[发明专利]激光雷达点云的畸变补偿方法、装置、设备及存储介质

权利要求书

1.一种激光雷达点云的畸变补偿方法，其特征在于，包括以下步骤：

获取激光雷达的激光雷达数据的同时，获取惯性测量单元IMU的测量数据；

根据所述激光雷达数据和所述测量数据获取目标点云的点云集和原始激光点云去除所述目标点云的点云集；

基于所述点云集，选取当前帧激光雷达的开始激光点的时间戳作为目标时刻，将激光雷达运动目标点云通过坐标转换统一至所述目标时刻，并逐点计算与所述目标点云的时间关系和速度关系，得到变换关系，以获得静态场景畸变补偿后的第一点云数据；

基于所述点云集，选取所述当前帧激光雷达的开始激光点的时间戳作为所述目标时刻，将所述激光雷达运动目标点云通过坐标转换统一至所述目标时刻，计算所述激光雷达运动目标点云与所述目标点云的相对速度关系和相对时间关系，得到所述激光雷达运动目标点云的坐标转换关系，以获得运动目标畸变补偿后的第二点云数据；以及

拼接所述第一点云数据和所述第二点云数据，得到补偿后的运动目标点云，确定自动驾驶车辆的实际周围环境。

2.根据权利要求1所述的方法，其特征在于，在获得所述运动目标畸变补偿后的第二点云数据之前，还包括：

基于前一帧激光点云的检测结果对当前帧激光点云的检测结果进行关联匹配，估计目标的状态信息，以对所述目标点云的点云集进行畸变补偿。

3.根据权利要求1所述的方法，其特征在于，在获取所述激光雷达数据和所述测量数据之前，还包括：

对所述激光雷达和所述IMU进行时间同步。

4.根据权利要求1所述的方法，其特征在于，所述根据所述激光雷达数据和所述测量数据获取目标的点云集和原始激光点云去除目标点云的点云集，包括：

基于所述激光雷达数据和所述测量数据，通过预设聚类算法获取所述目标的点云信息、框盒和heading信息，以基于聚类结果分离所述目标点云的点云集和所述原始激光点云去除目标点云的点云集。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述激光雷达数据包括每个点云的三轴坐标信息、强度信息和时间戳信息，所述测量数据包括三轴角速度、三轴线速度和时间戳信息。

6.一种激光雷达点云的畸变补偿装置，其特征在于，包括：

第一获取模块，用于获取激光雷达的激光雷达数据的同时，获取惯性测量单元IMU的测量数据；

第二获取模块，用于根据所述激光雷达数据和所述测量数据获取目标点云的点云集和原始激光点云去除所述目标点云的点云集；

第三获取模块，用于基于所述点云集，选取当前帧激光雷达的开始激光点的时间戳作为目标时刻，将激光雷达运动目标点云通过坐标转换统一至所述目标时刻，并逐点计算与所述目标点云的时间关系和速度关系，得到变换关系，以获得静态场景畸变补偿后的第一点云数据；

第四获取模块，用于基于所述点云集，选取所述当前帧激光雷达的开始激光点的时间戳作为所述目标时刻，将所述激光雷达运动目标点云通过坐标转换统一至所述目标时刻，计算所述激光雷达运动目标点云与所述目标点云的相对速度关系和相对时间关系，得到所述激光雷达运动目标点云的坐标转换关系，以获得运动目标畸变补偿后的第二点云数据；以及

拼接模块，用于拼接所述第一点云数据和所述第二点云数据，得到补偿后的运动目标点云，确定自动驾驶车辆的实际周围环境。

7.根据权利要求6所述的装置，其特征在于，还包括：

匹配模块，用于在获得所述运动目标畸变补偿后的第二点云数据之前基于前一帧激光点云的检测结果对当前帧激光点云的检测结果进行关联匹配，估计目标的状态信息，以对所述目标点云的点云集进行畸变补偿。

8.根据权利要求6所述的装置，其特征在于，还包括：

同步模块，用于在获取所述激光雷达数据和所述测量数据之前对所述激光雷达和所述IMU进行时间同步。