点云数据处理方法、装置、电子设备及存储介质与流程

1.本公开涉及点云技术领域，尤其涉及点云数据处理方法、装置、电子设备及存储介质。


背景技术：

2.在矿山环境中，自动驾驶技术正在被广泛应用。可以通过车辆上安装的激光雷达生成大量的点云数据，以便基于生成的点云数据对车辆进行定位、建图或者障碍物检测。然而，由于矿山环境的复杂性，激光雷达会受到多种干扰，导致生成的点云数据中可能会存在噪声，进而可能会对自动驾驶系统造成严重的影响。
3.相关技术中，通常是对点云数据进行最终的目标检测，然后对检测到的目标进行二次处理，将其中包含的无效的目标滤除(比如，将灰尘的目标检测结果删除)。然而，这样会给后端处理造成很大的计算量，使得点云数据的处理效率较低。


技术实现要素：

4.本公开提供了一种点云数据处理方法、装置、电子设备及存储介质。
5.根据本公开的第一方面，提供了一种点云数据处理方法，所述方法包括：
6.获取待处理点云数据；
7.将所述待处理点云数据投影到目标栅格图像中，得到待处理灰度图像；
8.基于对所述待处理灰度图像的噪声估计，确定所述待处理灰度图像中包含噪声的目标栅格；
9.基于所述目标栅格去除所述待处理点云数据中的噪声，得到目标点云数据。
10.根据本公开的第二方面，提供了一种点云数据处理装置，所述装置包括：
11.数据获取模块，用于获取待处理点云数据；
12.图像获取模块，用于将所述待处理点云数据投影到目标栅格图像中，得到待处理灰度图像；
13.目标栅格确定模块，用于基于对所述待处理灰度图像的噪声估计，确定所述待处理灰度图像中包含噪声的目标栅格；
14.去噪模块，用于基于所述目标栅格去除所述待处理点云数据中的噪声，得到目标点云数据。
15.根据本公开的第三方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如以上所述的方法。
16.根据本公开的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本公开的上述方法。
17.本公开实施例提供的点云数据处理方法、装置、电子设备及存储介质，通过获取待处理点云数据，并将待处理点云数据投影到目标栅格图像中，获得待处理灰度图像。基于对待处理灰度图像的噪声估计，确定待处理灰度图像中包含噪声的目标栅格，并基于该目标
栅格去除待处理点云数据中的噪声，得到目标点云数据。实施例通过将待处理点云数据转换为待处理灰度图像，可以利用灰度图像中的相关噪声处理方式，获得噪声在待处理灰度图像中对应的目标栅格的位置，进而实现对待处理点云数据的噪声处理，可以在很大程度上提高点云数据噪声处理的效率。
附图说明
18.在下面结合附图对于示例性实施例的描述中，本公开的更多细节、特征和优点被公开，在附图中：
19.图1为本公开一示例性实施例提供的点云数据处理的流程图；
20.图2为本公开一示例性实施例提供的点云数据处理装置的功能模块示意性框图；
21.图3为本公开一示例性实施例提供的电子设备的结构框图；
22.图4为本公开一示例性实施例提供的计算机系统的结构框图。
具体实施方式
23.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
24.应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
25.本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
26.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
27.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
28.在露天矿山等矿山场景中，随着挖机的不断挖掘，无人驾驶运输车辆的不断运输，矿山场景的作业区域会不断发生变化。为了使得无人驾驶运输车辆能够更好的定位，可以在无人驾驶车辆或者其他车辆上安装激光雷达等点云采集装置，以便获得点云数据。由于无人驾驶运输车辆等车辆可以在露天矿区中不断往返运输，使得车辆可以实时获得露天矿山场景中的点云数据，并且可以根据获得的点云数据实时或者及时更新高精地图，这样无人驾驶车辆可以根据最新的高精地图行驶，进而可以提高无人驾驶的行驶和运输效率。
29.而由于露天矿山场景中作业区域比较复杂，受到路面沙尘或雨雪等因素的影响，车辆上或者无人机等安装的激光雷达获得的点云数据可能会受到这些因素的影响，进而导
致获得的点云数据中会包含噪声，进而影响到基于点云数据创建或者更新的高精地图的地图精度，导致无人驾驶运输车辆等无人驾驶车辆在基于该高精地图行驶时，会出现定位错误或者行驶路线发生错误变化等问题，进而可能会造成交通事故或者行驶路线错误。
30.因此，需要及时对点云数据中的噪声进行去除，以便提高高精地图的精度，而如果采用后处理的方式，会因为后端需要大量计算导致处理效率较低的问题，且由于后端需要大量计算会导致处理的时间较长，进而不能及时更新高精地图。
31.为了提高点云数据的处理效率，进而能够及时更新高精地图，在本公开提供的实施例中，可以对获得的点云数据中的噪声进行及时甚至实时处理，去除点云数据中的噪声，能够及时基于处理后的点云数据更新高精地图。
32.实施例中，可以接收激光雷达生成的点云数据，激光雷达的工作原理与雷达非常相近，以激光作为信号源，由激光器发射出的脉冲激光，打到地面的矿山、树木、道路、桥梁或建筑物上，会引起散射，一部分光波会反射到激光雷达的接收器上，根据激光测距原理计算，就得到从激光雷达到目标点的距离，脉冲激光不断地扫描目标物，就可以得到目标物上全部目标点的数据，进行可以得到点云数据。
33.具体的，以单线的激光雷达lidar为例，通过发射和接收激光束来计算与观测物体精确距离。可以通过光速测距，即通过飞行时间tof(time of flight，飞行时间法)，首先激光雷达上激光发射器发射激光脉冲，通过计时器记录发射时间，脉冲经物体反射后由接收器接受，计时器记录接收时间，通过发送时间和接收时间之间的时间差乘以光速除以2即得到激光雷达到观测物体之间的距离。
34.通过上述tof时间差获得的距离，通过水平旋转扫描的角度，并根据这两个参数建立二维的极坐标系，再通过获取不同俯仰角度获得三维的高度信息。例如64线的激光雷达排列着64个激光发射器和接收器，也就是说每次发射、接收会得到一列竖直的64个点，采集过程中这一列发射接收机绕着水平方向旋转，采集一圈即360
°
得到多列激光点。由于64个发射器沿着不同的角度发射，具有最大水平角和最小水平角，并且相邻发射器具有一定的垂直角分辨率，例如为0.4度，并且具有一定的水平角分辨率，例如为0.08度。即竖直方向的垂直分辨率是0.4
°
，水平方向上的水平分辨率是0.08
°
，由于竖直方向间隔一般要比水平方向大很多，因此一般获得的点云数据呈现一圈圈的多圈形状。
35.实施例中，方位角和俯仰角描述了物体在空间中相对于观察者的位置，与方位角和俯仰角相关的是角分辨率，角分辨率可以分为水平分辨率和垂直分辨率，表示相邻两个点的角度，水平分辨率指水平方向上两条扫描线之间的最小间隔度数。由于一秒钟打出激光束的频率固定，所以转速越快，水平方向上扫描线的间隔越大，水平角分辨率越大，两条线的间隔度数越大，垂直分辨率指的是垂直方向上两条扫描线的间隔度数。
36.因此，在获得激光雷达等传感器获得的点云数据后，可以对该点云数据进行预处理，例如可以包括去除离群点、滤波或者降采样等操作，以获得较为清晰和稠密的点云数据。实施例中可以获取该处理后点云数据作为待处理点云数据，可以获取该点云数据对应的方位角和俯仰角，例如方位角为0
°
～360
°
，水平分辨率为0.1
°
，俯仰角为-15
°
至15
°
，垂直分辨率为0.2
°
，则根据该方位角、俯仰角及分别对应的水平分辨率和垂直分辨率，可划分为水平方向上3600个栅格，垂直方向上150个栅格，即3600*150的栅格图像。由于该点云数据可以最多包括3600*150个点，因此可以将该点云数据中的每个点都投影到该栅格图像对应
的栅格中，由于点云数据中的每个点携带距离信息，该距离信息为传感器到物体之间的距离，该投影后的栅格图像中的每个栅格可以看作为一个像素点，每个像素点对应有灰度值，该灰度值为对应传感器到物体之间的距离。
37.因此投影后的三个图可以看作是具有图像灰度值的灰度图像。因此，实施例中可以将对待处理点云的噪声处理转换为对灰度图像的噪声处理，同时可以将对点云数据的噪声处理看作是对灰度图像的噪声处理。
38.实施例中，例如将该激光雷达安装到车辆上方获取车辆周围的点云数据时，车辆在行驶过程中，由于激光雷达具有一定的俯仰角，因此该激光雷达可以对前方的地面和地面上方的物体进行扫描，采集地面及地面上方对应的点云数据，例如激光雷达前方5米处出现一辆汽车，那么激光雷达会采集到该汽车对应的点云数据，该点云数据中的点携带距离信息即为激光雷达与汽车之间的距离，该距离应该在5米左右，假设该点云数据中的某个或者某几个点包含的距离信息中的距离远小于5米，例如为3米，说明该点是该点云数据中的噪声，可能是激光雷达照射到汽车与激光雷达之间的灰尘上或者雨雪等物体所导致，这就需要将高噪声从该点云数据中的去除。该实施例仅为示例性说明，实施例不限于此。
39.因此，获得的灰度图像的灰度值应当也是在一个预设的范围内，超出该范围的有可能是噪声。实施例中通过对灰度图像进行噪声估计，估计出噪声的概率，以此去除灰度图像中的噪声。
40.实施例中，由于已经建立点云数据与灰度图像之间的对应关系，因此在将灰度图像中的噪声去除后，可以通过反投影，将处理后的灰度图像转换为点云数据，该转换后的点云数据即为去除噪声后的点云数据。
41.另外，实施例中还可以获取灰度图像中噪声的位置，并确定该噪声对应到点云数据中相应位置的目标点，通过将该目标点去除，可以获得去除噪声后的点云。
42.实施例中，无论是相机、激光雷达或毫米波雷达传感器，都有自己对应的坐标系，也就是所有的传感器产生的数据都是基于传感器自身对应的坐标系。然而，一辆自动驾驶车辆，很多时候车身会安装许多传感器，为了便于算法研究、测试，可以将各自传感器获得的数据转换到车体坐标系下，也就是base坐标系，该过程可以看作是传感器的外参标定。例如，激光雷达安装在移动的平台，通过gnss(global navigation satellite system，全球导航卫星系统)和惯性传感器imu配合使用，可以将激光雷达测量点由相对坐标系转换为绝对坐标系上的位置点，从而应用于不同的系统中。
43.基于上述实施例，在本公开提供的又一实施例中，还提供了一种点云数据处理方法，如图1所示，该方法可以包括如下步骤：
44.在步骤s110中，获取待处理点云数据。
45.实施例中，可以将激光雷达等点云数据获取装置获取到的原始点云数据进行预处理，例如去除离群点、滤波或降采样等操作，可以获得较为清晰和稠密的点云数据，可以将预处理后的点云数据作为待处理点云数据。由于待处理点云数据中可能还存在噪声，因此需要对待处理点云数据进一步处理，以便去除待处理点云数据中的噪声。
46.在步骤s120中，将待处理点云数据投影到目标栅格图像中，得到待处理灰度图像。
47.实施例中，可以获取待处理点云数据对应的方位角和俯仰角，以及角分辨率。可以根据该方位角、俯仰角和角分辨率，建立目标栅格图像，该目标栅格图像的大小与该方位
角、俯仰角分别对应的范围确定，目标栅格图像的栅格密度与该角分辨率对应，例如该目标栅格图像可以是上述实施例中建立的3600*150的栅格图像，这样可以将待处理点云数据中的每个点都对应投影到目标栅格图像中。由于待处理点云数据携带距离信息，该距离信息为待处理点云数据中各点与被测物体之间的距离，通过该投影使得目标栅格图像中的栅格会对应包含待处理点云数据中点的距离信息，这样投影后的目标栅格图像为包含灰度值的待处理灰度图像。由于灰度图像中像素点的灰度值的范围为0～255，由于待处理点云数据中各点与被测物体之间的距离有的比较大，有的比较小，因此，可以通过归一化处理，将该距离信息归一化到0～255之间，得到对应的待处理灰度图像。
48.实施例中，目标栅格图像的大小基于待处理点云数据的方位角和俯仰角确定，待处理点云数据中的点与目标栅格图像中的栅格具有对应关系。
49.在步骤s130中，基于对待处理灰度图像的噪声估计，确定待处理灰度图像中包含噪声的目标栅格。
50.实施例中，通过将待处理点云数据转换为对应的待处理灰度图像，可以通过例如分位数噪声估计、直方图噪声估计或者最小值噪声估计确定待处理灰度图中噪声，即该噪声位于待处理灰度图像中的哪些栅格内，以便对该噪声进行处理。
51.在一个实施例中，可以采用至少两种噪声估计方法对该待处理灰度图像进行噪声估计，得到至少两个噪声估计结果，比如，根据直方图噪声估计方法和最小值噪声估计方法，分别得到直方图噪声估计结果和最小值噪声估计结果；再根据至少两个噪声估计结果确定最终的噪声估计结果，进而根据最终的噪声估计结果确定上述目标栅格。其中，最终的噪声估计结果是至少两种噪声估计结果的交集。也即，各种噪声估计方法全部判定为噪声的部分才认定为噪声，进而可以提升噪声估计的准确性。
52.在另一个实施例中，可以确定至少两种噪声估计方法对应得到的待处理灰度图像中包含噪声的目标栅格，得到多个目标栅格簇(一个目标栅格簇对应一种噪声估计方法得到的包含噪声的目标栅格)；再确定多个目标栅格簇的交集，作为最终确定的待处理灰度图像中包含噪声的目标栅格。也即，各种噪声估计方法全部判定为噪声的部分才认定为噪声，进而可以提升噪声估计的准确性。
53.在步骤s140中，基于目标栅格去除待处理点云数据中的噪声，得到目标点云数据。
54.实施例中，可以将包含噪声的目标栅格中的灰度值删除，再将处理后的待处理灰度图像转换为对应的点云数据，实现对待处理点云数据的噪声处理。还可以在确定出包含噪声的目标栅格时，对应获取待处理点云数据中的目标点，将这些目标点去除，可以达到对待处理点云数据去噪的目的。
55.在一个实施例中，对删除灰度值的目标栅格位置进行标记，并对多个待处理点云数据对应标记的目标栅格位置进行存储。利用存储的目标栅格位置，获取出现频次达到频次阈值的目标栅格位置，作为参考栅格位置。基于参考栅格位置，确定激光雷达有无因自身原因导致的坏点。该实施例可以在点云数据处理过程中协助进行激光雷达自身故障或者坏点识别。
56.本公开实施例提供的点云数据处理方法，通过获取待处理点云数据，并将待处理点云数据投影到目标栅格图像中，获得待处理灰度图像。基于对待处理灰度图像的噪声估计，确定待处理灰度图像中包含噪声的目标栅格，并基于该目标栅格去除待处理点云数据
中的噪声，得到目标点云数据。实施例通过将待处理点云数据转换为待处理灰度图像，可以利用灰度图像中的相关噪声处理方式，获得噪声在待处理灰度图像中对应的目标栅格的位置，进而实现对待处理点云数据的噪声处理，可以在很大程度上提高点云数据噪声处理的效率。
57.基于上述实施例，在本公开提供的又一实施例中，上述步骤s140具体还可以包括以下步骤：
58.步骤s141，基于目标栅格去除待处理灰度图像中的噪声，得到处理后的灰度图像。
59.步骤s142，将处理后的灰度图像转换为目标点云数据。
60.实施例中，在通过对待处理灰度图像的噪声估计之后，可以确定出待处理灰度图像中的噪声的位置，即噪声位于哪些栅格中，确定出噪声所属的目标栅格，将目标栅格中包含的灰度值去除，可以达到对待处理灰度图像噪声处理的目的。这样将处理后的灰度图像对应转换为目标点云数据，由于已经将目标栅格中包含的灰度值去除，使得在将在将灰度图像转换为目标点云数据时，获得的目标点云数据不会包含目标栅格对应的点，实现对待处理点云数据的噪声处理。
61.需要说明的是，本公开实施例在基于目标栅格去除待处理点云数据中的噪声，得到目标点云数据的过程中，可以将待处理点云数据中的噪声对应的点去除，还可以对待处理点云数据中的噪声对应的点进行处理，例如通过调整待处理点云数据中的噪声对应的点(可以简称为噪点)的距离信息，具体可以基于噪点附近的其他点，对噪点对应的距离信息进行调整，使得该噪点对应的距离信息与周围其他点对应的距离信息比较一致，达到去除待处理点云数据中的噪声的目的。
62.在一个实施例中，在噪声对应的噪点为待处理点云数据的边缘的点的情况下，对该噪点对应的距离信息进行调整，使得和其周围其他点对应的距离信息匹配，比如，调整为和周围的点对应的距离信息一致或者平滑变化。在噪声对应的噪点为待处理点云数据的非边缘的点的情况下，可以将该点剔除。通过该实施例，可以重点对边缘的噪点进行修复，对非边缘的噪点直接剔除，可以在确保减小边缘误差的同时，提升数据处理效率。
63.基于上述实施例，在本公开提供的又一实施例中，上述步骤s140具体还可以包括以下步骤：
64.步骤s143，获取目标栅格对应待处理点云数据中的目标点。
65.步骤s144，将目标点从待处理点云数据中去除，得到目标点云数据。
66.在通过对待处理灰度图像的噪声估计之后，可以确定出待处理灰度图像中的噪声的位置，即噪声位于哪些栅格中，确定出噪声所属的目标栅格，由于目标栅格图像中的栅格与待处理点云数据中的点具有对应关系，因此在确定目标栅格包含噪声时，可以将该目标栅格对应到待处理点云数据中的点去除，实现对待处理点云数据的噪声处理，能够大大提高点云数据的处理效率。
67.基于上述实施例，在本公开提供的又一实施例中，上述步骤s120具体还可以包括以下步骤：
68.步骤s121，获取待处理点云数据中各点携带的距离信息。其中，该距离信息表示点云采集器到目标对象之间的距离。
69.步骤s122，基于距离信息确定目标栅格图像中对应栅格的灰度值。
70.实施例中，待处理点云数据中各点分别包括点云采集器到目标对象之间距离的距离信息，因此，在将待处理点云数据投影到目标栅格后，就可以将该距离信息中的距离作为对应栅格的灰度值，这样可以得到对应的待处理灰度图像。由于灰度图像的灰度值一般是在0～255范围内，因此在该距离波动范围比较大的情况下，可以将待处理点云数据中各点对应的距离信息归一化到0～255范围内，以便通过对获得的待处理灰度图像的噪声处理，达到实现对待处理点云数据的噪声处理的目的。
71.在采用对应各个功能划分各个功能模块的情况下，本公开实施例提供了一种点云数据处理装置，该点云数据处理装置可以为服务器或应用于服务器的芯片。图2为本公开一示例性实施例提供的点云数据处理装置的功能模块示意性框图。如图2所示，该点云数据处理装置包括：
72.数据获取模块10，用于获取待处理点云数据；
73.投影模块20，用于将所述待处理点云数据投影到目标栅格图像中，得到待处理灰度图像；
74.目标栅格确定模块30，用于基于对所述待处理灰度图像的噪声估计，确定所述待处理灰度图像中包含噪声的目标栅格；
75.去噪模块40，用于基于所述目标栅格去除所述待处理点云数据中的噪声，得到目标点云数据。
76.在本公开提供的又一实施例中，所述去噪模块，具体用于：
77.基于所述目标栅格去除所述待处理灰度图像中的噪声，得到处理后的灰度图像；
78.将所述处理后的灰度图像转换为目标点云数据。
79.在本公开提供的又一实施例中，所述去噪模块，具体用于：
80.获取所述目标栅格对应所述待处理点云数据中的目标点；
81.将所述目标点从所述待处理点云数据中去除，得到目标点云数据。
82.在本公开提供的又一实施例中，所述目标栅格图像的大小基于所述待处理点云数据的方位角和俯仰角确定，所述待处理点云数据中的点与所述目标栅格图像中的栅格具有对应关系。
83.在本公开提供的又一实施例中，所述投影模块具体用于：
84.获取所述待处理点云数据中各点携带的距离信息，所述距离信息表示点云采集器到目标对象之间的距离；
85.基于所述距离信息确定所述目标栅格图像中对应栅格的灰度值。
86.在本公开提供的又一实施例中，所述装置还包括：
87.预处理模块，用于对原始点云数据进行预处理，得到所述待处理点云数据；所述预处理包括去除离群点、滤波或降采样。
88.在本公开提供的又一实施例中，所述去噪模块，具体还用于：
89.将所述目标栅格对应的灰度值去除。
90.本公开实施例提供的点云数据处理装置，通过获取待处理点云数据，并将待处理点云数据投影到目标栅格图像中，获得待处理灰度图像。基于对待处理灰度图像的噪声估计，确定待处理灰度图像中包含噪声的目标栅格，并基于该目标栅格去除待处理点云数据中的噪声，得到目标点云数据。实施例通过将待处理点云数据转换为待处理灰度图像，可以
利用灰度图像中的相关噪声处理方式，获得噪声在待处理灰度图像中对应的目标栅格的位置，进而实现对待处理点云数据的噪声处理，可以在很大程度上提高点云数据噪声处理的效率。
91.本公开实施例还提供一种电子设备，包括：至少一个处理器；用于存储所述至少一个处理器可执行指令的存储器；其中，所述至少一个处理器被配置为执行所述指令，以实现本公开实施例公开的上述方法。
92.图3为本公开一示例性实施例提供的电子设备的结构示意图。如图3所示，该电子设备1800包括至少一个处理器1801以及耦接至处理器1801的存储器1802，该处理器1801可以执行本公开实施例公开的上述方法中的相应步骤。
93.上述处理器1801还可以称为中央处理单元(central processing unit，cpu)，其可以是一种集成电路芯片，具有信号的处理能力。本公开实施例公开的上述方法中的各步骤可以通过处理器1801中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1801可以是通用处理器、数字信号处理器(digital signal processing，dsp)、asic、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本公开实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储器1802中，例如随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质。处理器1801读取存储器1802中的信息，结合其硬件完成上述方法的步骤。
94.另外，根据本公开的各种操作/处理在通过软件和/或固件实现的情况下，可从存储介质或网络向具有专用硬件结构的计算机系统，例如图4所示的计算机系统1900安装构成该软件的程序，该计算机系统在安装有各种程序时，能够执行各种功能，包括诸如前文所述的功能等等。图4为本公开一示例性实施例提供的计算机系统的结构框图。
95.计算机系统1900旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
96.如图4所示，计算机系统1900包括计算单元1901，该计算单元1901可以根据存储在只读存储器(rom)1902中的计算机程序或者从存储单元1908加载到随机存取存储器(ram)1903中的计算机程序，来执行各种适当的动作和处理。在ram 1903中，还可存储计算机系统1900操作所需的各种程序和数据。计算单元1901、rom 1902以及ram 1903通过总线1904彼此相连。输入/输出(i/o)接口1905也连接至总线1904。
97.计算机系统1900中的多个部件连接至i/o接口1905，包括：输入单元1906、输出单元1907、存储单元1908以及通信单元1909。输入单元1906可以是能向计算机系统1900输入信息的任何类型的设备，输入单元1906可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入。输出单元1907可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或
打印机。存储单元1908可以包括但不限于磁盘、光盘。通信单元1909允许计算机系统1900通过网络诸如因特网的与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙tm设备、wifi设备、wimax设备、蜂窝通信设备和/或类似物。
98.计算单元1901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1901的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元1901执行上文所描述的各个方法和处理。例如，在一些实施例中，本公开实施例公开的上述方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1908。在一些实施例中，计算机程序的部分或者全部可以经由rom 1902和/或通信单元1909而被载入和/或安装到电子设备1900上。在一些实施例中，计算单元1901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行本公开实施例公开的上述方法。
99.本公开实施例还提供一种计算机可读存储介质，其中，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行本公开实施例公开的上述方法。
100.本公开实施例中的计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。上述计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。更具体的，上述计算机可读存储介质可以包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
101.上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
102.本公开实施例还提供一种计算机程序产品，包括计算机程序，其中，所述计算机程序被处理器执行时实现本公开实施例公开的上述方法。
103.在本公开的实施例中，可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言，诸如java、smalltalk、c++，还包括常规的过程式程序设计语言，诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络(包括局域网(lan)或广域网(wan))连接到用户计算机，或者，可以连接到外部计算机。
104.附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上
可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
105.描述于本公开实施例中所涉及到的模块、部件或单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块、部件或单元的名称在某种情况下并不构成对该模块、部件或单元本身的限定。
106.本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示例性的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
107.以上描述仅为本公开的一些实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
108.虽然已经通过示例对本公开的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本公开的范围。本领域的技术人员应该理解，可在不脱离本公开的范围和精神的情况下，对以上实施例进行修改。本公开的范围由所附权利要求来限定。

技术特征：
1.一种点云数据处理方法，其特征在于，所述方法包括：获取待处理点云数据；将所述待处理点云数据投影到目标栅格图像中，得到待处理灰度图像；基于对所述待处理灰度图像的噪声估计，确定所述待处理灰度图像中包含噪声的目标栅格；基于所述目标栅格去除所述待处理点云数据中的噪声，得到目标点云数据。2.根据权利要求1所述的方法，其特征在于，所述基于所述目标栅格去除所述待处理点云数据中的噪声，得到目标点云数据，包括：基于所述目标栅格去除所述待处理灰度图像中的噪声，得到处理后的灰度图像；将所述处理后的灰度图像转换为目标点云数据。3.根据权利要求1所述的方法，其特征在于，所述基于所述目标栅格去除所述待处理点云数据中的噪声，得到目标点云数据，包括：获取所述目标栅格对应所述待处理点云数据中的目标点；将所述目标点从所述待处理点云数据中去除，得到目标点云数据。4.根据权利要求1所述的方法，其特征在于，所述目标栅格图像的大小基于所述待处理点云数据的方位角和俯仰角确定，所述待处理点云数据中的点与所述目标栅格图像中的栅格具有对应关系。5.根据权利要求1所述的方法，其特征在于，所述将所述待处理点云数据投影到目标栅格图像中，包括：获取所述待处理点云数据中各点携带的距离信息，所述距离信息表示点云采集器到目标对象之间的距离；基于所述距离信息确定所述目标栅格图像中对应栅格的灰度值。6.根据权利要求1所述的方法，其特征在于，所述方法还包括：对原始点云数据进行预处理，得到所述待处理点云数据；所述预处理包括去除离群点、滤波或降采样。7.根据权利要求2所述的方法，其特征在于，所述基于所述目标栅格去除所述待处理灰度图像中的噪声，包括：将所述目标栅格对应的灰度值去除。8.一种点云数据处理装置，其特征在于，所述装置包括：数据获取模块，用于获取待处理点云数据；图像获取模块，用于将所述待处理点云数据投影到目标栅格图像中，得到待处理灰度图像；目标栅格确定模块，用于基于对所述待处理灰度图像的噪声估计，确定所述待处理灰度图像中包含噪声的目标栅格；去噪模块，用于基于所述目标栅格去除所述待处理点云数据中的噪声，得到目标点云数据。9.一种电子设备，其特征在于，包括：至少一个处理器；用于存储所述至少一个处理器可执行指令的存储器；
其中，所述至少一个处理器被配置为执行所述指令，以实现如权利要求1-7中任一项所述的方法。10.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行如权利要求1-7中任一项所述的方法。

技术总结
本公开涉及点云数据处理方法、装置、电子设备及存储介质，其方法包括：获取待处理点云数据；将所述待处理点云数据投影到目标栅格图像中，得到待处理灰度图像；基于对所述待处理灰度图像的噪声估计，确定所述待处理灰度图像中包含噪声的目标栅格；基于所述目标栅格去除所述待处理点云数据中的噪声，得到目标点云数据。实施例通过将待处理点云数据转换为待处理灰度图像，可以利用灰度图像中的相关噪声处理方式，获得噪声在待处理灰度图像中的位置，进而实现对待处理点云数据的噪声处理，可以在很大程度上提高点云数据噪声处理的效率。大程度上提高点云数据噪声处理的效率。大程度上提高点云数据噪声处理的效率。


技术研发人员：冯永刚 周鹏 李机智
受保护的技术使用者：北京易控智驾科技有限公司
技术研发日：2023.06.30
技术公布日：2023/10/11