[发明专利]基于深度图的3D点云分割方法、分割装置在审
申请号: | 202011056410.X | 申请日: | 2020-09-30 |
公开(公告)号: | CN112200849A | 公开(公告)日: | 2021-01-08 |
发明(设计)人: | 陈海波;陈安东 | 申请(专利权)人: | 深兰人工智能(深圳)有限公司 |
主分类号: | G06T7/521 | 分类号: | G06T7/521;G06T5/00;G06T7/10;G06K9/62 |
代理公司: | 常州佰业腾飞专利代理事务所(普通合伙) 32231 | 代理人: | 陈红桥 |
地址: | 518131 广东省深圳市龙华*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 深度 分割 方法 装置 | ||
1.一种基于深度图的3D点云分割方法,其特征在于,包括以下步骤:
获取激光雷达采集的3D点云数据;
将所述3D点云数据转换成深度图,其中,所述深度图包括行和列,所述行为点云的线速数量,所述列为激光雷达的水平方向的分辨率,所述3D点云数据包括3D点云数据点;
获取所述深度图中每列的每个所述3D点云数据点与其相邻点的连线与激光雷达的xy平面的第一夹角,并在所述第一夹角小于第一预设角度值时,将该点作为路面点去除;
获取所述深度图中每列的每个所述3D点云数据点和其相邻点的连线,与所述3D点云数据点和原点的连线的第二夹角,并根据所述第二夹角进行点云分割。
2.根据权利要求1所述的基于深度图的3D点云分割方法,其特征在于,根据以下函数获取所述深度图中每列的每个所述3D点云数据点与其相邻点的连线与激光雷达的xy平面的第一夹角:
α=a tan2(||BC||,||AC||);
||BC||=|Rr-1,csinξa-Rr,csinξb|;
||AC||=|Rr-1,ccosξa-Rr,ccosξb|;
其中,α为所述第一夹角,ξa是激光雷达对应第r-1行激光线速的垂直角度,ξb是激光雷达对应第r行激光线速的垂直角度,Rr-1,c是第r-1行第c列的水平方向的分辨率,Rr,c是第r行第c列的水平方向的分辨率。
3.根据权利要求1所述的基于深度图的3D点云分割方法,其特征在于,根据以下函数获取所述深度图中每列的每个所述3D点云数据点和其相邻点的连线,与,所述3D点云数据点和原点的连线的第二夹角:
其中,β为所述第二夹角,d1为所述3D点云数据点与原点之间的欧式距离,d2为所述3D点云数据点的相邻点与原点之间的欧式距离,为3D点云数据点与原点连线和3D点云数据点的相邻点与原点连线的夹角。
4.根据权利要求1所述的基于深度图的3D点云分割方法,其特征在于,根据所述第二夹角进行点云分割,包括:
判断所述第二夹角是否大于第二预设角度;
如果所述第二夹角大于所述第二预设角度,则判断所述3D点云数据点与其相邻点为同一物体。
5.一种基于深度图的3D点云分割装置,其特征在于,包括:
获取模块,所述获取模块用于获取激光雷达采集的3D点云数据;
转换模块,所述转换模块用于将所述3D点云数据转换成深度图,其中,所述深度图包括行和列,所述行为点云的线速数量,所述列为激光雷达的水平方向的分辨率,所述3D点云数据包括3D点云数据点;
路面去除模块,所述路面去除模块用于获取所述深度图中每列的每个所述3D点云数据点与其相邻点的连线与激光雷达的xy平面的第一夹角,并在所述第一夹角小于第一预设角度值时,将该点作为路面点去除;
分割模块,所述分割模块用于获取所述深度图中每列的每个所述3D点云数据点和其相邻点的连线,与,所述3D点云数据点和原点的连线的第二夹角,并根据所述第二夹角进行点云分割。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深兰人工智能(深圳)有限公司,未经深兰人工智能(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011056410.X/1.html,转载请声明来源钻瓜专利网。