一种基于激光雷达的地面分割方法、装置及存储介质与流程

本申请涉及自动驾驶技术，尤其涉及雷达数据处理技术领域，特别涉及一种基于激光雷达的地面分割方法、装置及存储介质。

背景技术：

自动驾驶车辆又称无人驾驶车辆、电脑驾驶车辆，是实现车辆在无人状态下自主沿道路行进的智能车辆。通常，在自动驾驶车辆于实际交通道路行驶前，需要进行大量测试以检测其安全性及稳定性。在自动驾驶领域，激光雷达通常会被安装在车顶正上方，以此来获取车身周围的三维空间信息。由于车身遮挡以及激光线束出射角度等限制，在车身周围往往会存在扫描盲区，因此在车载多线激光雷达系统中，车身侧边通常也会安装激光雷达来进一步减少盲区。

现有的激光雷达地面分割方法，大多都是针对激光雷达正安装在车顶的情形，在激光雷达安装位置有明显倾斜的情况下分割准确性较低。

因此，现有技术存在缺陷，有待改进与发展。

技术实现要素：

本申请实施例提供一种基于激光雷达的地面分割方法、装置及存储介质，在激光雷达被侧安装并且具有一定安装倾角的情况下，可以准确进行地面分割。

本申请实施例提供一种基于激光雷达的地面分割方法，所述方法包括：

通过侧安装激光雷达采集扫描区域内的点云数据；

从所述点云数据中获取满足标记条件的标记点云；

根据所述标记点云计算地面高度估计值；

根据所述地面高度估计值，判断所述点云数据中的坐标点是否为地面点。

在本申请实施例所述的基于激光雷达的地面分割方法中，所述根据所述地面高度估计值，判断所述点云数据中的坐标点是否为地面点，包括：

判断所述点云数据中每一坐标点的高度值与所述地面高度估计值之差的绝对值是否小于第二阈值；

将所述点云数据中高度值与所述地面高度估计值之差的绝对值小于第二阈值的坐标点确定为地面点。

在本申请实施例所述的基于激光雷达的地面分割方法中，所述根据所述地面高度估计值，判断所述点云数据中的坐标点是否为地面点，包括：

根据所述地面高度估计值、所述侧安装激光雷达的激光线束的出射角和安装位置倾斜角，计算所述侧安装激光雷达的激光线束在水平面的正投影距离；

判断所述点云数据中每一坐标点在水平面的正投影距离与所述侧安装激光雷达的激光线束在水平面的正投影距离之差的绝对值是否小于第三阈值；

将所述点云数据中在水平面的正投影距离与所述侧安装激光雷达的激光线束在水平面的正投影距离之差的绝对值小于第三阈值的坐标点确定为地面点。

在本申请实施例所述的基于激光雷达的地面分割方法中，所述从所述点云数据中获取满足标记条件的标记点云，包括：

判断所述点云数据中每一坐标点的高度值与所述侧安装激光雷达的安装高度值之差的绝对值是否小于第一阈值；

将所述点云数据中高度值与所述侧安装激光雷达的安装高度值之差的绝对值小于第一阈值的坐标点进行标记，以获取所述标记点云。

在本申请实施例所述的基于激光雷达的地面分割方法中，所述根据所述标记点云计算地面高度估计值，包括：

计算所述标记点云中所有坐标点高度值的平均值，以得到所述地面高度估计值。

在本申请实施例所述的基于激光雷达的地面分割方法中，在所述通过侧安装激光雷达采集扫描区域内的点云数据之前，还包括：

对所述侧安装激光雷达进行标定。

本申请实施例还提供一种基于激光雷达的地面分割装置，所述装置包括：

采集单元，用于通过侧安装激光雷达采集扫描区域内的点云数据；

获取单元，用于从所述点云数据中获取满足标记条件的标记点云；

计算单元，用于根据所述标记点云计算地面高度估计值；

判断单元，用于根据所述地面高度估计值，判断所述点云数据中的坐标点是否为地面点。

在本申请实施例所述的基于激光雷达的地面分割装置中，所述判断单元包括：

第一判断子单元，用于判断所述点云数据中每一坐标点的高度值与所述地面高度估计值之差的绝对值是否小于第二阈值；

第一确定子单元，用于将所述点云数据中高度值与所述地面高度估计值之差的绝对值小于第二阈值的坐标点确定为地面点。

在本申请实施例所述的基于激光雷达的地面分割装置中，所述判断单元包括：

计算子单元，用于根据所述地面高度估计值、所述侧安装激光雷达的激光线束的出射角和安装位置倾斜角，计算所述侧安装激光雷达的激光线束在水平面的正投影距离；

第二判断子单元，用于判断所述点云数据中每一坐标点在水平面的正投影距离与所述侧安装激光雷达的激光线束在水平面的正投影距离之差的绝对值是否小于第三阈值；

第二确定子单元，用于将所述点云数据中在水平面的正投影距离与所述侧安装激光雷达的激光线束在水平面的正投影距离之差的绝对值小于第三阈值的坐标点确定为地面点。

在本申请实施例所述的基于激光雷达的地面分割装置中，所述获取单元包括：

第三判断子单元，用于判断所述点云数据中每一坐标点的高度值与所述侧安装激光雷达的安装高度值之差的绝对值是否小于第一阈值；

标记子单元，用于将所述点云数据中高度值与所述侧安装激光雷达的安装高度值之差的绝对值小于第一阈值的坐标点进行标记，以获取所述标记点云。

在本申请实施例所述的基于激光雷达的地面分割装置中，所述计算单元，用于计算所述标记点云中所有坐标点高度值的平均值，以得到所述地面高度估计值。

在本申请实施例所述的基于激光雷达的地面分割装置中，所述装置还包括：

标定单元，用于对所述侧安装激光雷达进行标定。

本申请实施例还提供一种存储介质，所述存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行上述基于激光雷达的地面分割方法中的步骤。

本申请实施例通过侧安装激光雷达采集扫描区域内的点云数据；从所述点云数据中获取满足标记条件的标记点云；根据所述标记点云计算地面高度估计值；根据所述地面高度估计值，判断所述点云数据中的坐标点是否为地面点。本申请实施例在激光雷达被侧安装并且具有一定安装倾角的情况下，准确进行地面分割，以减少扫描盲区及提高地面分割的准确性和稳定性。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的基于激光雷达的地面分割方法的流程示意图。

图2为本申请实施例提供的激光雷达的一种安装方式的俯视图。

图3为本申请实施例提供的激光雷达的一种安装方式的前视图。

图4为本申请实施例提供的激光雷达的坐标系的俯视图。

图5为本申请实施例提供的激光雷达的坐标系的侧视图。

图6为本申请实施例提供的基于激光雷达的地面分割方法的另一流程示意图。

图7为本申请实施例提供的基于激光雷达的地面分割方法的又一流程示意图。

图8为本申请实施例提供的激光雷达的一种安装方式的另一前视图。

图9为本申请实施例提供的基于激光雷达的地面分割装置的结构示意图。

图10为本申请实施例提供的基于激光雷达的地面分割装置的另一结构示意图。

图11为本申请实施例提供的终端设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本申请的保护范围。

自动驾驶车辆又称无人驾驶车辆、电脑驾驶车辆，是实现车辆在无人状态下自主沿道路行进的智能车辆。通常，在自动驾驶车辆于实际交通道路行驶前，需要进行大量测试以检测其安全性及稳定性。在自动驾驶领域，激光雷达通常会被安装在车顶正上方，以此来获取车身周围的三维空间信息。由于车身遮挡以及激光线束出射角度等限制，在车身周围往往会存在扫描盲区，因此在车载多线激光雷达系统中，车身侧边通常也会安装激光雷达来进一步减少盲区。

现有的激光雷达地面分割方法中，例如在水平面按一定角度对激光雷达进行等分，以射线形式来组织点云，在每一条射线上通过评估相邻两点所形成的坡度角来判断是否为地面点，或者沿着x方向将空间分割成若干个子平面，对每个子平面进行平面拟合，从而对地面进行分割，大多地面分割方法都是针对激光雷达正安装在车顶的情形，在激光雷达安装位置有明显倾斜的情况下分割准确性较低。因此，本申请实施例提供了一种基于激光雷达的地面分割方法、装置及存储介质，在激光雷达被侧安装并且具有一定安装倾角的情况下，可以准确进行地面分割。

本申请实施例提供一种基于激光雷达的地面分割方法，所述基于激光雷达的地面分割方法可以应用于自动驾驶车辆、无人驾驶机器人、无人驾驶飞机等。

请参阅图1至图5，图1为本申请实施例提供的基于激光雷达的地面分割方法的流程示意图，图2至图5为本申请实施例提供的激光雷达的安装方式视图及坐标系视图。所述基于激光雷达的地面分割方法，应用于自动驾驶车辆中，所述方法可以包括以下步骤：

步骤101，通过侧安装激光雷达采集扫描区域内的点云数据。

点云数据是用于表达三维图像的最常见和基础的三维模型。点云数据可以直接测量得到，每个点对应一个测量点，点云数据中的每个点都未经过其他处理手段处理，包含了最大的信息量，需要通过其他提取手段将构建三维图像所需的信息从点云数据中其萃取出来，提取点云中信息的过程则为三维图像处理。

点云是在同一空间参考系下表达目标空间分布和目标表面特性的海量点集合，在获取物体表面每个采样点的空间坐标后，得到的是点的集合，称之为“点云”（pointcloud）。

通过激光雷达等三维扫描仪获取的点云，包含了丰富的信息，比如包括三维坐标（xyz）、激光反射强度（intensity）、颜色信息（rgb）、分类值、时间等。其中，强度信息与目标的表面材质、粗糙度、入射角方向，以及仪器的发射能量、激光波长等有关。

其中，本申请实施例采用多线激光雷达采集点云数据。所述多线激光雷达包括多个激光发射器，每个激光发射器可以测量一个距离，所述多线激光发射器通过半导体激光发射器发射激光，并对回波光信号进行探测，以获取点云数据。

如图2和图3所示的激光雷达的一种安装方式的俯视图和前视图，在车辆1的顶部及左右两侧均安装有多线激光雷达，比如中间是一个正安装在车顶正上方的激光雷达11，左右两侧是两个侧安装且具有一定倾角的激光雷达12。

如图3所示，正安装的激光雷达11主要扫描车身附近的大部分区域，例如s1区域，而由于车身遮挡以及激光线束出射角度等限制，在车身周围往往会存在扫描盲区，因此需要侧安装激光雷达12来扫描正安装的激光雷达11无法扫描到或者扫描精准度较低的区域，例如s2区域，s2为靠近车身的区域。

在一些实施例中，在所述通过侧安装激光雷达采集扫描区域内的点云数据之前，还包括对所述侧安装激光雷达进行标定。具体的，将侧安装激光雷达12标定至车顶正安装激光雷达11的坐标系上，使得侧安装激光雷达12扫描到的数据映射到正安装激光雷达11的坐标系上，将车辆上安装的所有激光雷达采集到的数据统一为同一坐标系。

如图4和图5所示，本申请实施例的多线激光雷达自身建立的直角坐标系（xyz）中，x轴表示为车头方向，z轴表示为指向天空的方向，y轴表示为车头前进方向的左侧。

例如，设置侧安装激光雷达12的安装高度（距离地面2的高度）为h，在完成激光雷达之间的标定之后，即将侧安装激光雷达12标定至车顶正安装激光雷达11的坐标系上之后，通过侧安装激光雷达12采集扫描区域s2内的点云数据。由于靠近车身的区域通常不会出现过大的障碍物，因此在采集扫描区域s2内的点云数据时，统计最近k条照射在地面2的激光线束的坐标即可。比如，k表示为1至3条。

步骤102，从所述点云数据中获取满足标记条件的标记点云。

其中，该标记点云为满足标记条件的疑似地面点的坐标点集合。从所述点云数据中剔除非地面点，然后把满足标记条件的点进行标记，以得到标记点云，所述标记点云作为下一步分析的基础数据。

在一些实施例中，所述从所述点云数据中获取满足标记条件的标记点云，包括：

判断所述点云数据中每一坐标点的高度值与所述侧安装激光雷达的安装高度值之差的绝对值是否小于第一阈值；

将所述点云数据中高度值与所述侧安装激光雷达的安装高度值之差的绝对值小于第一阈值的坐标点进行标记，以获取所述标记点云。

例如，判断所述点云数据中每一坐标点的高度值（z值）与所述侧安装激光雷达12的安装高度值h之差的绝对值是否小于第一阈值；

将所述点云数据中高度值z与所述侧安装激光雷达12的安装高度值h之差的绝对值小于第一阈值的坐标点进行标记，以获取所述标记点云。例如，所述第一阈值可以根据实验数据进行设定，例如所述第一阈值设为0.2m。所述坐标点的高度值（z值）是激光雷达的扫描点相对于激光雷达坐标系原点的高度。

为了同时满足例如车道过于狭窄、两侧有大面积遮挡等特殊情形，本申请实施例在进行地面点统计的时候，会比较每一个点的坐标z值与激光雷达的安装高度h，如果二者差值过大则判定该点为非地面点，即不参与统计。如果二者差值处于第一阈值范围内，则可以进行标记，得到疑似地面点的标记点，将点云数据中的所有点的坐标z值比较完之后，得到的所有标记点形成标记点云。

步骤103，根据所述标记点云计算地面高度估计值。

由于靠近车身的区域通常不会出现过大的障碍物，因此在采集扫描区域s2内的点云数据时，统计最近k条照射在地面2的激光线束的坐标即可获得地面高度的估计值。具体的，在统计完所有满足标记条件的标记点之后，计算所述标记点云中所有坐标点高度值（z值）的平均值，以得到地面高度估计值，所述地面高度估计值可用以下公式表达：

；

其中，h’表示地面高度估计值，n表示满足标记条件的点的数量，表示各个点的坐标z值。

步骤104，根据所述地面高度估计值，判断所述点云数据中的坐标点是否为地面点。

在一些实施例中，所述根据所述地面高度估计值，判断所述点云数据中的坐标点是否为地面点，包括：

判断所述点云数据中每一坐标点的高度值与所述地面高度估计值之差的绝对值是否小于第二阈值；

将所述点云数据中高度值与所述地面高度估计值之差的绝对值小于第二阈值的坐标点确定为地面点。

具体的，通过比较点云数据中所有点的坐标z值与所述地面高度估计值，将二者差值的绝对值小于第二阈值的点确定为地面点，二者差值的绝对值大于第二阈值的点确定为非地面点。

在一些实施例中，所述根据所述地面高度估计值，判断所述点云数据中的坐标点是否为地面点，包括：

根据所述地面高度估计值、所述侧安装激光雷达的激光线束的出射角和安装位置倾斜角，计算所述侧安装激光雷达的激光线束在水平面的正投影距离；

判断所述点云数据中每一坐标点在水平面的正投影距离与所述侧安装激光雷达的激光线束在水平面的正投影距离之差的绝对值是否小于第三阈值；

将所述点云数据中在水平面的正投影距离与所述侧安装激光雷达的激光线束在水平面的正投影距离之差的绝对值小于第三阈值的坐标点确定为地面点。

具体的，通过比较点云数据中所有坐标点在水平面的正投影距离与所述侧安装激光雷达的激光线束在水平面的正投影距离，将二者差值的绝对值小于第三阈值的点为地面点，二者差值的绝对值大于第三阈值的点确定为非地面点。

上述所有可选技术方案，可以采用任意结合形成本申请的可选实施例，在此不再一一赘述。

具体实施时，本申请不受所描述的各个步骤的执行顺序的限制，在不产生冲突的情况下，某些步骤还可以采用其它顺序进行或者同时进行。

由上可知，本申请实施例提供的基于激光雷达的地面分割方法，通过侧安装激光雷达采集扫描区域内的点云数据；从所述点云数据中获取满足标记条件的标记点云；根据所述标记点云计算地面高度估计值；根据所述地面高度估计值，判断所述点云数据中的坐标点是否为地面点。本申请实施例在激光雷达被侧安装并且具有一定安装倾角的情况下，准确进行地面分割，以减少扫描盲区及提高地面分割的准确性和稳定性。

请参阅图6，图6为本申请实施例提供的基于激光雷达的地面分割方法的另一流程示意图。所述基于激光雷达的地面分割方法，可以包括以下步骤：

步骤201，对侧安装激光雷达进行标定。

具体的，将侧安装激光雷达12标定至车顶正安装激光雷达11的坐标系上，使得侧安装激光雷达12扫描到的数据映射到正安装激光雷达11的坐标系上，将车辆上安装的所有激光雷达采集到的数据统一为同一坐标系。

如图4和图5所示，本申请实施例的多线激光雷达自身建立的直角坐标系（xyz）中，x轴表示为车头方向，z轴表示为指向天空的方向，y轴表示为车头前进方向的左侧。

步骤202，通过侧安装激光雷达采集扫描区域内的点云数据。

如图3所示，正安装的激光雷达11主要扫描车身附近的大部分区域，例如s1区域，而由于车身遮挡以及激光线束出射角度等限制，在车身周围往往会存在扫描盲区，因此需要侧安装激光雷达12来扫描正安装的激光雷达11无法扫描到或者扫描精准度较低的区域，例如s2区域，s2为靠近车身的区域。

例如，设置侧安装激光雷达12的安装高度（距离地面2的高度）为h，在完成激光雷达之间的标定之后，即将侧安装激光雷达12标定至车顶正安装激光雷达11的坐标系上之后，通过侧安装激光雷达12采集扫描区域s2内的点云数据。由于靠近车身的区域通常不会出现过大的障碍物，因此在采集扫描区域s2内的点云数据时，统计最近k条照射在地面2的激光线束的坐标即可。比如，k表示为1至3条。

步骤203，判断所述点云数据中每一坐标点的高度值与所述侧安装激光雷达的安装高度值之差的绝对值是否小于第一阈值。若是，则执行步骤204；若否，则执行步骤208。

例如，判断所述点云数据中每一坐标点的高度值（z值）与所述侧安装激光雷达12的安装高度值h之差的绝对值是否小于第一阈值。若是，则执行步骤204；若否，则执行步骤208。

步骤204，将所述点云数据中高度值与所述侧安装激光雷达的安装高度值之差的绝对值小于第一阈值的坐标点进行标记，以获取所述标记点云。

将所述点云数据中高度值z与所述侧安装激光雷达12的安装高度值h之差的绝对值小于第一阈值的坐标点进行标记，以获取所述标记点云。例如，所述第一阈值可以根据实验数据进行设定，例如所述第一阈值设为0.2m。所述坐标点的高度值（z值）是激光雷达的扫描点相对于激光雷达坐标系原点的高度。

如果二者差值处于第一阈值范围内，则可以进行标记，得到疑似地面点的标记点，将点云数据中的所有点的坐标z值比较完之后，得到的所有标记点形成标记点云。

步骤205，计算所述标记点云中所有坐标点高度值的平均值，以得到地面高度估计值。

由于靠近车身的区域通常不会出现过大的障碍物，因此在采集扫描区域s2内的点云数据时，统计最近k条照射在地面2的激光线束的坐标即可获得地面高度的估计值。具体的，在统计完所有满足标记条件的标记点之后，计算所述标记点云中所有坐标点高度值（z值）的平均值，以得到地面高度估计值，所述地面高度估计值可用以下公式表达：

；

其中，h’表示地面高度估计值，n表示满足标记条件的点的数量，表示各个点的坐标z值。

步骤206，判断所述点云数据中每一坐标点的高度值与所述地面高度估计值之差的绝对值是否小于第二阈值；若是，则执行步骤207；若否，则执行步骤208。

步骤207，将所述点云数据中高度值与所述地面高度估计值之差的绝对值小于第二阈值的坐标点确定为地面点。

步骤208，确定为非地面点。

其中，将所述点云数据中高度值与所述侧安装激光雷达的安装高度值之差的绝对值大于第一阈值的坐标点确定为非地面点。

其中，将所述点云数据中高度值与所述地面高度估计值之差的绝对值大于第二阈值的坐标点确定为非地面点。

由上可知，本申请实施例提供的基于激光雷达的地面分割方法，通过侧安装激光雷达采集扫描区域内的点云数据；从所述点云数据中获取满足标记条件的标记点云；根据所述标记点云计算地面高度估计值；判断所述点云数据中每一坐标点的高度值与所述地面高度估计值之差的绝对值是否小于第二阈值；将所述点云数据中高度值与所述地面高度估计值之差的绝对值小于第二阈值的坐标点确定为地面点。本申请实施例在激光雷达被侧安装并且具有一定安装倾角的情况下，准确进行地面分割，以减少扫描盲区及提高地面分割的准确性和稳定性。

请参阅图7和图8，图7为本申请实施例提供的基于激光雷达的地面分割方法的又一流程示意图，图8为本申请实施例提供的激光雷达的一种安装方式的另一前视图。所述基于激光雷达的地面分割方法，可以包括以下步骤：

步骤301，对侧安装激光雷达进行标定。

具体的，将侧安装激光雷达12标定至车顶正安装激光雷达11的坐标系上，使得侧安装激光雷达12扫描到的数据映射到正安装激光雷达11的坐标系上，将车辆上安装的所有激光雷达采集到的数据统一为同一坐标系。

如图4和图5所示，本申请实施例的多线激光雷达自身建立的直角坐标系（xyz）中，x轴表示为车头方向，z轴表示为指向天空的方向，y轴表示为车头前进方向的左侧。

步骤302，通过侧安装激光雷达采集扫描区域内的点云数据。

如图3所示，正安装的激光雷达11主要扫描车身附近的大部分区域，例如s1区域，而由于车身遮挡以及激光线束出射角度等限制，在车身周围往往会存在扫描盲区，因此需要侧安装激光雷达12来扫描正安装的激光雷达11无法扫描到或者扫描精准度较低的区域，例如s2区域，s2为靠近车身的区域。

例如，设置侧安装激光雷达12的安装高度（距离地面2的高度）为h，在完成激光雷达之间的标定之后，即将侧安装激光雷达12标定至车顶正安装激光雷达11的坐标系上之后，通过侧安装激光雷达12采集扫描区域s2内的点云数据。由于靠近车身的区域通常不会出现过大的障碍物，因此在采集扫描区域s2内的点云数据时，统计最近k条照射在地面2的激光线束的坐标即可。比如，k表示为1至3条。

步骤303，判断所述点云数据中每一坐标点的高度值与所述侧安装激光雷达的安装高度值之差的绝对值是否小于第一阈值。若是，则执行步骤304；若否，则执行步骤309。

例如，判断所述点云数据中每一坐标点的高度值（z值）与所述侧安装激光雷达12的安装高度值h之差的绝对值是否小于第一阈值。若是，则执行步骤304；若否，则执行步骤309。

步骤304，将所述点云数据中高度值与所述侧安装激光雷达的安装高度值之差的绝对值小于第一阈值的坐标点进行标记，以获取所述标记点云。

将所述点云数据中高度值z与所述侧安装激光雷达12的安装高度值h之差的绝对值小于第一阈值的坐标点进行标记，以获取所述标记点云。例如，所述第一阈值可以根据实验数据进行设定，例如所述第一阈值设为0.2m。所述坐标点的高度值（z值）是激光雷达的扫描点相对于激光雷达坐标系原点的高度。

如果二者差值处于第一阈值范围内，则可以进行标记，得到疑似地面点的标记点，将点云数据中的所有点的坐标z值比较完之后，得到的所有标记点形成标记点云。

步骤305，计算所述标记点云中所有坐标点高度值的平均值，以得到地面高度估计值。

由于靠近车身的区域通常不会出现过大的障碍物，因此在采集扫描区域s2内的点云数据时，统计最近k条照射在地面2的激光线束的坐标即可获得地面高度的估计值。具体的，在统计完所有满足标记条件的标记点之后，计算所述标记点云中所有坐标点高度值（z值）的平均值，以得到地面高度估计值，所述地面高度估计值可用以下公式一表达：

；

其中，h’表示地面高度估计值，n表示满足标记条件的点的数量，表示各个点的坐标z值。

步骤306，根据所述地面高度估计值、所述侧安装激光雷达的激光线束的出射角和安装位置倾斜角，计算所述侧安装激光雷达的激光线束在水平面的正投影距离。

例如，如图8所示，直角坐标系（xyz）为侧安装激光雷达在完成激光雷达间的标定后的坐标系。坐标系（x’y’z’）为侧安装激光雷达未完成激光雷达间的标定之前的坐标系，即为侧安装雷达12本身的坐标系，其中，x’轴表示为车头方向，z’轴表示为指向侧安装激光雷达上方的方向，y’轴表示为车头前进方向的左侧且y’轴与z’轴相互垂直。

在侧安装激光雷达12实际安装位置与角度已知的前提下，由于激光雷达各线束的出射角是固有参数，因此可以利用各激光线束照射在水平地面上的投影半径r以及对应激光线束照射在被扫描物体上的投影半径r’作为判断条件。激光线束照射在水平地面上的投影半径r，可以通过公式二表达：

；

其中，r表示激光线束a照射在水平地面点a上的投影半径，h’表示地面高度估计值，角度θ表示侧安装激光雷达12的激光线束a的出射角，角度α表示侧安装激光雷达12的安装位置倾斜角。所述投影半径r即为所述侧安装激光雷达的激光线束在水平面的正投影距离。

进一步的，对应激光线束照射在被扫描物体上的投影半径r’，可以通过公式三表达：

；

其中，r’表示激光线束a照射在被扫描物体3上的投影半径，x’和y’分别为激光线束照射在被扫描物体3上的坐标点a’的x’值和y’值。所述投影半径r’即为所述侧安装激光雷达的激光线束扫描在被扫描物体3上的扫描坐标点a’在水平面的正投影距离。

其中，所述被扫描物体可以为平整的地面，也可以为凸起或者凹陷的地面，还可以为位于地面上的障碍物等。

步骤307，判断所述点云数据中每一坐标点在水平面的正投影距离与所述侧安装激光雷达的激光线束在水平面的正投影距离之差的绝对值是否小于第三阈值；若是，则执行步骤308；若否，则执行步骤309。

如图8所示，其中，r表示激光线束a照射在水平地面点a上的投影半径，所述投影半径r即为所述侧安装激光雷达12的出射扫描线a在水平面的正投影距离，所述侧安装激光雷达12的激光线束a在水平面的正投影距离r利用所述地面高度估计值h’、所述侧安装激光雷达12的激光线束a的出射角θ和安装位置倾斜角α进行计算得到。r’表示激光线束a照射在被扫描物体3上的投影半径，x’和y’分别为激光线束a照射在被扫描物体3上的坐标点a’的x’值和y’值，所述投影半径r’即为所述激光雷达12的出射扫描线扫描a在被扫描物体13上的扫描坐标点a’在水平面的正投影距离。逐一求取各激光线束照射在被扫描物体上的投影半径r’以及对应激光线束照射在水平地面上的投影半径r之间的差值的绝对值，然后比较该投影半径r’与投影半径r差值的绝对值与第三阈值之间的大小关系，若该投影半径r’与投影半径r差值的绝对值小于第三阈值，则执行步骤308。若该投影半径r’与投影半径r差值的绝对值大于第三阈值，执行步骤309。例如，所述第三阈值可以根据实验数据进行设定，例如所述第三阈值设为0.2m。

步骤308，将所述点云数据中在水平面的正投影距离与所述侧安装激光雷达的激光线束在水平面的正投影距离之差的绝对值小于第三阈值的坐标点确定为地面点。

步骤309，确定为非地面点。

其中，将所述点云数据中高度值与所述侧安装激光雷达的安装高度值之差的绝对值大于第一阈值的坐标点确定为非地面点。

其中，将所述点云数据中在水平面的正投影距离与所述侧安装激光雷达的激光线束在水平面的正投影距离之差的绝对值大于第三阈值的坐标点确定为非地面点。

例如，如图8所示，将所述点云数据中在水平面的正投影距离r’与所述侧安装激光雷达的激光线束在水平面的正投影距离r之差的绝对值大于第三阈值的坐标点a’确定为非地面点。

由上可知，本申请实施例提供的基于激光雷达的地面分割方法，通过侧安装激光雷达采集扫描区域内的点云数据；从所述点云数据中获取满足标记条件的标记点云；根据所述标记点云计算地面高度估计值；根据所述地面高度估计值、所述侧安装激光雷达的激光线束的出射角和安装位置倾斜角，计算所述侧安装激光雷达的激光线束在水平面的正投影距离；判断所述点云数据中每一坐标点在水平面的正投影距离与所述侧安装激光雷达的激光线束在水平面的正投影距离之差的绝对值是否小于第三阈值；将所述点云数据中在水平面的正投影距离与所述侧安装激光雷达的激光线束在水平面的正投影距离之差的绝对值小于第三阈值的坐标点确定为地面点。本申请实施例在激光雷达被侧安装并且具有一定安装倾角的情况下，准确进行地面分割，以减少扫描盲区及提高地面分割的准确性和稳定性。

本申请实施例还提供一种基于激光雷达的地面分割装置，所述基于激光雷达的地面分割装置可以集成在自动驾驶车辆中，也可以集成在激光雷达系统中。

请参阅图9，图9为本申请实施例提供的基于激光雷达的地面分割装置的结构示意图。基于激光雷达的地面分割装置40可以包括：

采集单元42，用于通过侧安装激光雷达采集扫描区域内的点云数据。

获取单元43，用于从所述点云数据中获取满足标记条件的标记点云。

计算单元44，用于根据所述标记点云计算地面高度估计值。

判断单元45，用于根据所述地面高度估计值，判断所述点云数据中的坐标点是否为地面点。

请参阅图10，图10为本申请实施例提供的基于激光雷达的地面分割装置的另一结构示意图。基于激光雷达的地面分割装置40可以包括：

标定单元41，用于对所述侧安装激光雷达进行标定。

采集单元42，用于通过侧安装激光雷达采集扫描区域内的点云数据。

获取单元43，用于从所述点云数据中获取满足标记条件的标记点云。

计算单元44，用于根据所述标记点云计算地面高度估计值。

判断单元45，用于根据所述地面高度估计值，判断所述点云数据中的坐标点是否为地面点。

在一些实施例中，所述判断单元45包括：

第一判断子单元451，用于判断所述点云数据中每一坐标点的高度值与所述地面高度估计值之差的绝对值是否小于第二阈值；

第一确定子单元452，用于将所述点云数据中高度值与所述地面高度估计值之差的绝对值小于第二阈值的坐标点确定为地面点。

在一些实施例中，所述判断单元45还包括：

计算子单元453，用于根据所述地面高度估计值、所述侧安装激光雷达的激光线束的出射角和安装位置倾斜角，计算所述侧安装激光雷达的激光线束在水平面的正投影距离；

第二判断子单元454，用于判断所述点云数据中每一坐标点在水平面的正投影距离与所述侧安装激光雷达的激光线束在水平面的正投影距离之差的绝对值是否小于第三阈值；

第二确定子单元455，用于将所述点云数据中在水平面的正投影距离与所述侧安装激光雷达的激光线束在水平面的正投影距离之差的绝对值小于第三阈值的坐标点确定为地面点。

在一些实施例中，所述获取单元43包括：

第三判断子单元431，用于判断所述点云数据中每一坐标点的高度值与所述侧安装激光雷达的安装高度值之差的绝对值是否小于第一阈值；

标记子单元432，用于将所述点云数据中高度值与所述侧安装激光雷达的安装高度值之差的绝对值小于第一阈值的坐标点进行标记，以获取所述标记点云。

在一些实施例中，所述计算单元44，用于计算所述标记点云中所有坐标点高度值的平均值，以得到所述地面高度估计值。

具体实施时，以上各个模块可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现。

由上可知，本申请实施例提供的基于激光雷达的地面分割装置40，通过标定单元41对所述侧安装激光雷达进行标定；采集单元42利用侧安装激光雷达采集扫描区域内的点云数据。获取单元43从所述点云数据中获取满足标记条件的标记点云。计算单元44根据所述标记点云计算地面高度估计值。在通过判断单元45根据所述地面高度估计值，判断所述点云数据中的坐标点是否为地面点。本申请实施例在激光雷达被侧安装并且具有一定安装倾角的情况下，准确进行地面分割，以减少扫描盲区及提高地面分割的准确性和稳定性。

本申请实施例还提供一种终端设备，所述终端设备包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行上述基于激光雷达的地面分割方法。所述终端设备可以为自动驾驶车辆、无人驾驶机器人、无人驾驶飞机等。

请参阅图11，图11示出了本申请实施例提供的终端设备的结构示意图，该终端设备可以用于实施上述实施例中提供的基于激光雷达的地面分割方法。该终端设备可以为自动驾驶车辆、无人驾驶机器人、无人驾驶飞机等设备。

如图11所示，终端设备1200可以包括rf（radiofrequency，射频）电路110、包括有一个或一个以上（图中仅示出一个）计算机可读存储介质的存储器120、输入单元130、显示单元140、传感器150、音频电路160、传输模块170、包括有一个或者一个以上（图中仅示出一个）处理核心的处理器180以及电池190等部件。本领域技术人员可以理解，图11中示出的终端设备1200结构并不构成对终端设备1200的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：

rf电路110用于接收以及发送电磁波，实现电磁波与电信号的相互转换，从而与通讯网络或者其他设备进行通讯。rf电路110可包括各种现有的用于执行这些功能的电路元件，例如，天线、射频收发器、数字信号处理器、加密/解密芯片、用户身份模块（sim）卡、存储器等等。rf电路110可与各种网络如互联网、企业内部网、无线网络进行通讯或者通过无线网络与其他设备进行通讯。

存储器120可用于存储软件程序以及模块，如上述实施例中基于激光雷达的地面分割方法对应的程序指令/模块，处理器180通过运行存储在存储器120内的软件程序以及模块，从而执行各种功能应用以及数据处理，可以在激光雷达被侧安装并且具有一定安装倾角的情况下，准确进行地面分割，以减少扫描盲区及提高地面分割的准确性和稳定性。存储器120可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储系统、闪存、或者其他非易失性固态存储器。在一些实例中，存储器120可进一步包括相对于处理器180远程设置的存储器，这些远程存储器可以通过网络连接至终端设备1200。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入单元130可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。比如，输入单元130可以为自动驾驶车辆的车载触控面板、物理按键等。

显示单元140可用于显示由用户输入的信息或提供给用户的信息以及终端设备1200的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。

终端设备1200还可包括至少一种传感器150，比如多线激光雷达、光传感器、运动传感器以及其他传感器。比如，多线激光雷达用于采集点云数据。

音频电路160包括扬声器161和传声器162，该音频电路160可提供用户与终端设备1200之间的音频接口。

终端设备1200通过传输模块170（例如wi-fi模块、蓝牙模块）可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图11示出了传输模块170，但是可以理解的是，其并不属于终端设备1200的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。

处理器180是终端设备1200的控制中心，利用各种接口和线路连接整个终端设备的各个部分，通过运行或执行存储在存储器120内的软件程序和/或模块，以及调用存储在存储器120内的数据，执行终端设备1200的各种功能和处理数据，从而对自动驾驶设备进行整体监控。可选的，处理器180可包括一个或多个处理核心。

终端设备1200还包括给各个部件供电的电池190，电池190还可以包括一个或一个以上的直流或交流电池、再充电系统、电池故障检测电路、电池转换器或者逆变器、电池状态指示器等任意组件。

尽管未示出，终端设备1200还可以包括摄像头（如前置摄像头、后置摄像头）、蓝牙模块、动力模块等，在此不再赘述。具体在本实施例中，终端设备1200包括有存储器120，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器120中，且经配置以由一个或者一个以上处理器180执行一个或者一个以上程序包含用于进行以下操作的指令：

通过侧安装激光雷达采集扫描区域内的点云数据；从所述点云数据中获取满足标记条件的标记点云；根据所述标记点云计算地面高度估计值；根据所述地面高度估计值，判断所述点云数据中的坐标点是否为地面点。

在一些实施例中，处理器180用于所述根据所述地面高度估计值，判断所述点云数据中的坐标点是否为地面点，包括：

判断所述点云数据中每一坐标点的高度值与所述地面高度估计值之差的绝对值是否小于第二阈值；将所述点云数据中高度值与所述地面高度估计值之差的绝对值小于第二阈值的坐标点确定为地面点。

在一些实施例中，处理器180用于所述根据所述地面高度估计值，判断所述点云数据中的坐标点是否为地面点，包括：

根据所述地面高度估计值、所述侧安装激光雷达的激光线束的出射角和安装位置倾斜角，计算所述侧安装激光雷达的激光线束在水平面的正投影距离；

判断所述点云数据中每一坐标点在水平面的正投影距离与所述侧安装激光雷达的激光线束在水平面的正投影距离之差的绝对值是否小于第三阈值；

将所述点云数据中在水平面的正投影距离与所述侧安装激光雷达的激光线束在水平面的正投影距离之差的绝对值小于第三阈值的坐标点确定为地面点。

在一些实施例中，处理器180用于所述从所述点云数据中获取满足标记条件的标记点云，包括：

判断所述点云数据中每一坐标点的高度值与所述侧安装激光雷达的安装高度值之差的绝对值是否小于第一阈值；

将所述点云数据中高度值与所述侧安装激光雷达的安装高度值之差的绝对值小于第一阈值的坐标点进行标记，以获取所述标记点云。

在一些实施例中，处理器180用于所述根据所述标记点云计算地面高度估计值，包括：计算所述标记点云中所有坐标点高度值的平均值，以得到所述地面高度估计值。

在一些实施例中，处理器180用于在所述通过侧安装激光雷达采集扫描区域内的点云数据之前，还用于：对所述侧安装激光雷达进行标定。

由上可知，本申请实施例提供了一种终端设备1200，所述终端设备1200执行以下步骤：通过侧安装激光雷达采集扫描区域内的点云数据；从所述点云数据中获取满足标记条件的标记点云；根据所述标记点云计算地面高度估计值；根据所述地面高度估计值，判断所述点云数据中的坐标点是否为地面点。本申请实施例在激光雷达被侧安装并且具有一定安装倾角的情况下，准确进行地面分割，以减少扫描盲区及提高地面分割的准确性和稳定性。

本申请实施例还提供一种存储介质，所述存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，所述计算机执行上述任一实施例所述的基于激光雷达的地面分割方法。

需要说明的是，对本申请所述基于激光雷达的地面分割方法而言，本领域普通测试人员可以理解实现本申请实施例所述基于激光雷达的地面分割方法的全部或部分流程，是可以通过计算机程序来控制相关的硬件来完成，所述计算机程序可存储于一计算机可读存储介质中，如存储在移动终端的存储器中，并被该移动终端内的至少一个处理器执行，在执行过程中可包括如所述基于激光雷达的地面分割方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储器（rom，readonlymemory）、随机存取记忆体（ram，randomaccessmemory）等。

对本申请实施例的所述基于激光雷达的地面分割装置而言，其各功能模块可以集成在一个处理芯片中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中，所述存储介质譬如为只读存储器，磁盘或光盘等。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

本申请实施例中，所述基于激光雷达的地面分割装置与上文实施例中的一种基于激光雷达的地面分割方法属于同一构思，在所述基于激光雷达的地面分割装置上可以运行所述基于激光雷达的地面分割方法实施例中提供的任一方法，其具体实现过程详见所述基于激光雷达的地面分割方法实施例，此处不再赘述。

以上对本申请实施例所提供的基于激光雷达的地面分割方法、装置及存储介质进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。