点云地图的数据压缩处理方法、装置及雷达与流程

1.本技术实施例涉及雷达技术领域，更具体地，涉及一种点云地图的处理方法、装置及雷达。


背景技术：

2.即时定位与地图构建(simultaneous localization and mapping，slam)主要用于解决无人设备，例如：机器人或者无人驾驶车辆在未知环境运动中的定位与地图构建问题。常见的有基于激光的slam和基于视觉图像的slam。其中，基于激光的slam是以激光数据作为数据输入的slam方案。特征点，又称关键点、兴趣点，其定义为二维图像、三维曲面或者三维点云中，相对于原始数据具有不变性、代表性的点集，并且可以通过固定的检测原则对其进行提取的点。
3.在雷达对室内进行构图的过程中，算法需要保存当前环境中被扫描到的所有特征点到世界地图中。在进行位姿估计时，算法会从世界地图中获取当前位置的指定范围的特征点作为本地地图，再使用本地地图制作评估表，进行快速匹配，实现位姿匹配运算。
4.目前，由于雷达扫描精度的提升，雷达每次扫描均能产生数量较多的特征点，加上扫描频率的提高，导致特征点的数量庞大，进而降低雷达的运算速度。
5.申请人在实现本技术的过程中，发现现有技术至少存在以下技术问题：特征点的数量庞大，导致冗余的计算量，降低雷达的运算速度。


技术实现要素：

6.本技术实施例提供一种点云地图的数据压缩处理方法、装置及雷达，能够减少点云地图存储的特征点的数量，以减少点云地图的空间占用，进而提高雷达的运算速度。
7.第一方面，本技术实施例提供一种点云地图的数据压缩处理方法，所述方法包括：
8.获取第一特征点集，其中，所述第一特征点集包括雷达扫描到的多个第一特征点；
9.获取第二特征点集，其中，所述第二特征点集包括多个已存储于点云地图的第二特征点；
10.若某一第一特征点的预设距离阈值内存在第二特征点，则合并所述第一特征点和所述第二特征点，直至遍历所述第一特征点集中的每一第一特征点，以生成优化后的点云地图。
11.在一些实施例中，
12.所述获取第一特征点集，包括：
13.获取所述第一特征点集中的每一第一特征点的第一特征点信息，其中，所述第一特征点信息包括第一特征点的横坐标值、纵坐标值；
14.所述获取第二特征点集，包括：
15.获取所述第二特征点集中的每一第二特征点的第二特征点信息，其中，所述第二特征点信息包括第二特征点的横坐标值、纵坐标值以及第一特征点和第二特征点的合并次
数。
16.在一些实施例中，所述方法还包括：
17.基于预设的面积大小，将所述点云地图进行分区，确定多个点云区域；
18.根据所述第一特征点的横坐标值、纵坐标值，确定所述第一特征点对应的点云区域；
19.判断所述第一特征点在所述点云区域内的预设距离阈值内是否存在第二特征点。
20.在一些实施例中，所述合并所述第一特征点和所述第二特征点，包括：
21.根据所述第一特征点的横坐标值、纵坐标值和所述第二特征点的横坐标值、纵坐标值，结合所述第一特征点和第二特征点的合并次数，更新所述第二特征点的第二特征点信息。
22.在一些实施例中，所述根据所述第一特征点的横坐标值、纵坐标值和所述第二特征点的横坐标值、纵坐标值，结合所述第一特征点和第二特征点的合并次数，更新所述第二特征点的第二特征点信息，包括：
23.假设第一特征点为n点，第二特征点为p点，则更新后的第二特征点信息为：
24.p.x＝((p.x*p.t)+n.x)/(p.t+1)
25.p.y＝((p.y*p.t)+n.y)/(p.t+1)
26.p.t＝p.t+1
27.其中，p.x为p点的横坐标，p.y为p点的纵坐标，p.t为p点的合并次数，n.x为n点的横坐标，n.y为n点的纵坐标。
28.在一些实施例中，所述方法还包括：
29.若某一第一特征点的预设距离阈值内不存在第二特征点，则将所述第一特征点直接加入所述第二特征点集，并设置该第一特征点的合并次数为初始值，其中，所述初始值为1。
30.在一些实施例中，在遍历所述第一特征点集中的每一第一特征点，以生成优化后的点云地图之后，所述方法还包括：
31.提取所述第二特征点集中合并次数大于预设次数阈值的第二特征点进行显示。
32.在一些实施例中，所述第一特征点集为世界坐标点集，所述第二特征点集为世界地图点集。
33.第二方面，本技术实施例提供一种点云地图的数据压缩处理装置，所述装置包括：
34.第一特征点集单元，用于获取第一特征点集，其中，所述第一特征点集包括雷达扫描到的多个第一特征点；
35.第二特征点集单元，用于获取第二特征点集，其中，所述第二特征点集包括多个已存储于点云地图的第二特征点；
36.特征点合并单元，用于若某一第一特征点的预设距离阈值内存在第二特征点，则合并所述第一特征点和所述第二特征点，直至遍历所述第一特征点集中的每一第一特征点，以生成优化后的点云地图。
37.第三方面，本技术实施例提供一种雷达，包括：
38.至少一个处理器；以及，
39.与所述至少一个处理器通信连接的存储器；其中，
40.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的点云地图的数据压缩处理方法。
41.第四方面，本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的点云地图的数据压缩处理方法。
42.在本技术实施例中，公开了一种点云地图的数据压缩处理方法、装置及雷达，所述方法包括：获取第一特征点集，其中，所述第一特征点集包括雷达扫描到的多个第一特征点；获取第二特征点集，其中，所述第二特征点集包括多个已存储于点云地图的第二特征点；若某一第一特征点的预设距离阈值内存在第二特征点，则合并所述第一特征点和所述第二特征点，直至遍历所述第一特征点集中的每一第一特征点，以生成优化后的点云地图。通过将已存储于点云地图的第二特征点与未存储的第一特征点进行合并，本技术能够减少点云地图存储的特征点的数量，以减少点云地图的空间占用，进而提高雷达的运算速度。
附图说明
43.一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
44.图1是现有的slam地图构建的数据处理的流程示意图；
45.图2是本技术实施例提供的一种雷达的移动轨迹和雷达扫描到的特征点的示意图；
46.图3是本技术实施例提供的一种点云地图的数据压缩处理方法的流程图；
47.图4是本技术实施例提供的一种点云地图中的点云区域的示意图；
48.图5是本技术实施例提供的另一种点云地图的数据压缩处理方法的流程图；
49.图6a是本技术实施例提供的一种优化前的点云地图的示意图；
50.图6b是本技术实施例提供的一种优化后的点云地图的示意图；
51.图7是本技术实施例提供的一种点云地图的数据压缩处理装置的结构示意图；
52.图8是本技术实施例提供的一种雷达的硬件结构示意图。
具体实施方式
53.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
54.此外，下面所描述的本技术各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
55.请参阅图1，图1是现有的一种slam地图构建的数据处理的流程示意图；
56.如图1所示，在slam地图构建的过程中，包括如下步骤：
57.步骤一：将极坐标点集转换成本地笛卡尔坐标点集；
58.步骤二：计算粗略位姿；
59.步骤三：使用粗略位姿与本地笛卡尔坐标点集，估算当前所得特征点在世界地图的范围，得到本地地图范围；
60.步骤四：根据本地地图范围，在世界地图点集中提取本地地图范围中的所有的特征点，得到本地点集；
61.步骤五：将本地笛卡尔坐标点集在粗略位姿的指定范围内与本地点集进行匹配，找出匹配度最佳的位姿，以得到精确位姿；
62.步骤六：将本地笛卡尔坐标点集使用得到的精确位姿进行坐标转换，得到本次扫描相对于世界地图的世界坐标点集；
63.步骤七：将世界坐标点集加入到世界地图点集中；
64.请再参阅图2，图2是本技术实施例提供的一种雷达的移动轨迹和雷达扫描到的特征点的示意图；
65.如图2所示，根据图1中的slam地图构建的过程，得到点云地图，其中，浅色的点为雷达扫描到的特征点，深色的点为雷达的移动轨迹。
66.然而，在上述的步骤七：将世界坐标点集加入到世界地图点集中，由于雷达每次扫描均能产生多个特征点，每个特征点至少要包含该特征点的特征点信息，例如：笛卡尔坐标，例如：雷达每次扫描产生600多个特征点，每个特征点的特征点信息包括笛卡尔坐标，则在程序中至少需要8byte的存储空间。假设雷达每秒完成8次扫描。对于一个场地为100x100的场地进行构图需要至少30分钟。如此算来，一个面积为100x100的场地，雷达的特征点所需的存储空间大小为：8x600x8x60x30＝69120000byte＝69mb。如果在步骤七中，将所有的特征点存入到世界地图点集中，那么特征点的数量庞大，不利于存储与运算。
67.因此，本技术提出一种点云地图的数据压缩处理方法，以减少点云地图存储的特征点的数量，提高雷达的运算速度。
68.请参阅图3，图3是本技术实施例提供的一种点云地图的数据压缩处理方法的流程图；
69.如图3所示，该点云地图的数据压缩处理方法，应用于雷达，其中，所述方法包括：
70.步骤s301：获取第一特征点集，其中，所述第一特征点集包括雷达扫描到的多个第一特征点；
71.其中，所述第一特征点集为雷达扫描到的特征点，其中，所述第一特征点集包括雷达扫描到的多个第一特征点，其中，该第一特征点集未存储于点云地图，即所述第一特征点集为世界坐标点集，其中，点云地图是点云数据累加形成的地图，例如：通过逐帧的累加形成的点云地图，其中，点云数据是指透过3d(threedimensional，三维)扫描设备扫描的资料以点云点的形式记录，每一个点云点包含有三维坐标，有些可能含有颜色信息(rgb，红绿蓝)或反射强度信息(intensity)等信息；世界坐标点集指的是以世界坐标系为基准构建的坐标点集，即该世界坐标点集包括多个坐标点的世界坐标。
72.具体的，所述获取第一特征点集，包括：
73.获取所述第一特征点集中的每一第一特征点的第一特征点信息，其中，所述第一特征点信息包括第一特征点的横坐标值、纵坐标值。
74.例如：第一特征点集中的每一第一特征点的第一特征点信息，包括：
75.横坐标值x，x坐标值，为双精度浮点数；
76.纵坐标值y，y坐标值，为双精度浮点数。
77.可以理解的是，扫描的特征点的数量与雷达的扫描精度与扫描频率成正相关。
78.步骤s302：获取第二特征点集，其中，所述第二特征点集包括多个已存储于点云地图的第二特征点；
79.其中，所述第二特征点集为已存储于点云地图的特征点集，即所述第二特征点集为世界地图点集，其中，世界地图点集为以世界坐标系为基准构建的地图点集，其中，该地图点集以点云地图为基准，即该世界地图点集包括多个点云点的点云数据。具体的，所述获取第二特征点集，包括：
80.获取所述第二特征点集中的每一第二特征点的第二特征点信息，其中，所述第二特征点信息包括第二特征点的横坐标值、纵坐标值以及第二特征点的合并次数。
81.与第一特征点信息不同的是，第二特征点信息还包括第二特征点的合并次数，该合并次数用于确定第二特征点被合并的次数，其中，点云地图中的每一第二特征点的合并次数的初始值为1。
82.例如：第二特征点集中的每一第二特征点的第二特征点信息，包括：
83.横坐标值x，x坐标值，为双精度浮点数；
84.纵坐标值y，y坐标值，为双精度浮点数；
85.t，合并次数，为16位无浮号整数。
86.可以理解的是，本技术中的获取第一特征点集和获取第二特征点集的顺序不进行限定，可以先获取第一特征点集，后获取第二特征点集，或者，可以先获取第二特征点集，后获取第一特征点集，在此不进行限定。
87.步骤s303：若某一第一特征点的预设距离阈值内存在第二特征点，则合并所述第一特征点和所述第二特征点，直至遍历所述第一特征点集中的每一第一特征点，以生成优化后的点云地图。
88.其中，所述预设距离阈值由雷达的扫描精度确定，所述预设距离阈值小于雷达的扫描精度，所述扫描精度以欧拉距离进行衡量，例如：雷达的扫描精度为30mm，所述预设的距离阈值的取值范围为10-30mm。
89.具体的，判断第一特征点的预设距离阈值内是否存在第二特征点；
90.若是，则合并所述第一特征点和所述第二特征点；
91.具体的，所述合并所述第一特征点和第二特征点，包括：
92.根据所述第一特征点的横坐标值、纵坐标值和所述第二特征点的横坐标值、纵坐标值，结合所述第二特征点的合并次数，更新所述第二特征点的第二特征点信息，其中，更新所述第二特征点的第二特征点信息，包括：更新所述第二特征点的横坐标值、纵坐标值以及合并次数；
93.具体的，所述根据所述第一特征点的横坐标值、纵坐标值和所述第二特征点的横坐标值、纵坐标值，结合所述第二特征点的合并次数，更新所述第二特征点的第二特征点信息，包括：
94.假设第一特征点为n点，第二特征点为p点，则更新后的第二特征点信息为：
95.p.x＝((p.x*p.t)+n.x)/(p.t+1)
96.p.y＝((p.y*p.t)+n.y)/(p.t+1)
97.p.t＝p.t+1
98.其中，p.x为p点的横坐标，p.y为p点的纵坐标，p.t为p点的合并次数，n.x为n点的横坐标，n.y为n点的纵坐标。
99.若否，则将所述第一特征点直接加入所述第二特征点集，并设置该第一特征点的合并次数为初始值，其中，所述初始值为1。
100.在遍历所述第一特征点集中的每一第一特征点，以生成优化后的点云地图之后，所述方法还包括：
101.提取所述第二特征点集中合并次数大于预设次数阈值的第二特征点进行显示。可以理解的是，由于只需要提取第二特征点集中合并次数大于预设次数阈值的第二特征点，例如：使得显示出的优化后的点云地图的特征点数量明显减少，能够直观地呈现环境的重要特征。
102.在本技术实施例中，所述方法还包括：
103.基于预设的面积大小，将所述点云地图进行分区，确定多个点云区域；
104.根据所述第一特征点的横坐标值、纵坐标值，确定所述第一特征点对应的点云区域；
105.判断所述第一特征点在所述点云区域内的预设距离阈值内是否存在第二特征点。
106.具体的，在获取到点云地图之后，基于预设的面积大小，将所述点云地图进行分区，确定多个点云区域；
107.请参阅图4，图4是本技术实施例提供的一种点云地图中的点云区域的示意图；
108.如图4所示，基于预设的面积大小，将所述点云地图划分为多个面积相同的点云区域，其中，每一点云区域均对应一个坐标范围。
109.可以理解的是，由于雷达扫描的第一特征点的数量非常多，如果要从点云地图中找出与第一特征点的距离在一定范围的点，则要对所有的点进行距离计算，从而容易导致雷达的运算速度变慢。因此，本技术将点云地图根据坐标分块进行划分，即，将点云地图划分为多个点云区域，比如：比如，以1m x1m的大小为一个点云区域。那么，将坐标在(0.5,0.5)与(0.3,0.7)坐标点放置在(0,0)的点云区域中。由此，当得到一个第一特征点的坐标位置为(0.6,0.6)时，则可以从编号为(0,0)的点云区域中去查询第二特征点，从而极大地缩小搜索范围。
110.相比于搜索整个点云地图中所有的点，此时只需要搜索对应的点云区域中的点，因此，能极大地减少搜索范围，提升搜索效率。
111.通过将点云地图划分成多个面积相同的点云区域，有利于在确定第一特征点对应的点云区域之后，快速识别是否存在第二特征点，从而实现快速合并，提高合并速度。
112.请再参阅图5，图5是本技术实施例提供的另一种点云地图的数据压缩处理方法的流程图；
113.如图5所示，该点云地图的数据压缩处理方法，包括：
114.开始；
115.步骤s501：获取第一特征点集、第二特征点集；
116.具体的，获取所述第一特征点集中的每一第一特征点的第一特征点信息，其中，所
述第一特征点信息包括第一特征点的横坐标值、纵坐标值，以及，获取所述第二特征点集中的每一第二特征点的第二特征点信息，其中，所述第二特征点信息包括第二特征点的横坐标值、纵坐标值以及第二特征点的合并次数。
117.步骤s502：获取第一特征点集中的某一第一特征点；
118.步骤s503：确定该第一特征点对应的点云区域；
119.具体的，每一点云区域均对应一个坐标范围，根据所述第一特征点的横坐标值和纵坐标值，确定所述第一特征点对应的点云区域。
120.步骤s504：判断第一特征点在点云区域内的预设距离阈值内是否存在第二特征点；
121.具体的，在点云区域内，判断是否存在第二特征点，该第二特征点与第一特征点的距离不大于预设距离阈值；
122.若是，则进入步骤s305：合并第一特征点和第二特征点；
123.若否，则进入步骤s506：将第一特征点加入点云地图；
124.步骤s505：合并第一特征点和第二特征点；
125.具体的，所述合并所述第一特征点和第二特征点，包括：
126.根据所述第一特征点的横坐标值、纵坐标值和所述第二特征点的横坐标值、纵坐标值，结合所述第二特征点的合并次数，更新所述第二特征点的第二特征点信息，其中，更新所述第二特征点的第二特征点信息，包括：更新所述第二特征点的横坐标值、纵坐标值以及合并次数；
127.具体的，所述根据所述第一特征点的横坐标值、纵坐标值和所述第二特征点的横坐标值、纵坐标值，结合所述第二特征点的合并次数，更新所述第二特征点的第二特征点信息，包括：
128.假设第一特征点为n点，第二特征点为p点，则更新后的第二特征点信息为：
129.p.x＝((p.x*p.t)+n.x)/(p.t+1)
130.p.y＝((p.y*p.t)+n.y)/(p.t+1)
131.p.t＝p.t+1
132.其中，p.x为p点的横坐标，p.y为p点的纵坐标，p.t为p点的合并次数，n.x为n点的横坐标，n.y为n点的纵坐标。
133.例如：假设p点的合并次数为1，此时p点的合并次数为初始值，代表p点未与第一特征点集中的任何一个第一特征点合并过，此时更新后的p点的第二特征点信息为：
134.p.x＝(p.x+n.x)/2
135.p.y＝(p.y+n.y)/2
136.p.t＝p.t+1
137.假设p点的合并次数为2，此时代表p点与第一特征点集中的一个第一特征点合并过，此时更新后的p点的第二特征点信息为：
138.p.x＝((p.x*2)+n.x)/3
139.p.y＝((p.y*2)+n.y)/3
140.p.t＝p.t+1
141.以此类推。
142.步骤s506：将第一特征点加入点云地图；
143.具体的，将第一特征点加入点云地图，并将所述第一特征点直接加入所述第二特征点集，并设置该第一特征点的合并次数为初始值，其中，所述初始值为1。
144.步骤s507：是否遍历完第一特征点集中的所有第一特征点；
145.具体的，判断是否遍历完第一特征点集中的所有第一特征点，相当于判断当前的第一特征点是否为最后一个第一特征点；
146.若是，则结束；
147.若否，则返回步骤s502：获取第一特征点集中的某一第一特征点；
148.也就是说，若当前的第一特征点不是最后一个第一特征点，则获取下一个未处理的第一特征点，直至遍历完第一特征点集中的全部的第一特征点。
149.结束；
150.请参阅图6a，图6a是本技术实施例提供的一种优化前的点云地图的示意图；
151.如图6a所示，在优化前的点云地图为雷达扫描到的特征点，其包括多个第一特征点。
152.请再参阅图6b，图6b是本技术实施例提供的一种优化后的点云地图的示意图；
153.如图6b所示，优化后的点云地图包括多个第二特征点，相比优化前的点云地图，优化后的点云地图中的特征点的数量大大减少，同时也不会丢失环境的重要特征，有利于提高雷达的快速匹配的运算效率。
154.在遍历所述第一特征点集中的每一第一特征点，以生成优化后的点云地图之后，所述方法还包括：
155.提取所述第二特征点集中合并次数大于预设次数阈值的第二特征点进行显示。
156.具体的，预设次数阈值根据具体需要进行设置，其与雷达的扫描精度成正相关，雷达的扫描精度越高，设置预设次数阈值的数量越大，其中，预设次数阈值为正整数且不小于2。可以理解的是，由于本技术实施例中的合并次数的初始值被设置为1，则当预设次数阈值为2时，意味着被合并至少一次的第二特征点将被提取出来进行显示。而当预设次数阈值设置为3时，意味着被合并至少两次的第二特征点被提取出来进行显示，以此类推。可以理解的是，由于只需要提取第二特征点集中合并次数大于预设次数阈值的第二特征点，例如：使得显示出的优化后的点云地图的特征点数量明显减少，能够直观地呈现环境的重要特征。
157.在本技术实施例中，通过提供一种点云地图的数据压缩处理方法，所述方法包括：获取第一特征点集，其中，所述第一特征点集包括雷达扫描到的多个第一特征点；获取第二特征点集，其中，所述第二特征点集包括多个已存储于点云地图的第二特征点；若某一第一特征点的预设距离阈值内存在第二特征点，则合并所述第一特征点和所述第二特征点，直至遍历所述第一特征点集中的每一第一特征点，以生成优化后的点云地图。通过将已存储于点云地图的第二特征点与未存储的第一特征点进行合并，本技术能够减少点云地图存储的特征点的数量，以减少点云地图的空间占用，进而提高雷达的运算速度。
158.请再参阅图7，图7是本技术实施例提供的一种点云地图的数据压缩处理装置的结构示意图；
159.如图7所示，该点云地图的数据压缩处理装置700，包括：
160.第一特征点集单元701，用于获取第一特征点集，其中，所述第一特征点集包括雷
达扫描到的多个第一特征点；
161.第二特征点集单元702，用于获取第二特征点集，其中，所述第二特征点集包括多个已存储于点云地图的第二特征点；
162.特征点合并单元703，用于若某一第一特征点的预设距离阈值内存在第二特征点，则合并所述第一特征点和所述第二特征点，直至遍历所述第一特征点集中的每一第一特征点，以生成优化后的点云地图。
163.在本技术实施例中，所述第一特征点集单元701，具体用于：
164.获取所述第一特征点集中的每一第一特征点的第一特征点信息，其中，所述第一特征点信息包括第一特征点的横坐标值、纵坐标值；
165.在本技术实施例中，所述第二特征点集单元702，具体用于：
166.获取所述第二特征点集中的每一第二特征点的第二特征点信息，其中，所述第二特征点信息包括第二特征点的横坐标值、纵坐标值以及第一特征点和第二特征点的合并次数。
167.在本技术实施例中，所述装置还包括：
168.点云区域单元(图未示)，用于基于预设的面积大小，将所述点云地图进行分区，确定多个点云区域；
169.根据所述第一特征点的横坐标值、纵坐标值，确定所述第一特征点对应的点云区域；
170.判断所述第一特征点在所述点云区域内的预设距离阈值内是否存在第二特征点。
171.在本技术实施例中，所述特征点合并单元703，具体用于：
172.根据所述第一特征点的横坐标值、纵坐标值和所述第二特征点的横坐标值、纵坐标值，结合所述第一特征点和第二特征点的合并次数，更新所述第二特征点的第二特征点信息。
173.在本技术实施例中，所述特征点合并单元703，具体用于：
174.假设第一特征点为n点，第二特征点为p点，则更新后的第二特征点信息为：
175.p.x＝((p.x*p.t)+n.x)/(p.t+1)
176.p.y＝((p.y*p.t)+n.y)/(p.t+1)
177.p.t＝p.t+1
178.其中，p.x为p点的横坐标，p.y为p点的纵坐标，p.t为p点的合并次数，n.x为n点的横坐标，n.y为n点的纵坐标。
179.在本技术实施例中，所述特征点合并单元703，具体用于：
180.若某一第一特征点的预设距离阈值内不存在第二特征点，则将所述第一特征点直接加入所述第二特征点集，并设置该第一特征点的合并次数为初始值，其中，所述初始值为1。
181.在本技术实施例中，所述装置还包括：
182.显示单元(图未示)，用于在遍历所述第一特征点集中的每一第一特征点，以生成优化后的点云地图之后，提取所述第二特征点集中合并次数大于预设次数阈值的第二特征点进行显示。
183.在本技术实施例中，所述第一特征点集为世界坐标点集，所述第二特征点集为世
界地图点集。
184.本技术实施例提供的点云地图的数据压缩处理装置能够实现上述方法实施例中点云地图的数据压缩处理方法实现的各个过程，为避免重复，这里不再赘述。
185.在本技术实施例中，通过提供一种点云地图的数据压缩处理装置，所述装置包括：第一特征点集单元，用于获取第一特征点集，其中，所述第一特征点集包括雷达扫描到的多个第一特征点；第二特征点集单元，用于获取第二特征点集，其中，所述第二特征点集包括多个已存储于点云地图的第二特征点；特征点合并单元，用于若某一第一特征点的预设距离阈值内存在第二特征点，则合并所述第一特征点和所述第二特征点，直至遍历所述第一特征点集中的每一第一特征点，以生成优化后的点云地图。通过将已存储于点云地图的第二特征点与未存储的第一特征点进行合并，本技术能够减少点云地图存储的特征点的数量，以减少点云地图的空间占用，进而提高雷达的运算速度。
186.请参阅图8，图8是本技术实施例提供的一种雷达的硬件结构示意图；
187.如图8所示，该雷达80包括但不限于：射频单元81、网络模块82、音频输出单元83、输入单元84、传感器85、显示单元86、用户输入单元87、接口单元88、存储器89、处理器810、以及电源811等部件，所述雷达还包括摄像头。本领域技术人员可以理解，图8中示出的雷达的结构并不构成对雷达的限定，雷达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。在本技术实施例中，雷达包括但不限于电视机、手机、平板电脑、笔记本电脑、掌上电脑、车载终端、可穿戴设备、以及计步器等。
188.处理器810，用于获取第一特征点集，其中，所述第一特征点集包括雷达扫描到的多个第一特征点；获取第二特征点集，其中，所述第二特征点集包括多个已存储于点云地图的第二特征点；若某一第一特征点的预设距离阈值内存在第二特征点，则合并所述第一特征点和所述第二特征点，直至遍历所述第一特征点集中的每一第一特征点，以生成优化后的点云地图。
189.应当理解的是，本技术实施例中，射频单元81可用于收发信息或通话过程中，信号的接收和发送，具体的，将来自基站的下行数据接收后，给处理器810处理；另外，将上行的数据发送给基站。通常，射频单元81包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外，射频单元81还可以通过无线通信系统与网络和其他设备通信。
190.雷达80通过网络模块82为用户提供了无线的宽带互联网访问，如帮助用户收发电子邮件、浏览网页和访问流式媒体等。
191.音频输出单元83可以将射频单元81或网络模块82接收的或者在存储器89中存储的音频数据转换成音频信号并且输出为声音。而且，音频输出单元83还可以提供与雷达80执行的特定功能相关的音频输出(例如，呼叫信号接收声音、消息接收声音等等)。音频输出单元83包括扬声器、蜂鸣器以及受话器等。
192.输入单元84用于接收音频或视频信号。输入单元84可以包括图形处理器(graphics processing unit，gpu)841和麦克风842，图形处理器841对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的目标图像进行处理。处理后的图像帧可以显示在显示单元86上。经图形处理器841处理后的图像帧可以存储在存储器89(或其它存储介质)中或者经由射频单元81或网络模块82进行发送。麦克风842可
以接收声音，并且能够将这样的声音处理为音频数据。处理后的音频数据可以在电话通话模式的情况下转换为可经由射频单元81发送到移动通信基站的格式输出。
193.雷达80还包括至少一种传感器85，比如光传感器、运动传感器以及其他传感器。具体地，光传感器包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板861的亮度，接近传感器可在雷达80移动到耳边时，关闭显示面板861和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别雷达姿态(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；传感器85还可以包括指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等，在此不再赘述。
194.显示单元86用于显示由用户输入的信息或提供给用户的信息。显示单元86可包括显示面板861，可以采用液晶显示器(liquid crystal display，lcd)、有机发光二极管(organic light-emitting diode,oled)等形式来配置显示面板861。
195.用户输入单元87可用于接收输入的数字或字符信息，以及产生与雷达的用户设置以及功能控制有关的键信号输入。具体地，用户输入单元87包括触控面板871以及其他输入设备872。触控面板871，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板871上或在触控面板871附近的操作)。触控面板871可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器810，接收处理器810发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板871。除了触控面板871，用户输入单元87还可以包括其他输入设备872。具体地，其他输入设备872可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。
196.进一步的，触控面板871可覆盖在显示面板861上，当触控面板871检测到在其上或附近的触摸操作后，传送给处理器810以确定触摸事件的类型，随后处理器810根据触摸事件的类型在显示面板861上提供相应的视觉输出。虽然在图8中，触控面板871与显示面板861是作为两个独立的部件来实现雷达的输入和输出功能，但是在某些实施例中，可以将触控面板871与显示面板861集成而实现雷达的输入和输出功能，具体此处不做限定。
197.接口单元88为外部装置与雷达80连接的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(i/o)端口、视频i/o端口、耳机端口等等。接口单元88可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到雷达80内的一个或多个元件或者可以用于在雷达80和外部装置之间传输数据。
198.存储器89可用于存储软件程序以及各种数据。存储器89可主要包括存储程序区和存储数据区，其中，存储程序区可存储至少一个功能所需的应用程序891(比如声音播放功能、图像播放功能等)以及操作系统892等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器89可以包括高速随机存取存储器，还可以包
括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
199.处理器810是雷达的控制中心，利用各种接口和线路连接整个雷达的各个部分，通过运行或执行存储在存储器89内的软件程序和/或模块，以及调用存储在存储器89内的数据，执行雷达的各种功能和处理数据，从而对雷达进行整体监控。处理器810可包括一个或多个处理单元；优选的，处理器810可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器810中。
200.雷达80还可以包括给各个部件供电的电源811(比如电池)，优选的，电源811可以通过电源管理系统与处理器810逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
201.另外，雷达80包括一些未示出的功能模块，在此不再赘述。
202.优选的，本技术实施例还提供一种雷达，包括处理器810，存储器89，存储在存储器89上并可在所述处理器810上运行的计算机程序，以完成雷达的操作逻辑。
203.本技术实施例的雷达80以多种形式存在，包括但不限于：
204.激光测距雷达、激光测速雷达、激光成像雷达、大气探测雷达、跟踪雷达、固体雷达、气体雷达、半导体雷达、单线雷达、多线雷达、mems型雷达、flash型雷达、相控阵雷达、机械旋转式雷达、直接探测雷达、相干探测雷达、连续型雷达、脉冲型雷达、机载雷达、车载雷达、地基雷达、星载雷达或者其他具有slam功能的雷达设备。
205.本技术实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被一个或多个处理器执行时实现上述协同报警方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等。
206.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
207.以上所描述的装置或设备实施例仅仅是示意性的，其中所述作为分离部件说明的单元模块可以是或者也可以不是物理上分开的，作为模块单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络模块单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
208.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是移动终端，个人计算机，服务器，或者网络设备等)执行本技术各个实施例或者实施例的某些部分所述的方法。
209.最后应说明的是：以上结合附图描述的实施例仅用以说明本技术的技术方案，本
申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的；在本技术的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本技术的不同方面的许多其它变化，为了简明，它们没有在细节中提供；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的范围。