一种松散型点云数据分割方法和设备的制造方法
【技术领域】
[0001]本发明涉及三维激光雷达生成的三维点云数据的分割，特别涉及松散型点云数据的分割。
【背景技术】
[0002]在无人车(或其他机器人)领域中，三维激光雷达(或者三维激光测距传感器)生成的三维点云在无人车对环境进行精确的探测扫描，高分辨率环境地图的建立以及无人车辆自身在环境中的定位中，变得越发重要。因此，对于点云模型的处理，如点云数据的曲面重建、分割、特征提取等研究已成为研究热点。
[0003]点云数据分割是确定点云中具有相同属性(空间位置、几何形状、激光强度、光谱特征等)区域的过程。作为无人车环境感知一项重要的工作，它是根据点云数据的整体密度分布和局部聚集特性，将其聚类分离成独立的子集，各子集均对应于当前具有物理意义的感知对象(如环境中的车辆，树木，建筑物等等)，反映感知对象的几何和位置特征。
[0004]发明人在实现本发明的过程中发现，松散型点云数据分割是一项具有挑战性的工作，这是因为雷达数据更新频率可达5-15赫兹，每帧数据量约40万条，同时应用中还有实时性要求，因此必须提出针对松散型点云数据的更具有针对性的分割算法。
【发明内容】
[0005]以下给出对一个或更多个方面的简化概述以力图提供对此类方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或更多个方面的一些概念以作为稍后给出的更加具体的说明之序。
[0006]本发明提供一种一种松散型点云数据分割方法解决针对松散型点云数据的分割大数据量和实时性要求的问题。为实现上述目的，发明人提供了一种松散型点云数据分割方法，包括步骤:
[0007]S101根据三维传感器采集的点云数据A建立起一个非结构性的地域网格G ；
[0008]S102、基于非结构性的地域网格G计算点云数据A中每一节点的梯度，根据点云数据A中每一节点的梯度提取属于地面的点；
[0009]S103、对点云数据A中属于非地面的点进行聚类分割。
[0010]进一步，对点云数据A中每一个节点a，计算每一条与节点a相连的边的梯度，从这些梯度中选择范数最大的梯度来作为这个节点a的梯度；
[0011]所述计算每一条与节点a相连的边的梯度为，节点a与另一节点b具有相连的边m，用节点a和节点b间的绝对高度差，除以节点a和节点b间的距离，得到边m的梯度；
[0012]根据云数据A中节点的梯度关系形成多个光栅，若光栅i与光栅g相邻，光栅g对应节点序列Sg，光栅i对应节点序列Si，若满足条件化与S 最接近的节点n g与节点η χ之间的高度差小于最大高度差maxdh，那么节点序列会被标记为“地面”，其中节点n g与节点1^分别是节点序列S g和节点序列S ;中的点。
[0013]进一步，所述步骤S102还包括，以顺序orderl遍历点云数据A中的节点以提取属于地面的点，再以与顺序orderl相反的顺序遍历点云数据A中的节点提取属于地面的点；
[0014]所述顺序orderl与三维传感器的扫描顺序呈线性关系。
[0015]进一步，对点云数据A中每一个节点a，若节点a不是属于地面，且节点a的高度小于缓冲区域期待值的最大高度差maxdh，则节点a属于过渡区域。
[0016]发明人还提供一种松散型点云数据分割设备，所述设备包括梯度计算模块，地域网格生成模块，聚类分割模块；
[0017]所述梯度计算模块用于根据三维传感器采集的点云数据A建立起一个非结构性的地域网格G ;
[0018]所述梯度计算模块用于，基于非结构性的地域网格G计算点云数据A中每一节点的梯度；
[0019]所述聚类分割模块用于根据点云数据A中每一节点的梯度提取属于地面的点，用于对点云数据A中属于非地面的点进行聚类分割。
[0020]进一步，所述梯度计算模块用于对点云数据A中每一个节点a，计算每一条与节点a相连的边的梯度，从这些梯度中选择范数最大的梯度来作为这个节点a的梯度；
[0021]所述计算每一条与节点a相连的边的梯度为，节点a与另一节点b具有相连的边m，用节点a和节点b间的绝对高度差，除以节点a和节点b间的距离，得到边m的梯度；
[0022]所述聚类分割模块用于根据云数据A中节点的梯度关系形成多个光栅，若光栅i与光栅g相邻，光栅g对应节点序列Sg，光栅i对应节点序列Si，若满足条件:Sg与S i中最接近的节点ng与节点η ;之间的高度差小于最大高度差maxdh，那么节点序列S;中的点也被标记为地面的点。
[0023]进一步，所述聚类分割模块用于以顺序orderl遍历点云数据A中的节点以提取属于地面的点，再以与顺序orderl相反的顺序遍历点云数据A中的节点提取属于地面的点；所述顺序orderl与三维传感器的扫描顺序呈线性关系。
[0024]进一步，所述聚类分割模块用于对点云数据A中每一个节点a，若节点a不是属于地面，且节点a的高度小于缓冲区域期待值的最大高度差maxdh，则节点a属于过渡区域。
[0025]区别于现有技术，上述技术方案在数据很松散的情况下，采用非结构性的地域网络有建立起数据之间点对点的连接，这种连接是结构性的、分辨率一致的结构性网格所不能提供的。因此，通过这个方法，我们可以从种子区域(在这里可以是扫描的原点)开始，通过非结构性的地域网络的连接的拓扑结构，高效的建立起地面这个分区的聚类。
[0026]为能达成前述及相关目的，这一个或更多个方面包括在下文中充分描述并在所附权利要求中特别指出的特征。以下描述和附图详细阐述了这一个或更多个方面的某些说明性特征。但是，这些特征仅仅是指示了可采用各种方面的原理的各种方式中的若干种，并且本描述旨在涵盖所有此类方面及其等效方面。
【附图说明】
[0027]以下将结合附图来描述所公开的方面，提供附图是为了说明而非限定所公开的方面，附图中相似的标号标示相似要素，并且在其中:
[0028]图1为具体本发明所述方法的流程图；
[0029]图2a为【具体实施方式】所述建立起来的地域网格；
[0030]图2b为【具体实施方式】在地域网格中车辆的附近，测试到的坡度过渡区域；
[0031]图2c为【具体实施方式】结合地域网格和聚类分割得到的全分割案例。
【具体实施方式】
[0032]为详细说明技术方案的技术内容、构造特征、所实现目的及效果，以下结合具体实施例并配合附图详予说明。在以下描述中，出于解释目的阐述了众多的具体细节以提供对一个或更多个方面的透彻理解。但是显而易见的是，没有这些具体细节也可实践此类方面。
[0033]发明人提供一种松散型点云数据分割方法，包括步骤:
[0034]S101根据三维传感器采集的点云数据A建立起一个非结构性的地域网格G ；
[0035]S102、基于地域网格G计算点云数据A中每一节点的梯度，根据点云数据A中每一节点的梯度提取属于地面的点；
[0036]S103、对点云数据A中属于非地面的点进行聚类分割。
[0037]同结构化网格的定义相对应，非结构化网格是指网格区域内的内部点不具有相同的毗邻单元.即与网格剖分区域内的不同内点相连的网格数目不同，结构化网格和非结构化网格有相互重叠的部分，即非结构化网格中可能会包含结构化网格的部分。
[0038]在数据很松散的情况下，非结构性的地域网络有利于建立起数据之间点对点的连接，这种连接是结构性的、分辨率一致的结构性网格所不能提供的。因此，通过这个方法，我们可以从种子区域(在这里可以是扫描的原点)开始，通过非结构性的地域网络的连接的拓扑结构，高效的建立起地面这个分区的聚类。
[0039]聚类分割法的聚类就是按照一定得要求和规律对事物进行区分和分类的过程，一般要求给出要分割聚类数和各初始聚类中心。
[0040]所述步骤S102包括:
[0041]对点云数据A中每一个节点a，计算每一条与节点a相连的边的梯度，从这些梯度中选择范数最大的梯度来作为这个节点a的梯度；
[0042]所述计算每一条与节点a相连的边的梯度为，节点a与另一节点b具有相连的边m，用节点a和节点b间的绝对高度差，除以节点a和节点b间的距离，得到边m的梯度；
[0043]若节点a与相邻的节点b的梯度不大于最大梯度maxgrad，则节点a与节点b属于同一光栅g(即根据节点的梯度关系形成光栅)，光栅i与光栅g相邻，光栅g对应节点序列Sg，光栅i对应节点序列Si，若满足条件七与S 最接近的节点n g与节点n 间的高度差小于最大高度差(maxdh)，那么节点序列3;也会被标记为“地面”，其中节点n g与节点~分别是节点序列Sg和节点序列S冲的点。
[0044]最大梯度maxgrad的存在避免了将属于非地面物体的平面聚类被误认为是“地面”点的情况，如平面聚类为车顶、屋顶等被误认为是“地面”点的情况。
[0045]如果在节点a的任意一个方向，没有穿过最小梯度距离，就到了下一个节点，那么所计算得出的梯度值会被自动忽略。设定这个最小梯度距离，能帮助我们消除噪音的影响，因为离扫描中心越近的点，离相邻点的距离也越小，这样的相邻点如果被用来计算梯度，会产生噪音很大的梯度估计(这是因为两个点之间的高度差的噪音跟两点之间的距离是在一个数量级上的)。
[0046]在所有点的梯度计算完毕，也就是梯度场建立起来之后，我们通过从“最近光栅线”向“最远光栅线”推进，建立属于“地面”的点的聚类。首先，从最近光栅线开始(图2a中最里面那圈)，我们将最长的那条梯度均小于最大梯度值(maxgrad)的节点序列首先，从最近光栅线开始(图2a中最里面那圈)，我们将最长的那条梯度均小于最大梯度值(maxgrad)的节点序列Sg标记为“地面”。此外，如果在内圈上的节点序列S;，满足条件:Sg与3;中最接近的点，η (?与η ;，之间的高度差小于最大高度差(maxdh)，那么节点序列S;也会被标记为“地面”。化与η ;分别是节点序列S g和节点序列S ;中的点。以顺序orderl遍历点云数据A中的节点以提取属于地面的点，再以与顺序orderl相反的顺序遍历点云数据A中的节点提取属于地面的点；
[0047]所述顺序orderl与三维传感器的扫描顺序呈线性