[发明专利]一种盲区识别方法及装置

权利要求书

1.一种盲区识别方法，其特征在于，所述方法应用于无人驾驶领域，包括：

获取无人设备采集到的目标点云数据；

针对确定出的所述目标点云数据中包含的每个目标点云点，根据所述无人设备上设置的激光雷达探测到该目标点云点时的扫描角度，确定以该目标点云点为起始位置，按照所述无人设备指向该目标点云点的方向远离所述无人设备的区域，作为该目标点云点对应的延伸区域；

根据所述目标点云数据中每个目标点云点对应的延伸区域，识别出所述无人设备采集所述目标点云数据时所处区域的数据采集盲区。

2.如权利要求1所述的方法，其特征在于，获取无人设备采集到的目标点云数据，包括：

获取所述无人设备采集到的初始点云数据；

从所述初始点云数据中识别出噪点，并将去除所述噪点的所述初始点云数据，作为所述目标点云数据。

3.如权利要求2所述的方法，其特征在于，从所述初始点云数据中识别出噪点，包括：

根据所述初始点云数据中包含的每个点云点对应的高度值，从所述初始点云数据中识别出位于地面的点云点，作为识别出的所述噪点。

4.如权利要求2所述的方法，其特征在于，从所述初始点云数据中识别出噪点，包括：

针对每个初始点云数据中包含的每个点云点，判断该点云点对应的高度值是否落入到预设的高度值范围中；

若确定该点云点对应的高度值未落入到所述高度值范围中，确定该点云点为噪点。

5.如权利要求2或4所述的方法，其特征在于，从所述初始点云数据中识别出噪点，包括：

针对每个初始点云数据中包含的每个点云点，判断该点云点对应的高度值是否落入到预设的高度值范围中；

若确定该点云点对应的高度值落入到所述高度值范围中，判断在该点云点投影方向上是否存在位于该点云点下方的点云点；

若确定在该点云点投影方向上不存在位于该点云点下方的点云点，确定该点云点为噪点。

6.如权利要求1所述的方法，其特征在于，确定所述目标点云数据中包含的每个目标点云点，包括：

将所述目标点云数据中位于不同圆周的点云数据分别映射到预设矩阵的各行中，得到点云矩阵，其中，所述点云矩阵中不同的行坐标对应所述目标点云数据中不同圆周的点云数据，所述点云矩阵中不同的列坐标对应所述无人设备上设置的激光雷达在扫描得到所述目标点云数据时的不同扫描角度；

根据所述点云矩阵，所述目标点云数据中包含的每个目标点云点。

7.如权利要求1或6所述的方法，其特征在于，确定所述目标点云数据中包含各目标点云点，包括：

针对所述无人设备上设置的激光雷达在扫描得到所述目标点云数据时的每个扫描角度，从所述目标点云数据中确定出位于该扫描角度内距离所述无人设备最近的点云点，作为目标点云点。

8.如权利要求1所述的方法，其特征在于，针对确定出的所述目标点云数据中包含的每个目标点云点，根据所述无人设备上设置的激光雷达探测到该目标点云点时的扫描角度，确定以该目标点云点为起始位置，按照所述无人设备指向该目标点云点的方向远离所述无人设备的区域，作为该目标点云点对应的延伸区域，包括：

针对每个目标点云点，若确定位于该目标点云点的预设范围内存在参考目标点云点，确定以所述参考目标点云点为起始位置，按照所述无人设备指向该目标点云点的方向远离所述无人设备的区域，作为该目标点云点对应的延伸区域，其中，所述参考目标点云点与所述无人设备之间的距离，小于该目标点云点与所述无人设备之间的距离。