[发明专利]点云障碍物的去噪方法、装置、设备和存储介质

说明书

本申请实施例公开了点云障碍物的去噪方法、装置、设备和存储介质，涉及自动驾驶领域。具体实现方案为：检测点云数据中的点云障碍物，并确定所述点云障碍物的类别；采用所述类别关联的去噪规则，确定所述点云障碍物中的噪声点；根据所述噪声点，对所述点云障碍物进行去噪处理。本申请实施例通过将噪点过滤环节后移，从以点为单位的过滤去噪优化为以障碍物为单位的过滤去噪，且不同类别的障碍物对应不同去噪规则。在避免障碍物漏检的同时，提高了点云障碍物去噪精度和效率，进而提高障碍物感知过程的准确性和实时性。

技术领域

本申请实施例涉及数据处理领域，尤其涉及自动驾驶技术领域，具体涉及一种点云障碍物的去噪方法、装置、设备和存储介质。

背景技术

激光雷达是自动驾驶技术中的重要组成部分，其扫描获取的点云数据可用于障碍物感知。由于受激光雷达硬件的影响，点云数据中会存在一些噪点。目前，现有技术在进行障碍物感知时，会先采用整帧去噪的方式去除点云数据中的噪声后，再进行障碍物检测，常用的整帧去噪方式有对整帧点云数据进行如傅里叶变化或霍夫变换等处理，还可以是直接采用均值滤波或高斯滤波等方式对整帧点云数据进行迭代去噪等。

但是，现有技术的整帧去噪方式，容易造成点云畸变或小物体缺失，从而导致后续障碍物检测时出现漏检或边界不准确等问题。且整帧去噪运算量较大，导致障碍物感知过程存在较高的延时。

发明内容

本申请实施例了公开一种点云障碍物的去噪方法、装置、设备和存储介质，能够在避免障碍物漏检的同时，提高点云障碍物去噪精度和效率，进而提高障碍物感知过程的实时性。

第一方面，本申请实施例公开了一种点云障碍物的去噪方法，包括：

检测点云数据中的点云障碍物，并确定所述点云障碍物的类别；

采用所述类别关联的去噪规则，确定所述点云障碍物中的噪声点；

根据所述噪声点，对所述点云障碍物进行去噪处理。

上述申请中的一个实施例具有如下优点或有益效果：对采集到的点云数据先检测其中包含的点云障碍物及其所属类别，进而采用各类别关联的去噪规则确定各点云障碍物的噪声点进行去噪处理。本申请的方案，将点云数据噪点去除环节后移，从以点为单位的整帧过滤去噪优化为以障碍物为单位的过滤去噪，且不同障碍物对应不同去噪规则，在避免障碍物漏检的同时，极大的提高了点云障碍物的去噪精度和效率，进而提高障碍物感知过程的准确性和实时性。为点云障碍物的去噪提供了一种新思路。

另外，根据本申请上述实施例的点云障碍物的去噪方法，还可以具有如下附加的技术特征：

可选的，采用所述类别关联的去噪规则，确定所述点云障碍物中的噪声点，包括：

若所述点云障碍物的类别为行人类别，则采用行人类别关联的均值漂移算法，确定所述点云障碍物中的噪声点；

若所述点云障碍物的类别为车辆类别，则采用车辆类别关联的边缘拟合算法，确定所述点云障碍物中的噪声点。

上述申请中的一个实施例具有如下优点或有益效果：对于行人类别的点云障碍物，采用均值漂移算法，来确定点云障碍物中的噪声点；对于车辆类别的点云障碍物，采用边缘拟合算法，来确定点云障碍物中的噪声点。针对行人类别和车辆类别的点云障碍物，根据其特性，采用完全不同的方式确定噪声点，提高了噪声点确定的准确性。

可选的，采用行人类别关联的均值漂移算法，确定所述点云障碍物中的噪声点，包括：

根据行人类别的点云障碍物的初始点云中心和预设半径，对所述点云障碍物的偏移量进行迭代，确定所述点云障碍物的目标点云中心；

根据所述目标点云中心和所述预设半径，确定所述点云障碍物的目标区域；