[发明专利]一种点云数据的分割方法和装置

说明书

本发明公开了一种点云数据的分割方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：获取点云数据；其中，所述点云数据包括各点与扫描线的对应关系；根据相邻点之间的距离对点云数据中各扫描线上的点进行分割，以得到对应于各扫描线的分割段；对不同扫描线之间的分割段进行聚类以得到子点集；根据所述子点集确定分割结果。该实施方式能够提高点云数据分割的效率和准确度。

技术领域

本发明涉及计算机技术领域，尤其涉及一种点云数据的分割方法和装置。

背景技术

目前自动驾驶技术发展迅速，多线激光雷达具有视角大(一般是360°)、探测距离远(150m以上)、测距精度高(厘米级)等优点，是目前自动驾驶中最为常用的传感器之一。点云数据是由传感器采集到的海量、稀疏的点所组成的数据集合，为了根据点云数据确定空间中的物体，需要对点云数据中的点进行分割。目前的点云分割大多使用点云处理开源库(PCL)中的欧氏距离分割算法，该算法通过KD-Tree储存三维点云数据，通过每个点与近邻点的欧氏距离判断是否属于同一类。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

由于多线雷达的水平扫描分辨率远高于垂直扫描分辨率，因此通过单一阈值对同扫描线上和不同扫描线间的点进行分割时，准确度较差；此外，现有的方法需要将任意两点的欧式距离与阈值对比进行判断，运行效率低。

发明内容

有鉴于此，本发明实施例提供一种点云数据的分割方法和装置，能够提高点云数据分割的效率和准确度。

为实现上述目的，根据本发明实施例的一个方面，提供了一种点云数据的分割方法，包括：

获取点云数据；其中，所述点云数据包括各点与扫描线的对应关系；

根据相邻点之间的距离对点云数据中各扫描线上的点进行分割，以得到对应于各扫描线的分割段；

对不同扫描线之间的分割段进行聚类以得到子点集；

根据所述子点集确定分割结果。

可选的，根据相邻点之间的距离对点云数据中各扫描线上的点进行分割，以得到对应于各扫描线的分割段的步骤包括：

对于点云数据中一条扫描线上的点，依次判断前点和后点是否满足均为有效点且距离小于距离阈值的条件；若满足，则将后点加入前点所属的分割段；

对于每条扫描线执行上述步骤，以得到对应于各扫描线的分割段。

可选的，所述距离阈值为前点和后点与雷达中心之间距离的较大值与距离增益的乘积，加上点云测距精度所得到的结果；其中，所述距离增益为雷达水平扫描角与雷达水平扫描角和飞点角度之和的比值，所述雷达水平扫描角为雷达水平扫描角分辨率的整数倍，所述飞点角度为预设值，所述点云测距精度由雷达性能确定。

可选的，在对不同扫描线之间的分割段进行聚类以得到子点集的步骤前，还包括：

根据各分割段所包含的点，确定该分割段的扫描角度区间和扫描距离区间；其中，所述扫描角度区间为该分割段所包含的各点与雷达正向所呈最小夹角至最大夹角的区间，所述扫描距离区间为该分割段所包含的各点与雷达中心之间最小距离到最大距离的区间；

对不同扫描线之间的分割段进行聚类以得到子点集的步骤包括：

任取一条扫描线中的一分割段，判断该分割段与其他扫描线中各分割段的扫描角度区间和扫描距离区间是否均存在交集；若存在，则将该分割段与存在交集的分割段合并，并更新合并得到的分割段的扫描角度区间和扫描距离区间；

对于各分割段重复执行上述步骤，直至在一次对全部分割段的遍历后没有发生合并，以此时的各分割段作为各子点集。

可选的，根据所述子点集确定分割结果的步骤包括：