[发明专利]一种三维激光点云数据预处理方法和装置

说明书

本申请提供了一种三维激光点云数据预处理方法和装置，该方法包括：获取采集车采集的三维激光点云和采集车采集所述三维激光点云时的轨迹信息，以及三维激光点云的反射强度信息、高度信息和采集车的轨迹信息中的高度信息；将所述三维激光点云，以及采集车的轨迹信息投影到预设平面上；使用采集车的轨迹信息中的高度信息，以及预设关注的高度范围对所述三维点云进行滤波；根据滤波后的三维点云的反射强度信息、高度信息，以及各点在预设平面上的投影图生成覆盖整个场景的强度图和高度图。该方法能够提高处理激光点云数据的效率，并能过滤掉三维激光点云对应的环境中不关注的物体的图像。

技术领域

本发明涉及信息处理技术领域，特别涉及一种三维激光点云数据预处理方法和装置。

背景技术

在高精地图生产过程中，现有的主流技术流程主要包含数据采集、数据预处理、自动识别、人工检核修正、编译发布等五个基本环节。

其中，预处理阶段主要完成对采集到的离散图片和三维激光点云数据进行时空关联与数据融合，进而生成覆盖整个道路场景的完整数据，服务于后续的自动识别与人工检核环节。

目前，预处理阶段所输出的数据主要包括具有时空信息的连续视频影像及拼合后的场景三维激光点两种主流数据类型。由于该阶段输出的数据类型和数据质量直接影响着后续的自动识别准确率与人工检核作业效率，因此其已成为影响整个地图生产效率的重要环节。

尽管目前以深度学习为代表的机器学习算法已经在影像识别领域取得了丰硕的成果，但由于识别算法是作用在单张二维图像上的，后续只有经过复杂的三维映射与融合过程才能将这些二维识别结果转化为三维场景地图，这一方面增加了算法复杂度，另一方面也很容易在转化过程中引入额外的误差，影响最终的成图效果。对于现有技术输出的场景三维激光点来说，目前基于深度学习的点云识别算法无论在识别效率上还是在识别精度上与图像识别算法相比都还存在一定差距。此外，在人工检核过程中，基于点云数据的三维交互环境较基于图像的二维交互环境更为复杂，不便于作业效率的提升。

发明内容

有鉴于此，本申请提供一种三维激光点云数据预处理方法，能够提高处理激光点云数据的效率，并能过滤掉三维激光点云对应的环境中不关注的物体的图像。

为解决上述技术问题，本申请的技术方案是这样实现的：

本申请的一个实施例中提供一种三维激光点云数据预处理方法，该方法包括：

获取采集车采集的三维激光点云和采集车采集所述三维激光点云时的轨迹信息，以及三维激光点云的反射强度信息、高度信息和采集车的轨迹信息中的高度信息；

将所述三维激光点云，以及采集车的轨迹信息投影到预设平面上；

使用采集车的轨迹信息中的高度信息，以及预设关注的高度范围对所述三维点云进行滤波；

根据滤波后的三维点云的反射强度信息、高度信息，以及各点在预设平面上的投影图生成覆盖整个场景的强度图和高度图。

本申请的另一个实施例中提供一种三维激光点云数据预处理装置，该装置包括：获取单元、投影单元、滤波单元和生成单元；

所述获取单元，用于获取采集车采集的三维激光点云和采集车采集所述三维激光点云时的轨迹信息，以及三维激光点云的反射强度信息、高度信息和采集车的轨迹信息中的高度信息；

所述投影单元，用于将所述获取单元获取的三维激光点云，以及采集车的轨迹信息投影到预设平面上；

所述滤波单元，用于使用所述获取单元获取的采集车的轨迹信息中的高度信息，以及预设关注的高度范围对所述三维点云进行滤波；

所述生成单元，用于根据所述滤波单元滤波后的三维点云的反射强度信息、高度信息，以及所述投影单元中各点在预设平面上的投影图生成覆盖整个场景的强度图和高度图。