[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

说明书

本申请涉及一种激光雷达点云的畸变补偿方法、装置、设备及存储介质，其中，方法包括：基于激光雷达数据和惯性测量单元IMU的测量数据，以获取目标点云的点云集和原始激光点云去除目标点云的点云集；基于点云集，将激光雷达运动目标点云通过坐标转换统一至目标时刻，并逐点计算与目标点云的时间关系和速度关系，以获得静态场景畸变补偿后的点云数据；同时，通过计算激光雷达运动目标点云与目标点云的相对速度关系和相对时间关系，以获得运动目标畸变补偿后的点云数据；并将上述两类点云数据进行拼接，得到补偿后的运动目标点云，从而可以确定自动驾驶车辆的实际周围环境，准确的感知目标的位置信息，反映目标的碰撞点，提高了车辆的安全性和可靠性。

技术领域

本申请涉及激光雷达技术领域，特别涉及一种激光雷达点云的畸变补偿方法、装置、设备及存储介质。

背景技术

在自动驾驶技术中，感知模块作为前端模块具有及其重要的作用，感知输入的准确性决定了后端自动驾驶的效果，同时，激光雷达传感器因为具有准确的测距功能和扫描三维环境模型，在感知传感器中具有主导地位。但是当激光雷达配置在自动驾驶车辆上时，由于TOF(Time Of Flight，飞行时间)激光雷达是慢曝光原理、自身车辆处于与运动状态和目标处于运动状态，会使得激光雷达扫描建立的三维环境模型是畸变的，不能真实反映某一时刻下自动驾驶车辆的周围环境，目标的位置也会存在一定的误差，不能准确反映目标的具体位置，因此碰撞点的预测将会出现误差。

目前，相关技术可通过获取一帧激光点云的原始数据，将从一帧激光点云中选取出的起始激光点的采集时间作为目标时间；对选取出的起始激光点、结束激光点对应的坐标转换关系进行插值，得到其他激光点对应的坐标转换关系，将其他激光点的坐标转换到目标时间。此外，相关技术还可按照时间戳顺序对激光雷达三维点云数据及IMU(InertialMeasurement Unit，惯性测量单元)数据分别进行排序，同时根据IMU输出激光雷达三维点云数据时序对每帧激光雷达三维点云数据进行数据块划分，并对激光雷达三维点云数据进行三轴旋转补偿；最后，根据旋转补偿后的点云数据帧估计出点云帧间运动量，并对点云数据进行平移补偿。

然而，相关技术都是对三维点云场景的静态场景进行补偿，且无法准确反映运动目标在某一时刻的运动状态和实际位置信息。此外，相关技术中TOF激光雷达无法测量运动目标的速度信息，难以有效解决TOF激光雷达点云畸变问题。

发明内容

本申请提供一种激光雷达点云的畸变补偿方法、装置、设备及存储介质，以解决相关技术无法真实反映运动目标在某一时刻的运动状态和实际位置信息以及TOF激光雷达无法测量运动目标的速度信息等问题。

本申请第一方面实施例提供一种激光雷达点云的畸变补偿方法，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。

根据上述技术手段，本申请实施例通过激光雷达与IMU时间空间同步，获取激光雷达数据和IMU数据，并进行数据预处理，进而对静态场景和运动目标进行畸变补偿，拼接补偿后的点云数据，并输出运动目标点云，从而可确定自动驾驶车辆的实际周围环境，准确的感知目标的位置信息以及目标的碰撞点，提高了车辆的安全性和可靠性。