同一類。而現(xiàn)有的點云分割方法都以聚類算法為基礎(chǔ)，常用的聚類方法有k-means、高 斯混合模型和基于K鄰域的種子生長法。前兩者需要預(yù)先指定聚類個數(shù)，而現(xiàn)實場景中的 分割任務(wù)很難預(yù)先知道場景中的目標(biāo)個數(shù)，強行預(yù)先指定聚類個數(shù)難免造成誤分割，且前 兩種分割方法都需要不斷的重新聚類，修正聚類中心的位置，直到算法收斂，適用于數(shù)據(jù)規(guī) 模較小問題的聚類，而現(xiàn)實場景中的點云每幀數(shù)據(jù)包含數(shù)十萬個激光點，前兩種方法難以 保證實時性。種子生長法比較適合激光點云的分割任務(wù)，但現(xiàn)有的基于K鄰域的種子生長 方法在搜索K鄰域時需要進(jìn)行過多重復(fù)無用運算，在處理數(shù)十萬激光點的聚類時實時性不 商。
[0005] 現(xiàn)有的監(jiān)督學(xué)習(xí)方法中訓(xùn)練樣本的標(biāo)記是一個需要人工來操作的步驟。常用的方 法為利用第三方工具，如3D max等軟件，將點云數(shù)據(jù)導(dǎo)入，通過人工選定樣本，然后利用標(biāo) 注工具進(jìn)行圈注和數(shù)據(jù)導(dǎo)出。該類方法需要對樣本目標(biāo)如車輛、行人等物體一個一個進(jìn)行 選定，圈注，導(dǎo)出，步驟繁瑣，效率較低。


【發(fā)明內(nèi)容】

[0006] 為了在保證精確度的前提下提高3D點云數(shù)據(jù)處理的效率，保證實時性，本發(fā)明提 出一種3D點云的數(shù)據(jù)處理方法，特別是對激光雷達(dá)傳感器繞自身堅直中心軸旋轉(zhuǎn)采集得 到的3D點云數(shù)據(jù)進(jìn)行預(yù)處理，其特征在于，包括以下步驟：
[0007] 步驟1、以所述堅直中心軸為中心對稱軸對激光雷達(dá)傳感器的掃描區(qū)域進(jìn)行等圓 周角劃分，得到N = 360° /α個柵格通道，其中α為激光雷達(dá)傳感器的角分辨率；
[0008] 步驟2、地平面濾波，具體包含以下步驟：
[0009] S21、定義所述堅直中心軸為Ζ軸，定義激光雷達(dá)傳感器掃描窗口中心點為原點， 針對每個所述柵格通道，在所述原點至激光雷達(dá)傳感器的安裝高度范圍內(nèi)，沿Ζ軸進(jìn)行等 間隔劃分，形成多個等高的小柵格，統(tǒng)計落入各小柵格的點云點占所在柵格通道內(nèi)總點云 點數(shù)的百分比，得到各柵格通道對應(yīng)的高度直方圖；
[0010] S22、地平面估計
[0011] 在各個高度直方圖中，從ζ軸最低點向上逐個累加各小柵格內(nèi)點云點的百分比 值，當(dāng)累加得到的百分比值大于閾值？__。 1(1時，取這些被累加的小柵格內(nèi)的點作為地平面 上的點，用最后被累加的小柵格內(nèi)的點擬合一條曲線，作為各柵格通道的地平面曲線，所述 閾值Ρ threshold 的取值范圍為10%?25% ;
[0012] S23、地平面濾波
[0013] 對各柵格通道內(nèi)各個點云點進(jìn)行判斷：若Z軸高度值在地平面曲線以下，則將該 點從點云中濾除，保留下的點即為地平面濾波后的點云數(shù)據(jù)；
[0014] 步驟3、聚類分割，具體步驟如下：
[0015] S31、在濾波后的點云數(shù)據(jù)中選定一個沒有被聚入任何類的點作為聚類起始點，在 所述聚類起始點所在柵格通道及與其相鄰的兩個柵格通道內(nèi)，將與所述聚類起始點水平距 離為的區(qū)域定義為搜索窗口，其中R thMslTOld為搜索窗口的尺寸參數(shù)；
[0016] S32、計算步驟S31的搜索窗口中每一個點與聚類起始點的距離，距離小于閾值 Dtto esh〇id的點加入該聚類，所述閾值DthreshQld的取值范圍為〇· 4m?1. 0m,同時對該點進(jìn)行標(biāo) 記表示其已加入該聚類，得到第一代標(biāo)記點；以每一個第一代標(biāo)記點作為新的聚類起始點， 按步驟S31所述的方法確定新的搜索窗口，對在搜索窗口中的所有未被標(biāo)記的點計算其與 新的聚類起始點的距離，對小于閾值D threslTOld的點進(jìn)行標(biāo)記表示加入該聚類，得到第二代標(biāo) 記點；以此類推，直至某一代標(biāo)記點的搜索窗口中的所有點都不滿足聚類條件或已全部加 入聚類，即得到聚類分割后的點云塊。
[0017] 所述步驟1中，對各個柵格通道沿激光雷達(dá)傳感器旋轉(zhuǎn)的方向從1至N進(jìn)行編號， 然后針對每個柵格通道中的點云點，按照其所在的柵格通道的編號、該點云點與Z軸的水 平距離以及該點云點的在Z軸的高度進(jìn)行編碼并存儲。
[0018] 所述步驟S21的小柵格的高度不大于0. 2m。
[0019] 所述步驟S31中搜索窗口的尺寸參數(shù)Rth,esh()ld的取值范圍為0. 4m?1. 2m。
[0020] 本發(fā)明的一種3D點云的數(shù)據(jù)處理方法，還包括對步驟3得到的聚類分割后的點云 塊進(jìn)行標(biāo)記，具體為：首先將各個聚類得到的點云塊編號，然后使用點云庫中的點云3D顯 示方法，在顯示界面中顯示各個點云塊及其編號，觀察每個編號的點云塊屬于哪個類別，并 統(tǒng)計記錄；同時，在顯示過程中，每顯示一個點云塊，則生成一個以其編號為名稱的文本文 件，將該點云塊保存進(jìn)該文本文件，完成標(biāo)記。
[0021 ] 所述步驟S22中，所述閾值PthreshQld為20 %。
[0022] 所述步驟S31中的搜索窗口的尺寸參數(shù)Rth,esh()ld選為0. 8m。
[0023] 所述步驟S32中的閾值Dtosh()ld優(yōu)選為0. 5m。
[0024] 本發(fā)明具有如下有益效果：
[0025] 1、本發(fā)明提出的3D點云中的地面濾波方法通過構(gòu)建3D柵格地圖和擬合地平面曲 線完成，數(shù)據(jù)結(jié)構(gòu)簡單，得到的地平面曲線精確可靠，濾波效果和實時性非常好；
[0026] 2、本發(fā)明提出的分割方法采用柱坐標(biāo)柵格地圖中的搜索窗口聚類方法，大大縮減 了聚類過程的計算量，實時性好，聚類結(jié)果精確；
[0027] 3、本發(fā)明提出的訓(xùn)練樣本標(biāo)記方法將點云分割結(jié)合適當(dāng)?shù)娘@示和存儲方法而形 成，易于實現(xiàn)，可以在每幀點云數(shù)據(jù)中標(biāo)記多個類別的樣本，大大提高了樣本的標(biāo)記效率。

【專利附圖】

【附圖說明】
[0028] 圖1為本發(fā)明實施方式中進(jìn)行地面濾波和分割前的點云示意圖；
[0029] 圖2為本發(fā)明實施方式中3D柱坐標(biāo)柵格地圖示意圖；
[0030] 圖3為本發(fā)明實施方式中點的柱坐標(biāo)表柵格通道編號確定方法不意圖；
[0031] 圖4為地面直方圖的示意圖；
[0032] 圖5為本發(fā)明實施方式中搜索窗口聚類示意圖；
[0033] 圖6為本發(fā)明實施方式中的訓(xùn)練樣本標(biāo)記示意圖。

【具體實施方式】
[0034] 下面結(jié)合附圖及實施例對本發(fā)明的實施方式做詳細(xì)說明。
[0035] 本發(fā)明所采用的方法是針對按以下方式安裝的傳感器進(jìn)行的：傳感器的旋轉(zhuǎn)軸與 地面垂直。定義0ΧΥΖ坐標(biāo)系為與傳感器固連的直角坐標(biāo)系，0Z軸與為傳感器的堅直中心 軸，與地平面垂直，0X軸為掃描起始平面中的水平射線，0Y軸由X軸和Z軸根據(jù)右手螺旋定 則確定，其中Z軸可以反映掃描到物體的高度值。
[0036] 通過如上所述的傳感器對周圍環(huán)境進(jìn)行一次采樣，得到如圖1所示的待處理的現(xiàn) 實場景的點云數(shù)據(jù)圖像。
[0037] 對得到的點云數(shù)據(jù)的處理包括以下步驟：
[0038] 步驟1、如圖2所示，以所述堅直中心軸為中心對稱軸對激光雷達(dá)傳感器的圓柱狀 掃描區(qū)域進(jìn)行等圓周角劃分，得到N = 360° /α個柵格通道，其中α為激光雷達(dá)傳感器的 角分辨率；
[0039] S11、每個劃分后的柵格通道由兩個過坐標(biāo)原點0且與水平面垂直的面分割而成， 兩個面的夾角為α =0.5°。柵格通道的劃分從0Χ軸開始，按傳感器的掃描方向從1開始 編號，至Ν= 360° /α，共Ν= 720個柵格通道。
[0040] S12、對各柵格通道中的點進(jìn)行編碼存儲
[0041] 如圖3所示，點云中給定點p(x, y, ζ)及其與0Χ軸的夾角β = arctan(y/x)，其柵 格通道號的確定方法

【權(quán)利要求】
1. 一種3D點云的數(shù)據(jù)處理方法，特別是對激光雷達(dá)傳感器繞自身堅直中心軸旋轉(zhuǎn)采 集得到的3D點云數(shù)據(jù)進(jìn)行預(yù)處理，其特征在于，包括以下步驟： 步驟1、以所述堅直中心軸為中心對稱軸對激光雷達(dá)傳感器的掃描區(qū)域進(jìn)行等圓周角 劃分，得到N= 360° /α個柵格通道，其中α為激光雷達(dá)傳感器的角分辨率； 步驟2、地平面濾波，具體包含以下步驟： 521、 定義所述堅直中心軸為Ζ軸，定義激光雷達(dá)傳感器掃描窗口中心點為原點，針對 每個所述柵格通道，在所述原點至激光雷達(dá)傳感器的安裝高度范圍內(nèi)，沿Ζ軸進(jìn)行等間隔 劃分，形成多個等高的小柵格，統(tǒng)計落入各小柵格的點云點占所在柵格通道內(nèi)總點云點數(shù) 的百分比，得到各柵格通道對應(yīng)的高度直方圖； 522、 地平面估計 在各個高度直方圖中，從Ζ軸最低點向上逐個累加各小柵格內(nèi)點云點的百分比值，當(dāng) 累加得到的百分比值大于閾值？__。1(1時，取這些被累加的小柵格內(nèi)的點作為地平面上的 點，用最后被累加的小柵格內(nèi)的點擬合一條曲線，作為各柵格通道的地平面曲線，所述閾值 ^threshold 的取值范圍為10%?25% ; 523、 地平面濾波 對各柵格通道內(nèi)各個點云點進(jìn)行判斷：若Z軸高度值在地平面曲線以下，則將該點從 點云中濾除，保留下的點即為地平面濾波后的點云數(shù)據(jù)； 步驟3、聚類分割，具體步驟如下： 531、 在濾波后的點云數(shù)據(jù)中選定一個沒有被聚入任何類的點作為聚類起始點，在所述 聚類起始點所在柵格通道及與其相鄰的兩個柵格通道內(nèi)，將與所述聚類起始點水平距離為 RthmhoM的區(qū)域定義為搜索窗口，其中Rth^hoM為搜索窗口的尺寸參數(shù)； 532、 計算步驟S31的搜索窗口中每一個點與聚類起始點的距離，距離小于閾值Dthresh()ld 的點加入該聚類，所述閾值Dthre;shaLd的取值范圍為0. 4m?1. 0m，同時對該點進(jìn)行標(biāo)記表示 其已加入該聚類，得到第一代標(biāo)記點；以每一個第一代標(biāo)記點作為新的聚類起始點，按步驟 S31所述的方法確定新的搜索窗口，對在搜索窗口中的所有未被標(biāo)記的點計算其與新的聚 類起始點的距離，對小于閾值D thrashaLd的點進(jìn)行標(biāo)記表示加入該聚類，得到第二代標(biāo)記點； 以此類推，直至某一代標(biāo)記點的搜索窗口中的所有點都不滿足聚類條件或已全部加入聚 類，即得到聚類分割后的點云塊。
2. 如權(quán)利要求1所述的一種3D點云的數(shù)據(jù)處理方法，其特征在于，所述步驟1中，對 各個柵格通道沿激光雷達(dá)傳感器旋轉(zhuǎn)的方向從1至N進(jìn)行編號，然后針對每個柵格通道中 的點云點，按照其所在的柵格通道的編號、該點云點與Z軸的水平距離以及該點云點的在Z 軸的高度進(jìn)行編碼并存儲。
3. 如權(quán)利要求1所述的一種3D點云的數(shù)據(jù)處理方法，其特征在于，所述步驟S21的小 柵格的高度不大于〇. 2m。
4. 如權(quán)利要求1所述的一種3D點云的數(shù)據(jù)處理方法，其特征在于，所述步驟S31中搜 索窗口的尺寸參數(shù)RthMsh()ld的取值范圍為0. 4m?1. 2m。
5. 如權(quán)利要求1所述的一種3D點云的數(shù)據(jù)處理方法，其特征在于，還包括對步驟3得 到的聚類分割后的點云塊進(jìn)行標(biāo)記，具體為：首先將各個聚類得到的點云塊編號，然后使用 點云庫中的點云3D顯示方法，在顯示界面中顯示各個點云塊及其編號，觀察每個編號的點 云塊屬于哪個類別，并統(tǒng)計記錄；同時，在顯示過程中，每顯示一個點云塊，則生成一個以其 編號為名稱的文本文件，將該點云塊保存進(jìn)該文本文件，完成標(biāo)記。
6. 如權(quán)利要求1所述的3D點云的數(shù)據(jù)處理方法，其特征在于，所述步驟S22中，所述閾 值 Pthreshold 為 2〇 %。
7. 如權(quán)利要求1或4所述的3D點云的數(shù)據(jù)處理方法，其特征在于，所述步驟S31中的 搜索窗口的尺寸參數(shù)RttoeshaLd選為〇. 8m。
8. 如權(quán)利要求1所述的3D點云的數(shù)據(jù)處理方法，其特征在于，所述步驟S32中的閾值 ^threshold 優(yōu)選為0. 5m。
【文檔編號】G06K9/62GK104298998SQ201410509881
【公開日】2015年1月21日 申請日期:2014年9月28日 優(yōu)先權(quán)日:2014年9月28日
【發(fā)明者】楊毅, 閆光, 朱昊, 周耿, 屈新 申請人:北京理工大學(xué)