充电桩定位方法、装置、计算机设备和存储介质与流程

本申请涉及雷达定位技术领域，特别涉及一种充电桩定位方法、装置、计算机设备和存储介质。

背景技术：

随着移动机器人等可移动设备技术的不断发展，可移动设备正越来越多的应用在工业自动化生产环境中。但可移动设备的续航能力有限，需要可移动设备自动导航到充电桩附近，然后连接充电桩进行充电。

然而，可移动设备移动到充电桩附近后，需要技术人员的介入对可移动设备进行充电，充电过程不够自动化。

技术实现要素：

基于此，有必要针对上述技术问题，提供一种充电桩定位方法、装置、计算机设备和存储介质。

第一方面，本申请实施例提供了一种充电桩定位方法，所述方法包括：

获取激光点云数据；

对所述激光点云数据进行分割，得到至少一个点云片段数据；

对所述至少一个点云片段数据进行筛选，得到至少一个充电桩点云数据；

将所述至少一个充电桩点云数据与充电桩截面点云数据进行配准，得到所述充电桩截面的位置坐标。

在其中一个实施例中，所述对所述激光点云数据进行分割，得到至少一个点云片段数据，包括：

获取所述激光点云数据中的相邻两个激光点之间的距离；

根据所述相邻两个激光点之间的距离，对所述激光点云数据进行分割，得到所述至少一个点云片段数据。

在其中一个实施例中，所述根据所述相邻两个激光点之间的距离，对所述激光点云数据进行分割，得到所述至少一个点云片段数据，包括：

当所述相邻两个激光点之间的距离大于第一预设阈值时，确定所述相邻两个激光点属于不同的点云片段数据，得到所述至少一个点云片段数据。

在其中一个实施例中，所述方法还包括：

获取所述至少一个点云片段数据的发射角度；

根据所述发射角度对所述至少一个点云片段数据进行排序，得到更新后的至少一个点云片段数据。

在其中一个实施例中，所述根据所述发射角度对所述至少一个点云片段数据进行排序，得到更新后的至少一个点云片段数据，包括：

按照所述发射角度的绝对值由小到大的顺序，对所述至少一个点云片段数据进行排序，得到更新后的至少一个点云片段数据。

在其中一个实施例中，所述对所述至少一个点云片段数据进行筛选，得到至少一个充电桩点云数据，包括：

获取所述充电桩的截面参数信息；

计算所述至少一个点云片段数据的片段长度；

根据所述截面参数信息，将所述至少一个点云片段数据中片段长度满足预设条件的点云片段数据确定为所述至少一个充电桩点云数据。

在其中一个实施例中，所述方法还包括：

对于每一充电桩点云数据，获取所述充电桩点云数据的主成分方向的点云数据；

根据所述主成分方向的点云数据，对所述充电桩截面参数信息进行拟合，得到拟合线段和拟合误差；

将所述拟合线段的长度在所述截面长度邻域内且所述拟合误差小于第二预设阈值的充电桩点云数据，确定为更新后的所述至少一个充电桩点云数据。

在其中一个实施例中，所述方法还包括：

获取所述充电桩的截面参数信息；

将所述截面参数信息转换为所述充电桩的截面所对应的点云数据，得到所述充电桩截面点云数据。

在其中一个实施例中，所述将所述截面参数信息转换为所述充电桩的截面所对应的点云数据，得到所述充电桩截面点云数据，包括：

获取所述激光雷达的实时位置信息；

将所述截面参数信息转换为与所述激光雷达的实时位置信息对应的截面参数信息；

将与所述激光雷达的实时位置信息对应的截面参数信息转换为所述充电桩的截面所对应的点云数据，得到所述充电桩截面点云数据。

在其中一个实施例中，所述将所述至少一个充电桩点云数据与充电桩截面点云数据进行配准，得到所述充电桩截面的位置坐标，包括：

将所述至少一个充电桩点云数据配准到所述充电桩截面点云数据上，得到至少一个位置坐标；

根据所述至少一个位置坐标，确定所述充电桩截面的位置坐标。

在其中一个实施例中，所述将所述至少一个充电桩点云数据与充电桩截面点云数据进行配准，得到所述充电桩截面的位置坐标的同时，还得到与所述至少一个位置坐标对应的至少一个配准误差；

所述根据所述至少一个位置坐标，确定所述充电桩截面的位置坐标，包括：

将小于第三预设阈值的配准误差对应的位置坐标确定为所述充电桩截面的位置坐标；或，

将最小配准误差对应的位置坐标确定为所述充电桩截面的位置坐标。

第二方面，本申请实施例提供了一种充电桩定位装置，其特征在于，所述装置包括：

数据获取模块，用于获取激光点云数据；

数据分割模块，用于对所述激光点云数据进行分割，得到至少一个点云片段数据；

数据筛选模块，用于对所述至少一个点云片段数据进行筛选，得到至少一个充电桩点云数据；

充电桩定位模块，用于将所述至少一个充电桩点云数据与充电桩截面点云数据进行配准，得到所述充电桩截面的位置坐标。

第三方面，本申请实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述方法的步骤。

根据本申请实施例的充电桩定位方法、装置、计算机设备和存储介质，通过对获取到的激光点云数据进行分割和筛选，得到至少一个充电桩点云数据，实现对至少一个点云片段数据的粗筛选，可减少后后续处理的数据量，提高响应速度。将粗筛选得到的至少一个充电桩点云数据与充电桩截面点云数据进行匹配，得到充电桩截面的位置坐标，可实现通过激光点云数据和充电桩截面点云数据对充电桩进行精确定位，即使在动态环境下也可以达到较高的定位精度，鲁棒性好，且无需技术人员的介入，使充电过程更加自动化。

附图说明

图1为一个实施例中充电桩定位系统的结构框图；

图2为一个实施例中充电桩定位方法的流程示意图；

图3为一个实施例中步骤s200的一种可实施方式的流程示意图；

图4为一个实施例中步骤s200的另一种可实施方式的流程示意图；

图5为一个实施例中步骤s300的一种可实施方式的流程示意图；

图6为一个实施例中步骤s300的另一种可实施方式的流程示意图；

图7为一个实施例中获取充电桩截面点云数据的一种可实施方式的流程示意图；

图8为一个实施例中充电桩截面点云数据示意图；

图9为一个实施例中步骤s400的一种可实施方式的流程示意图；

图10为一个实施例中充电桩点云数据配准到充电桩截面点云数据上的示意图；

图11为一个实施例中充电桩定位装置的结构框图；

图12为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

可以理解本申请中所使用的术语“第一”、“第二”等可在本文中用于描述各种条件关系，但这些条件关系不受这些术语限制。这些术语仅用于将一个条件关系与另一个条件关系区分开来。

图1为本申请实施例提供的一种充电桩定位系统的结构框图。本申请实施例提供的充电桩定位方法，可以应用于如图1所示的充电桩定位系统中。该充电桩定位系统包括：计算机设备10、可移动设备20、激光雷达201和充电桩30。

计算机设备10通过无线网络或有线网络与可移动设备20连接，计算机设备10可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和服务器。本领域技术人员可以知晓，上述计算机设备的数量可以更多或更少。比如上述计算机设备可以仅为一个，或者上述计算机设备为几十个或几百个，或者更多数量，此时上述充电桩定位系统还包括其他计算机设备。本申请实施例对计算机设备的数量和设备类型不加以限定。计算机设备10可以泛指多个计算机设备中的一个，本实施例仅以计算机设备10来举例说明。

在一个实施例中，激光雷达201设置于可移动设备20上，可移动设备20可以是无人车、移动机器人等设备。在一个实施例中，充电桩30的功能类似于加油站里面的加油机，可以固定在地面或墙壁，安装于公共建筑(公共楼宇、商场、公共停车场等)和居民小区停车场或充电站内，可以根据不同的电压等级为连接到充电桩30上的各种型号的可移动设备20充电。可选地，充电桩30可以提供常规充电、快速充电等充电方式。

在一个实施例中，计算机设备10通过网络接收由激光雷达201获取到的激光点云数据，并且计算机设备10对获取到的激光点云数据进行分割和筛选，并将分割和筛选得到的至少一个充电桩点云数据配准到预设的充电桩截面模拟数据上，得到充电桩截面的位置坐标，对充电桩30进行精确定位，使得可移动设备20能够根据充电桩截面的位置坐标连接充电桩充电。

在一个实施例中，可移动设备20本身也可以执行整个方案，而不需要额外的计算机设备或服务器来执行。此时，可移动设备20通过激光雷达201获取到激光点云数据，并且可移动设备20对获取到的激光点云数据进行分割和筛选，并将分割和筛选得到的至少一个充电桩点云数据配准到预设的充电桩截面模拟数据上，得到充电桩截面的位置坐标，对充电桩30进行精确定位，使得可移动设备20能够根据充电桩截面的位置坐标连接充电桩充电。

在一个实施例中，如图2所示，为本申请一个实施例中充电桩定位方法的流程示意图，以该充电桩定位方法应用于图1中的计算机设备或可移动设备为例进行说明，包括以下步骤：

步骤s100，获取激光点云数据。

其中，激光点云数据是指激光雷达201获取到的其周围物体反射回来的激光点数据的集合，该数据集合中可能包含充电桩30的截面的点云数据集合。

步骤s200，对激光点云数据进行分割，得到至少一个点云片段数据。

具体地，激光雷达装置201得到的激光点云数据中包含多个物体的点云数据，按照不同物体形成的点云数据具有不同的特性对激光点云数据进行分割，得到包含不同物体信息的至少一个点云片段数据。例如，理论上，不同物体表面存在一定的差异，不同物体反射回来的激光点的距离会存在一个较大的差值。示例地，可以根据点云数据中的相邻两个激光点之间的距离对激光点云数据进行分割，得到包含不同物体信息的至少一个点云片段数据。

步骤s300，对至少一个点云片段数据进行筛选，得到至少一个充电桩点云数据。

具体地，每一个点云片段数据可能包含不同物体信息，本实施例中旨在根据点云片段数据对充电桩30截面的位置进行定位，因此，此处根据充电桩30的数据信息对至少一个点云片段数据进行筛选，得到至少一个充电桩点云数据，为后续定位提供数据基础。例如，可以根据充电桩30的截面长度、宽度或形状对至少一个点云片段数据进行筛选。以充电桩30的截面长度为依据为例，将点云片段的片段长度与电桩30的截面长度相匹配的点云片段筛选出来，得到至少一个充电桩点云数据。

步骤s400，将至少一个充电桩点云数据与充电桩截面点云数据进行配准，得到充电桩截面的位置坐标。

其中，充电桩截面点云数据为根据充电桩30的设计或制造参数模拟得到的充电桩截面的点云数据。其中，充电桩30的设计或制造参数包括充电桩30的一些外形信息，例如，充电桩30的截面形状、边长、拐角度数等。

具体地，以预设的充电桩截面点云数据为配准目标，将至少一个充电桩点云数据配准到预设的充电桩截面点云数据上，得到充电桩截面的位置坐标。

根据本申请实施例的充电桩定位方法，通过对获取到的激光点云数据进行分割和筛选，得到至少一个充电桩点云数据，实现对至少一个点云片段数据的粗筛选，可减少后后续处理的数据量，提高响应速度。将粗筛选得到的至少一个充电桩点云数据与充电桩截面点云数据进行匹配，得到充电桩截面的位置坐标，可实现通过激光点云数据和充电桩截面点云数据对充电桩进行精确定位，即使在动态环境下也可以达到较高的定位精度，鲁棒性好，且无需技术人员的介入，使充电过程更加自动化。

在其中一个实施例中，如图3所示，为步骤s200的一种可实施方式的流程示意图，其中，对激光点云数据进行分割，得到至少一个点云片段数据，包括：

步骤s211，获取激光点云数据中的相邻两个激光点之间的距离。

步骤s212，根据相邻两个激光点之间的距离，对激光点云数据进行分割，得到至少一个点云片段数据。

不同物体表面存在一定的差异，不同物体反射回来的激光点的距离会存在一个较大的差值，因此，可以根据点云数据中的相邻两个激光点之间的距离对激光点云数据进行分割，得到包含不同物体信息的至少一个点云片段数据。

可选地，当相邻两个激光点之间的距离大于第一预设阈值时，确定该相邻两个激光点属于不同的点云片段数据，得到至少两个点云片段数据；当相邻两个激光点之间的距离小于或等于第一预设阈值时，相邻两个激光点属于同一点云片段数据，得到至少一个点云片段数据。

其中，第一预设阈值根据用户的精度要求和具体充电桩截面的大小进行设定，在此，不对第一预设阈值的具体数值进行限定。

具体地，获取激光点云数据中的相邻两个激光点之间的距离，并将相邻两个激光点之间的距离与第一预设阈值进行比较。若相邻两个激光点之间的距离大于第一预设阈值，则以这两个激光点为界限对激光点云数据进行分割，得到至少两个点云片段。若相邻两个激光点之间的距离小于或等于第一预设阈值，则这两个激光点属于同一点云片段数据，则不对相应的激光点云数据进行分割，得到至少一个点云片段。例如，现有一组激光点云数据中包含10000个激光点，从第1个激光点开始检测，第1000个激光点与第1001个激光点之间的距离大于第一预设阈值，第4500个激光点与第4501个激光点之间的距离大于第一预设阈值，第8000个激光点与第8001个激光点之间的距离大于第一预设阈值；则将第1个激光到第1000个激光点确定为一个点云片段，将第1001个激光到第4500个激光点确定为第二个点云片段，将第4501个激光到第8000个激光点确定为第三个点云片段，将第8001个激光到第10000个激光点确定为第四个点云片段，共计得到四个点云片段。可以知道，实际获取到的激光点云数据可以远远大于10000个激光点，此处仅举例说明，并不做具体限定。

上述实施例中，根据相邻两个激光点之间距离对激光点云数据进行分割，得到包含不同物体信息的至少一个点云片段数据，为后续对充电桩30的检测和定位提供基础。

在其中一个实施例中，如图4所示，为步骤s200的另一种可实施方式的流程示意图，其中，对激光点云数据进行分割，得到至少一个点云片段数据，包括：

步骤s221，获取激光点云数据中的相邻两个激光点之间的距离。

步骤s222，根据相邻两个激光点之间的距离，对激光点云数据进行分割，得到至少一个点云片段数据。

上述步骤s221的描述与上一实施例中的步骤s211的描述一致，步骤s222的描述与上一实施例中的步骤s212的描述一致，此处不再赘述。

步骤s223，获取至少一个点云片段的发射角度。

步骤s224，根据发射角度对至少一个点云片段数据进行排序，得到更新后的至少一个点云片段数据。

具体地，按照至少一个点云片段的发射角度对至少一个点云片段数据进行排序是为了根据用户的实际需要进行的操作，并不对具体排序方式进行限定，这一排序的方式可进一步规范化后续对点云片段数据的操作顺序。

可选地，按照发射角度的绝对值由小到大的顺序，对至少一个点云片段数据进行排序，得到更新后的至少一个点云片段数据。或者，按照发射角度的绝对值由大到小的顺序，对至少一个点云片段数据进行排序，得到更新后的至少一个点云片段数据，本申请实施例并不对点云片段数据的具体的排序方式进行限定。

具体地，本申请实施例在可移动设备20根据导航信息移动到充电桩30附近后，可对充电桩30截面的位置进行精确定位，以便可移动设备20能够根据充电桩30截面的位置坐标连接充电桩充电。当可移动设备20根据导航信息移动到充电桩30附近后，充电桩30位于可移动设备20的正前方，点云片段数据的发射角度越小，点云片段数据包含充电桩30的可能性越大，包含充电桩30的信息也会越全面，因此，按照至少一个点云片段数据的发射角度的绝对值由小到大的顺序，对至少一个点云片段数据进行排序，得到更新后的至少一个点云片段数据，可以使后续的处理包含更多的有用信息，提高得到的充电桩截面的位置坐标的精确性。

在其中一个实施例中，如图5所示，为步骤s300的一种可实施方式的流程示意图，其中，对至少一个点云片段进行筛选，得到至少一个充电桩点云数据，包括：

步骤s311，获取充电桩的截面参数信息。

具体地，获取充电桩30的设计或制造参数，根据充电桩30的设计或制造参数，得到充电桩的参数信息。其中，充电桩30的设计或制造参数包括充电桩30的一些外形信息，例如，充电桩30的截面形状、边长、拐角度数等。

步骤s312，计算至少一个点云片段数据的片段长度。

具体地，根据每一点云片段数据中包含的点云信息，计算点云片段数据的片段长度，由于点云片段数据是根据其中包含的物体进行划分的，该片段长度与点云片段数据中包含的物体的长度相对应。

步骤s313，根据截面参数信息，将至少一个点云片段数据中片段长度满足预设条件的点云片段数据确定为至少一个充电桩点云数据。

本步骤可以看作是对至少一个点云片段进行的粗筛选，具体地，将步骤s312得到点云片段数据的片段长度与充电桩的截面参数信息进行比较。若点云片段数据的片段长度与充电桩的截面参数信息中包含充电桩截面长度相差较大，则说明相应的点云片段数据中包含的物体不是充电桩30，则将相应的点云片段数据剔除。考虑到一定的容错率，可以将点云片段的片段长度在充电桩30截面参数信息中包含充电桩截面长度邻域内的点云片段筛选为至少一个充电桩点云数据。

上述实施例中，从至少一个点云片段中筛选片段长度在截面长度邻域内的点云片段，得到至少一个充电桩点云数据，可以看作是对至少一个点云片段进行的粗筛选，能够减少后续获得充电桩截面的位置坐标的运算量，提高响应速度。

在其中一个实施例中，如图6所示，为步骤s300的另一种可实施方式的流程示意图，其中，对至少一个点云片段进行筛选，得到至少一个充电桩点云数据，包括：

步骤s321，获取充电桩的截面参数信息。

步骤s322，计算至少一个点云片段数据的片段长度。

步骤s323，根据截面参数信息，将至少一个点云片段数据中片段长度满足预设条件的点云片段数据确定为至少一个充电桩点云数据。

上述步骤s321的描述与上一实施例中的步骤s311的描述一致，步骤s322的描述与上一实施例中的步骤s312的描述一致，步骤s323的描述与上一实施例中的步骤s313的描述一致，此处不再赘述。

步骤s324，对于每一充电桩点云数据，获取充电桩点云数据的主成分方向的点云数据。

步骤s325，根据主成分方向的点云数据，对充电桩截面参数信息进行拟合，得到拟合线段和拟合误差。

具体地，根据充电桩点云数据的主成分方向的点云数据，采用一定的拟合算法(例如，最小二乘法、用解析表达式逼近离散数据的方法等)对该点云数据中包含的物体进行拟合，可以得到相应的充电桩的截面形状轮廓图，并将截面形状轮廓图中截面的长度或宽度对应的线段确定为拟合线段，将相关拟合线段对应的误差确定为拟合误差。需要特别说明的是，这里假定充电桩点云数据的主成分方向的点云数据中包含的物体是充电桩30，但实际上，充电桩点云数据的主成分方向的点云数据中包含的物体可能是充电桩30，也可能是其他物体，具体是否为充电桩30，还需要进一步的计算。

步骤s326，将拟合线段的长度在截面长度邻域内且拟合误差小于第二预设阈值的充电桩点云数据，确定为更新后的至少一个充电桩点云数据。

其中，截面长度是指充电桩的实际截面中截面的长度或宽度。截面长度邻域是包括截面长度的数值集合，该数值集合中既包括大于截面长度的数值，也包括小于截面长度的数值。第二预设阈值为拟合误差的衡量标准值，根据用户对精度的要求设定，在此，不对第二预设阈值的具体数值进行限定。

本步骤可以看作是对至少一个点云片段进行的精筛选，具体地，若拟合线段的长度不在截面长度邻域内，则说明相应的充电桩点云数据中包含的物体不是充电桩30，则将相应的充电桩点云数据剔除。考虑到一定的容错率，将拟合线段的长度在截面长度邻域内的充电桩点云数据确定为更新后的至少一个充电桩点云数据。相应地，在将拟合线段的长度在截面长度邻域内的充电桩点云数据确定为更新后的至少一个充电桩点云数据之前，还应保证拟合误差小于第二预设阈值的充电桩点云数据。

上述实施例中，将拟合线段的长度在截面长度邻域内且拟合误差小于第二预设阈值的充电桩点云数据，确定为更新后的至少一个充电桩点云数据，可以看作是对至少一个点云片段进行的精筛选，能够减少后续获得充电桩截面的位置坐标的运算量，提高响应速度。

在其中一个实施例中，如图7所示，为获取充电桩截面点云数据的一种可实施方式的流程示意图，包括：

步骤s110'，获取充电桩的截面参数信息。

步骤s120'，将截面参数信息转换为充电桩的截面所对应的点云数据，得到充电桩截面点云数据。

具体地，根据充电桩30的截面参数信息，采用点云模拟方式对充电桩的截面进行模拟，得到充电桩截面点云数据。如图8所示，为充电桩截面点云数据示意图。

可选地，获取激光雷达的实时位置信息；将截面参数信息转换为与激光雷达的实时位置信息对应的截面参数信息；将与激光雷达的实时位置信息对应的截面参数信息转换为充电桩的截面所对应的点云数据，得到充电桩截面点云数据。

具体地，若充电桩30与激光雷达201在不同的水平面上，则充电桩30相对于激光雷达201存在一个形变，为了获取精确的定位结果，获取充电桩30的设计或制造参数，根据充电桩30的设计或制造参数中包含的尺寸信息，以及充电桩30与激光雷达201的相对位置，计算充电桩30相对于激光雷达201位置的截面参数。例如，充电桩30的截面为一个u形的截面，当激光雷达201与充电桩30不在同一高度时，由激光雷达201获取到的激光点云数据还原得到的充电桩30的长宽比可能会呈现不同的长宽比。

上述实施例中，根据充电桩与激光雷达的相对位置，计算得到充电桩截面点云数据，为后续将至少一个充电桩点云数据配准到预设的充电桩截面点云数据上提供更加准确的数据基础，使得到充电桩截面的位置坐标更加精确。

在其中一个实施例中，如图9所示，为步骤s400的一种可实施方式的流程示意图，其中，将至少一个充电桩点云数据与充电桩截面点云数据进行配准，得到充电桩截面的位置坐标，包括：

步骤s410，将至少一个充电桩点云数据配准到充电桩截面点云数据上，得到至少一个位置坐标。

具体地，以充电桩截面点云数据为配准目标，对至少一个充电桩点云数据进行配准，可以得到与至少一个充电桩点云数据相对应的至少一个位置坐标。此处，并不对具体配准方法进行限定，例如可以采用迭代最近点(iterativeclosestpoint，icp)的算法，将至少一个充电桩点云数据配准到充电桩截面点云数据上。如图10所示，为充电桩点云数据配准到充电桩截面点云数据上的示意图。由于充电桩截面点云数据中包含的点较多，视觉上呈线条状，因此，图10中，呈线条部分的为充电桩截面点云数据，呈散点部分的为充电桩点云数据。

步骤s420，根据至少一个位置坐标，确定充电桩截面的位置坐标。

具体地，在将至少一个充电桩点云数据配准到充电桩截面点云数据上，得到至少一个配准后的充电桩点云数据，其中，每一配准后的充电桩点云数据对应一个充电桩截面的位置坐标，计算至少一个配准后的充电桩点云数据与充电桩截面点云数据之间的误差，得到与至少一个位置坐标对应的至少一个配准误差。

具体地，由步骤s410得到至少一个位置坐标，并对得到的至少一个位置坐标进行筛选，选出精度最高的充电桩截面的位置坐标，使得可移动设备移动到充电桩附近后，可移动设备能够根据充电桩截面的位置坐标连接充电桩充电。

可选地，对至少一个位置坐标进行筛选，将小于第三预设阈值的配准误差对应的位置坐标确定为充电桩截面的位置坐标；或将最小配准误差对应的位置坐标确定为充电桩截面的位置坐标。

上述实施例中，将至少一个充电桩点云数据配准到充电桩截面点云数据上，得到至少一个位置坐标，并对至少一个位置坐标进行筛选得到充电桩截面的位置坐标，使得可移动设备移动到充电桩附近后，根据激光点云数据和预设的充电桩截面点云数据对充电桩进行精确定位，即使在动态环境下也可以达到较高的定位精度，鲁棒性好，无需技术人员的介入，使充电过程更加自动化。

在一个实施例中，如图11所示，提供了一种充电桩定位装置，包括：数据获取模块111、数据分割模块112、数据筛选模块113和充电桩定位模块114，其中：

数据获取模块111，用于获取激光点云数据；

数据分割模块112，用于对激光点云数据进行分割，得到至少一个点云片段数据；

数据筛选模块113，用于对至少一个点云片段数据进行筛选，得到至少一个充电桩点云数据；

充电桩定位模块114，用于将至少一个充电桩点云数据与充电桩截面点云数据进行配准，得到充电桩截面的位置坐标。

在其中一个实施例中，数据分割模块112还用于获取激光点云数据中的相邻两个激光点之间的距离；根据相邻两个激光点之间的距离，对激光点云数据进行分割，得到至少一个点云片段数据。

在其中一个实施例中，数据分割模块112还用于当相邻两个激光点之间的距离大于第一预设阈值时，确定相邻两个激光点属于不同的点云片段数据，得到至少一个点云片段数据。

在其中一个实施例中，数据分割模块112还用于获取至少一个点云片段数据的发射角度；根据发射角度对至少一个点云片段数据进行排序，得到更新后的至少一个点云片段数据。

在其中一个实施例中，数据分割模块112还用于按照发射角度的绝对值由小到大的顺序，对至少一个点云片段数据进行排序，得到更新后的至少一个点云片段数据。

在其中一个实施例中，数据筛选模块113还用于获取充电桩的截面参数信息；计算至少一个点云片段数据的片段长度；根据截面参数信息，将至少一个点云片段数据中片段长度满足预设条件的点云片段数据确定为至少一个充电桩点云数据。

在其中一个实施例中，数据筛选模块113还用于对于每一充电桩点云数据，获取充电桩点云数据的主成分方向的点云数据；根据主成分方向的点云数据，对充电桩截面参数信息进行拟合，得到拟合线段和拟合误差；将拟合线段的长度在截面长度邻域内且拟合误差小于第二预设阈值的充电桩点云数据，确定为更新后的至少一个充电桩点云数据。

在其中一个实施例中，充电桩定位装装置还包括充电桩截面数据获取模块，用于获取充电桩的截面参数信息；将截面参数信息转换为充电桩的截面所对应的点云数据，得到充电桩截面点云数据。

在其中一个实施例中，数据获取模块还用于获取激光雷达的实时位置信息；将截面参数信息转换为与激光雷达的实时位置信息对应的截面参数信息；将与激光雷达的实时位置信息对应的截面参数信息转换为充电桩的截面所对应的点云数据，得到充电桩截面点云数据。

在其中一个实施例中，充电桩定位模块114还用于将至少一个充电桩点云数据配准到充电桩截面点云数据上，得到至少一个位置坐标；根据至少一个位置坐标，确定充电桩截面的位置坐标。

在其中一个实施例中，充电桩定位模块114还用于将小于第三预设阈值的配准误差对应的位置坐标确定为充电桩截面的位置坐标；或，将最小配准误差对应的位置坐标确定为充电桩截面的位置坐标。

关于充电桩定位装置的具体限定可以参见上文中对于充电桩定位方法的限定，在此不再赘述。上述充电桩定位装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图12所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种充电桩定位方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图12中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

获取激光点云数据；

对激光点云数据进行分割，得到至少一个点云片段数据；

对至少一个点云片段数据进行筛选，得到至少一个充电桩点云数据；

将至少一个充电桩点云数据与充电桩截面点云数据进行配准，得到充电桩截面的位置坐标。

在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：获取激光点云数据中的相邻两个激光点之间的距离；根据相邻两个激光点之间的距离，对激光点云数据进行分割，得到至少一个点云片段数据。

在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：当相邻两个激光点之间的距离大于第一预设阈值时，确定相邻两个激光点属于不同的点云片段数据，得到至少一个点云片段数据。

在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：获取至少一个点云片段数据的发射角度；根据发射角度对至少一个点云片段数据进行排序，得到更新后的至少一个点云片段数据。

在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：按照发射角度的绝对值由小到大的顺序，对至少一个点云片段数据进行排序，得到更新后的至少一个点云片段数据。

在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：获取充电桩的截面参数信息；计算至少一个点云片段数据的片段长度；根据截面参数信息，将至少一个点云片段数据中片段长度满足预设条件的点云片段数据确定为至少一个充电桩点云数据。

在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：对于每一充电桩点云数据，获取充电桩点云数据的主成分方向的点云数据；根据主成分方向的点云数据，对充电桩截面参数信息进行拟合，得到拟合线段和拟合误差；将拟合线段的长度在截面长度邻域内且拟合误差小于第二预设阈值的充电桩点云数据，确定为更新后的至少一个充电桩点云数据。

在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：获取充电桩的截面参数信息；将截面参数信息转换为充电桩的截面所对应的点云数据，得到充电桩截面点云数据。

在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：获取激光雷达的实时位置信息；将截面参数信息转换为与激光雷达的实时位置信息对应的截面参数信息；将与激光雷达的实时位置信息对应的截面参数信息转换为充电桩的截面所对应的点云数据，得到充电桩截面点云数据。

在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：将至少一个充电桩点云数据配准到充电桩截面点云数据上，得到至少一个位置坐标；根据至少一个位置坐标，确定充电桩截面的位置坐标。

在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：将小于第三预设阈值的配准误差对应的位置坐标确定为充电桩截面的位置坐标；或，将最小配准误差对应的位置坐标确定为充电桩截面的位置坐标。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取激光点云数据；

对激光点云数据进行分割，得到至少一个点云片段数据；

对至少一个点云片段数据进行筛选，得到至少一个充电桩点云数据；

将至少一个充电桩点云数据与充电桩截面点云数据进行配准，得到充电桩截面的位置坐标。

在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取激光点云数据中的相邻两个激光点之间的距离；根据相邻两个激光点之间的距离，对激光点云数据进行分割，得到至少一个点云片段数据。

在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：当相邻两个激光点之间的距离大于第一预设阈值时，确定相邻两个激光点属于不同的点云片段数据，得到至少一个点云片段数据。

在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取至少一个点云片段数据的发射角度；根据发射角度对至少一个点云片段数据进行排序，得到更新后的至少一个点云片段数据。

在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：按照发射角度的绝对值由小到大的顺序，对至少一个点云片段数据进行排序，得到更新后的至少一个点云片段数据。

在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取充电桩的截面参数信息；计算至少一个点云片段数据的片段长度；根据截面参数信息，将至少一个点云片段数据中片段长度满足预设条件的点云片段数据确定为至少一个充电桩点云数据。

在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：对于每一充电桩点云数据，获取充电桩点云数据的主成分方向的点云数据；根据主成分方向的点云数据，对充电桩截面参数信息进行拟合，得到拟合线段和拟合误差；将拟合线段的长度在截面长度邻域内且拟合误差小于第二预设阈值的充电桩点云数据，确定为更新后的至少一个充电桩点云数据。

在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取充电桩的截面参数信息；将截面参数信息转换为充电桩的截面所对应的点云数据，得到充电桩截面点云数据。

在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取激光雷达的实时位置信息；将截面参数信息转换为与激光雷达的实时位置信息对应的截面参数信息；将与激光雷达的实时位置信息对应的截面参数信息转换为充电桩的截面所对应的点云数据，得到充电桩截面点云数据。

在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：将至少一个充电桩点云数据配准到充电桩截面点云数据上，得到至少一个位置坐标；根据至少一个位置坐标，确定充电桩截面的位置坐标。

在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：将小于第三预设阈值的配准误差对应的位置坐标确定为充电桩截面的位置坐标；或，将最小配准误差对应的位置坐标确定为充电桩截面的位置坐标。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。