激光雷达的性能识别方法、装置、车辆及存储介质与流程

1.本技术涉及自动驾驶技术，尤其涉及一种激光雷达的性能识别方法、装置、车辆及存储介质。


背景技术：

2.激光雷达是自动驾驶中常用的传感器之一，其具备测量精度高，检测距离远等优势，目前车载激光雷达大多工作在近红外波段，在阴雨天中，由于雨滴和地面潮湿等因素影响，导致地面有积水，或处于湿滑状态，使得激光雷达的检测性能有所降低，造成检测效果的下降，影响自动驾驶功能的安全。
3.现有技术中，可以使用激光雷达检测积水深度或是对地面不平度进行计算，以提高安全性，但并没有考虑到激光雷达的性能会因雨滴和地面潮湿等因素影响而有所降低，造成雨天的检测效果的下降。


技术实现要素：

4.本技术提供一种激光雷达的性能识别方法、装置、车辆及存储介质，能够确定激光雷达的非识别盲区，通过计算各种情况下非识别盲区的点云分布从而确定出积水区域和潮湿区域，再根据各区域面积识别激光雷达性能，从而增强激光雷达的实用性与可靠性。
5.第一方面，本技术提供一种激光雷达的性能识别方法，所述方法包括：
6.确定所述激光雷达的非识别盲区；
7.在所述非识别盲区没有放置目标物体时，根据所述激光雷达的特征信息和地面的特征信息计算所述非识别盲区的点云分布，得到理想无遮挡点云分布；
8.在所述非识别盲区放置所述目标物体时，从所述理想无遮挡点云分布中去除所述目标物体的遮挡点云，得到理想有遮挡点云分布，并获取所述激光雷达测量到的所述非识别盲区的点云分布，得到实际有遮挡点云分布；
9.根据所述理想有遮挡点云分布和所述实际有遮挡点云分布从所述非识别盲区识别出积水区域和潮湿区域；
10.根据所述积水区域的面积和所述潮湿区域的面积确定所述激光雷达的性能识别结果。
11.第二方面，本技术提供了一种激光雷达的性能识别装置，包括：
12.确定模块，用于确定所述激光雷达的非识别盲区；
13.无遮挡分布模块，用于在所述非识别盲区没有放置目标物体时，根据所述激光雷达的特征信息和地面的特征信息计算所述非识别盲区的点云分布，得到理想无遮挡点云分布；
14.有遮挡分布模块，用于在所述非识别盲区放置所述目标物体时，从所述理想无遮挡点云分布中去除所述目标物体的遮挡点云，得到理想有遮挡点云分布，并获取所述激光雷达测量到的所述非识别盲区的点云分布，得到实际有遮挡点云分布；
15.区域识别模块，用于根据所述理想有遮挡点云分布和所述实际有遮挡点云分布从所述非识别盲区识别出积水区域和潮湿区域；
16.结果识别模块，用于根据所述积水区域的面积和所述潮湿区域的面积确定所述激光雷达的性能识别结果。
17.第三方面，本技术还提供了一种车辆，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本技术中任一所述的激光雷达的性能识别方法。
18.第四方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本技术中任一所述的激光雷达的性能识别方法。
19.本技术的方案，确定激光雷达的非识别盲区；在非识别盲区没有放置目标物体时，根据激光雷达的特征信息和地面的特征信息计算非识别盲区的点云分布，得到理想无遮挡点云分布；在非识别盲区放置目标物体时，从理想无遮挡点云分布中去除目标物体的遮挡点云，得到理想有遮挡点云分布，并获取激光雷达测量到的非识别盲区的点云分布，得到实际有遮挡点云分布；根据理想有遮挡点云分布和实际有遮挡点云分布从非识别盲区识别出积水区域和潮湿区域；根据积水区域的面积和潮湿区域的面积确定激光雷达的性能识别结果。即本技术的方案，能够确定激光雷达的非识别盲区，通过计算各种情况下非识别盲区的点云分布从而确定出积水区域和潮湿区域，再根据各区域面积识别激光雷达性能，从而增强激光雷达的实用性与可靠性。
附图说明
20.为了更清楚地说明本技术的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，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相关的附图。
21.图1是本技术提供的激光雷达的性能识别方法的一个流程示意图；
22.图2a是本技术提供的积水区域的确定方法的一个流程示意图；
23.图2b是本技术提供的理想有遮挡点云分布的一个示例图；
24.图2c是本技术提供的实际有遮挡点云分布的一个示例图；
25.图2d是本技术提供的实际有遮挡点云分布中第二点云缺失区域的一个示例图；
26.图2e是本技术提供的激光雷达的激光束反射的一个示例图；
27.图3是本技术提供的潮湿区域的一种确定方法的一个流程示意图；
28.图4是本技术提供的激光雷达的性能识别方法的另一流程示意图；
29.图5是本技术提供的激光雷达的性能识别装置的一个结构示意图；
30.图6是本技术提供的车辆的另一个结构示意图。
具体实施方式
31.下面结合附图和实施例对本技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本技术，而非对本技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本技术相关的部分而非全部结构。
32.图1是本技术提供的激光雷达的性能识别方法的一个流程示意图，该方法可以由本技术提供的激光雷达的性能识别装置来执行，该装置可采用软件和/或硬件的方式实现。在一个具体的实施例中，该装置可以集成在车辆中，并具体应用于下雨场景中，以下实施例将以该装置集成在车辆中为例进行说明。参考图1，该方法具体可以包括如下步骤：
33.步骤101，确定激光雷达的非识别盲区。
34.其中，非识别盲区指的是激光雷达可以识别到的区域。
35.具体的，在空旷平坦且干燥的测试场地中，对激光雷达进行测试，确定激光雷达的识别盲区，而激光雷达可以进行识别的区域即为激光雷达的非识别盲区。
36.示例性的，在对车载激光雷达进行测试时，因为车辆自身遮挡形成的激光雷达盲区范围，即为车载激光雷达的识别盲区，剩余激光雷达可以识别的区域为激光雷达的非识别盲区。
37.步骤102，在非识别盲区没有放置目标物体时，根据激光雷达的特征信息和地面的特征信息计算非识别盲区的点云分布，得到理想无遮挡点云分布。
38.其中，激光雷达的特征信息包括激光雷达的标定信息、当前帧原始点云信息以及感知算法处理后得到的地面点云。地面的特征信息包括地面方程。
39.具体的，在非识别盲区没有放置目标物体时，根据激光雷达的标定信息、当前帧原始点云信息以及感知算法处理后得到的地面点云，结合地面方程计算得到非识别盲区的点云分布，即为理想无遮挡点云分布。
40.示例性的，在获取车载激光雷达的理想无遮挡点云分布时，需要根据激光雷达的标定信息、当前帧原始点云信息，以及感知算法处理后得到的地面点云、地面方程和车辆的运动数据，如车速、横摆角度等，得到车载激光雷达的非识别盲区的点云分布，即为理想无遮挡点云分布。
41.步骤103，在非识别盲区放置目标物体时，从理想无遮挡点云分布中去除目标物体的遮挡点云，得到理想有遮挡点云分布，并获取激光雷达测量到的非识别盲区的点云分布，得到实际有遮挡点云分布。
42.可选地，在非识别盲区放置目标物体时，获取目标物体的包围框信息；根据目标物体的包围框信息计算出目标物体的遮挡点云。
43.具体的，在非识别盲区放置目标物体后，通过激光雷达获取目标物体的包围框信息，再根据目标物体的包围框信息计算出目标物体的遮挡点云。
44.示例性的，在激光雷达的非识别盲区内放置任意物体，该物体即为目标物体，通过激光雷达获取目标物体的包围框信息，再根据目标物体的包围框信息计算出目标物体的遮挡点云。
45.在得到目标物体的遮挡点云之后，从理想无遮挡点云分布中去除目标物体的遮挡点云，剩余的点云分布即为理想有遮挡点云分布；获取实际测量中，激光雷达得到的非识别盲区的点云分布，得到实际有遮挡点云分布。
46.示例性的，在非识别盲区放置目标物体后，从理想无遮挡点云分布中去除目标物体的遮挡点云，激光雷达得到理想有遮挡点云分布；而实际测量中，激光雷达得到的非识别盲区的点云分布则为实际有遮挡点云分布。
47.步骤104，根据理想有遮挡点云分布和实际有遮挡点云分布从非识别盲区识别出
积水区域和潮湿区域。
48.可选地，根据理想有遮挡点云分布从实际有遮挡点云分布中确定出第一点云缺失区域；计算第一点云缺失区域的点数量与理想有遮挡点云分布中的点数量的比值；若比值超过预设值，则根据理想有遮挡点云分布从实际有遮挡点云分布的无遮挡区域中确定出第二点云缺失区域；在第二点云缺失区域的面积超过预设面积值时，将第二点云缺失区域确定为潜在积水区域。
49.具体的，在获取理想有遮挡点云分布和实际有遮挡点云分布后，通过比较理想有遮挡点云分布和实际有遮挡点云分布，得到实际有遮挡点云分布和理想有遮挡点云分布中点云缺失的区域，即为第一点云缺失区域；得到第一点云缺失区域的点数量，再得到理想有遮挡点云分布中的点数量，计算二者的比值；在比值超过预设值时，通过比较理想有遮挡点云分布和实际有遮挡点云分布，得到理想有遮挡点云分布中存在点云分布而实际有遮挡点云分布中不存在点云分布的区域，即为第二点云缺失区域；在确定第二点云缺失区域后，确定第二点云缺失区域的面积，在该面积超过预设面积值时，将第二点云缺失区域确定为潜在积水区域。
50.可选地，获取潜在积水区域被反射的激光光束数量；根据地面的特征信息和实际有遮挡点云分布，得到预设点云；将预设点云聚类，得到预设点云簇；在预设点云簇中的点云数量超过点云数量阈值时，将预设点云簇中的点云根据地面的特征信息投影至高于地面预设高度处，得到投影点云分布；在投影点云分布与实际有遮挡点云分布的位置特征匹配时，计算激光雷达在潜在积水区域内被反射的激光光束数量；在激光光束数量超过激光数量阈值时，将潜在积水区域确定为积水区域。
51.具体的，在确定潜在积水区域后，根据实际有遮挡点云分布和地面特征信息如地面高度信息，得到实际有遮挡点云中高度低于地面的点云，作为预设点云；将预设点云进行聚类，得到多个预设点云簇；获取预设点云簇中的点云数量，在预设点云簇中的点云数量超过点云数量阈值时，将预设点云簇中的点云根据所述地面的特征信息投影至高于地面预设高度处，得到投影点云分布，其中，预设高度是根据投影点云信息与地面特征信息计算得到的；将投影点云分布与实际有遮挡点云分布进行比较，在二者的位置特征匹配时，说明激光雷达进行探测的激光束在有水的情况下发生了反射和折射，因此可以通过将高度在地面之下的点云投影至地面之上，距离地面的高度与投影点云低于地面的高度相同，以获取与实际有遮挡点云分布的位置特征匹配的投影点云分布。此时，根据预设点云计算激光雷达在潜在积水区域内被反射的激光光束数量；若激光光束数量超过激光数量阈值，则确定潜在积水区域为积水区域。
52.可选地，将积水区域从潜在积水区域中去除，得到剩余潜在积水区域；获取剩余潜在积水区域周围预设范围内的点云，得到预设范围点云；计算预设范围点云的反射强度均值；若反射强度均值低于强度均值阈值，将剩余潜在积水区域记为观察区域；统计剩余潜在积水区域被记为观察区域的次数；在次数超过次数阈值时，将剩余潜在积水区域确定为潮湿区域。
53.具体的，在确定积水区域后，从潜在积水区域中去除积水区域，得到剩余潜在积水区域；获取剩余潜在积水区域周围的预设范围内的点云分布，作为预设范围点云；获取激光雷达的预设范围点云反射强度，再对预设范围点云的反射强度求取均值，在预设范围内存
在水面时，激光雷达发出的点云的反射强度会低于地面的反射强度，因此计算预设范围点云的反射强度均值也会低于地面的反射强度；若反射强度均值低于强度均值阈值，将剩余潜在积水区域记为观察区域；多次标记观察区域后，统计剩余潜在积水区域被记为观察区域的次数，若该次数超过次数阈值，则将该剩余潜在积水区域确定为潮湿区域。
54.步骤105，根据积水区域的面积和潮湿区域的面积确定激光雷达的性能识别结果。
55.可选地，获取积水区域的面积和潮湿区域的面积；获取理想有遮挡点云分布区域的面积；计算积水区域的面积与理想有遮挡点云分布区域的面积的比值，得到第一面积比值；计算潮湿区域的面积与理想有遮挡点云分布区域的面积的比值，得到第二面积比值；在第一面积比值和/或第二面积比值超过预设比值阈值时，确定激光雷达的性能不达标。
56.具体的，在确定积水区域和潮湿区域后，得到积水区域的面积和潮湿区域的面积，再获取当前激光雷达的理想有遮挡点云分布区域的面积，计算得到积水区域的面积与理想有遮挡点云分布区域的面积的比值，再计算得到潮湿区域的面积与理想有遮挡点云分布区域的面积的比值，二者中有任一比值超过预设比值阈值时，确定激光雷达的性能不达标。
57.本技术的方案，确定激光雷达的非识别盲区；在非识别盲区没有放置目标物体时，根据激光雷达的特征信息和地面的特征信息计算非识别盲区的点云分布，得到理想无遮挡点云分布；在非识别盲区放置目标物体时，从理想无遮挡点云分布中去除目标物体的遮挡点云，得到理想有遮挡点云分布，并获取激光雷达测量到的非识别盲区的点云分布，得到实际有遮挡点云分布；根据理想有遮挡点云分布和实际有遮挡点云分布从非识别盲区识别出积水区域和潮湿区域；根据积水区域的面积和潮湿区域的面积确定激光雷达的性能识别结果。即本技术的方案，能够确定激光雷达的非识别盲区，通过计算各种情况下非识别盲区的点云分布从而确定出积水区域和潮湿区域，再根据各区域面积识别激光雷达性能，从而增强激光雷达的实用性与可靠性。
58.下面详细介绍一种积水区域的确定方法，如图2a所示，图1中的步骤104可以包括如下步骤：
59.步骤201，根据理想有遮挡点云分布从实际有遮挡点云分布中确定出第一点云缺失区域。
60.具体的，在获取理想有遮挡点云分布和实际有遮挡点云分布后，通过比较理想有遮挡点云分布和实际有遮挡点云分布，得到理想有遮挡点云分布中存在点云分布，而实际有遮挡点云分布中不存在点云分布的区域，即为第一点云缺失区域。
61.示例性的，图2b为理想有遮挡点云分布，图2c为实际有遮挡点云分布，对比图2b与图2c可以得到，点p6、p8、p9、p14所在的区域a为第一点云缺失区域。
62.步骤202，计算第一点云缺失区域的点数量与理想有遮挡点云分布中的点数量的比值。
63.具体的，得到第一点云缺失区域的点数量，再得到理想有遮挡点云分布中的点数量，计算二者的比值。
64.示例性的，如图2b和图2c所示，第一点云缺失区域的点数量为4个，理想有遮挡点云分布中的点数量为16个，则二者比值为4/16。
65.步骤203，若比值超过预设值，则根据第一点云缺失区域的点数量从实际有遮挡点云分布的无遮挡区域中确定出第二点云缺失区域。
66.其中，预设值为预设的确定第二点云缺失区域的比值阈值，示例地，预设值可以为0.05。
67.具体的，在比值超过预设值时，从实际有遮挡点云分布中第一点云缺失区域中，筛选出点云数量满足预设点云数量的区域，得到第二点云缺失区域。
68.其中，预设点云数量为确定第二点云缺失区域的点云数量阈值。
69.示例性的，图2c中区域a为第一点云缺失区域，图2d中点p8、p9、p14所在的区域b为第二点云缺失区域。
70.步骤204，在第二点云缺失区域的面积超过预设面积值时，将第二点云缺失区域确定为潜在积水区域。
71.其中，预设面积值为确定潜在积水区域的面积阈值。
72.具体的，在确定第二点云缺失区域后，确定第二点云缺失区域的面积，在该面积超过预设面积值时，将第二点云缺失区域确定为潜在积水区域。
73.示例性的，第二点云缺失区域面积为2m2，预设面积值为1m2，则第二点云缺失区域确定为潜在积水区域。
74.步骤205，获取潜在积水区域点云分布。
75.具体的，在确定潜在积水区域后，根据激光雷达测得数据得到潜在积水区域点云分布。
76.步骤206，根据地面的特征信息和潜在积水区域点云分布，得到潜在积水区域中的预设点云。
77.具体的，地面特征信息包括地面高度信息、地面方程，根据潜在积水区域点云分布和地面特征信息如地面高度信息，得到潜在积水区域中的预设点云。
78.示例性的，根据地面高度信息和潜在积水区域点云分布，将所在位置低于地面高度的点云作为潜在积水区域中的预设点云。
79.步骤207，将预设点云聚类，得到预设点云簇。
80.具体的，根据由激光雷达获取的点云的特征信息，将预设点云进行聚类，得到多个预设点云簇。
81.示例性的，存在三个预设点云，其之间的相互距离小于聚类阈值，则对这三个预设点云进行聚类，得到一个预设点云簇。
82.步骤208，在预设点云簇中的点云数量超过点云数量阈值时，将预设点云簇中的点云根据地面的特征信息投影至高于地面预设高度处，得到投影点云分布。
83.示例地，点云数量阈值可以为10个。
84.具体的，在得到多个预设点云簇之后，获取预设点云簇中的点云数量，在预设点云簇中的点云数量超过点云数量阈值时，将预设点云簇中的点云结合地面的特征信息对点云进行投影，如结合地面方程将点云投影至高于地面预设高度处，预设高度为根据预设点云与地面方程计算得到的高度，得到投影点云分布。
85.示例性的，点云数量阈值为10个，预设点云簇中的点云数量为20个，则将该预设点云簇中的20个预设点云投影至地面之上，距离地面的高度与预设点云低于地面的高度相同，得到的点云分布即为投影点云分布。
86.步骤209，在投影点云分布与实际有遮挡点云分布的位置特征匹配时，计算激光雷
达在潜在积水区域内被反射的激光光束数量。
87.具体的，在获取投影点云分布后，将投影点云分布与实际有遮挡点云分布进行比较，在二者的位置特征匹配时，说明激光雷达进行探测的点云在有水的情况下发生了反射和折射，因此可以通过将点云投影至地面之上以获取与实际有遮挡点云分布的位置特征匹配的投影点云分布。此时，获取投影点云对应的预设点云，根据预设点云所属激光束的直线方程，计算激光束和地面交点的位置，确定激光束通过的潜在积水区域，获得激光雷达在潜在积水区域内被反射的激光光束数量。
88.步骤210，在激光光束数量超过激光数量阈值时，将潜在积水区域确定为积水区域。
89.示例地，激光数量阈值为5束。
90.具体的，在计算激光雷达在潜在积水区域内被反射的激光光束数量后，若激光光束数量超过激光数量阈值，则确定潜在积水区域为积水区域。
91.示例性的，激光雷达检测到的实际物体和因积水反射检测到的镜像物体的关系如图2e所示，在潜在积水区域中存在积水时，激光雷达发出的激光光束会发生反射，从而得到因积水反射检测到的镜像物体，干扰激光雷达的工作，因此在激光雷达发出的激光光束数量超过阈值时，说明潜在积水区域中存在积水。
92.可选地，潮湿区域的一种确定方法可如图3所示，可以包括如下步骤：
93.步骤301，将积水区域从潜在积水区域中去除，得到剩余潜在积水区域。
94.具体的，在确定积水区域后，从潜在积水区域中去除积水区域，得到剩余潜在积水区域。
95.步骤302，获取剩余潜在积水区域周围预设范围内的点云，得到预设范围点云。
96.其中，预设范围指的是潜在积水区域周围的一定范围内，示例地，预设范围可以是潜在积水区域周围的1m2内的范围。
97.具体的，在得到剩余潜在积水区域后，获取剩余潜在积水区域周围的预设范围内的点云分布，作为预设范围点云。
98.步骤303，计算预设范围点云的反射强度均值。
99.具体的，在得到预设范围点云之后，获取激光雷达的预设范围点云反射强度，再对预设范围点云的反射强度求取均值。在预设范围内存在水面时，激光雷达发出的点云的反射强度会低于地面的反射强度，因此计算预设范围点云的反射强度均值也会低于地面的反射强度。
100.步骤304，若反射强度均值低于强度均值阈值，将剩余潜在积水区域记为观察区域。
101.具体的，在获取预设范围点云的反射强度均值后，若反射强度均值低于强度均值阈值，将剩余潜在积水区域记为观察区域。
102.步骤305，统计剩余潜在积水区域被记为观察区域的次数。
103.具体的，多次对剩余潜在积水区域进行步骤302至步骤304的处理，并统计剩余潜在积水区域被记为观察区域的次数。
104.示例性的，在车载激光雷达使用过程中，基于车辆的运动情况，计算出剩余潜在积水区域的位置变化情况，统计该区域被记为观察区域的次数。
105.步骤306，在次数超过次数阈值时，将剩余潜在积水区域确定为潮湿区域。
106.示例地，次数阈值可以为5次。
107.具体的，在统计剩余潜在积水区域被记为观察区域的次数后，若该次数超过次数阈值，则将该剩余潜在积水区域确定为潮湿区域；若该次数没有超过次数阈值，则不作处理。
108.本实施例中，根据理想有遮挡点云分布和实际有遮挡点云分布的情况，计算得到潜在积水区域，再根据潜在积水区域的点云分布计算出投影点云分布，根据投影点云分布情况确定积水区域；再在剩余潜在积水区域中获取预设范围点云，根据预设范围点云的反射强度确定潮湿区域。通过计算各种情况下非识别盲区的点云分布从而确定出积水区域和潮湿区域，为后续基于积水区域和潮湿区域的面积确定激光雷达性能提供了基础。
109.图4是本技术提供的激光雷达的性能识别方法的另一流程示意图，对图1步骤进行了细化并详细介绍了一种根据积水区域面积和潮湿区域面积确定激光雷达性能的方法，如图4所示，该方法可以包括如下步骤：
110.步骤401，确定激光雷达的非识别盲区。
111.具体的，在空旷平坦且干燥的测试场地中，对激光雷达进行测试，确定激光雷达的识别盲区，而激光雷达可以进行识别的区域即为激光雷达的非识别盲区。
112.步骤402，在非识别盲区没有放置目标物体时，根据激光雷达的特征信息和地面的特征信息计算非识别盲区的点云分布，得到理想无遮挡点云分布。
113.具体的，在非识别盲区没有放置目标物体时，根据激光雷达的标定信息、当前帧原始点云信息以及感知算法处理后得到的地面点云，结合地面方程计算得到非识别盲区的点云分布，即为理想无遮挡点云分布。
114.步骤403，获取目标物体的包围框信息。
115.具体的，在非识别盲区放置目标物体后，通过激光雷达获取目标物体的包围框信息。
116.示例性的，在激光雷达的非识别盲区内放置任意物体，该物体即为目标物体，通过激光雷达获取目标物体的包围框信息。
117.步骤404，根据目标物体的包围框信息计算出目标物体的遮挡点云。
118.具体的，在获取目标物体的包围框信息后，根据目标物体的包围框信息计算出目标物体的遮挡点云。
119.步骤405，在非识别盲区放置目标物体时，从理想无遮挡点云分布中去除目标物体的遮挡点云，得到理想有遮挡点云分布，并获取激光雷达测量到的非识别盲区的点云分布，得到实际有遮挡点云分布。
120.具体的，在得到目标物体的遮挡点云之后，从理想无遮挡点云分布中去除目标物体的遮挡点云，剩余的点云分布即为理想有遮挡点云分布；获取实际测量中，激光雷达得到的非识别盲区的点云分布，得到实际有遮挡点云分布。
121.步骤406，根据理想有遮挡点云分布和实际有遮挡点云分布从非识别盲区识别出积水区域和潮湿区域。
122.步骤407，获取积水区域的面积和潮湿区域的面积。
123.具体的，在确定积水区域和潮湿区域后，得到积水区域的面积和潮湿区域的面积。
124.示例性的，通过激光雷达获取积水区域面积为2m2，潮湿区域面积为5m2。
125.步骤408，获取理想有遮挡点云分布区域的面积。
126.具体的，获取当前激光雷达的理想有遮挡点云分布区域的面积。
127.示例性的，通过激光雷达获取理想有遮挡点云分布区域的面积为10m2。
128.步骤409，计算积水区域的面积与理想有遮挡点云分布区域的面积的比值，得到第一面积比值。
129.具体的，通过计算积水区域的面积与理想有遮挡点云分布区域的面积的比值，得到第一面积比值。
130.示例性的，积水区域面积为2m2，理想有遮挡点云分布区域的面积为10m2，则第一面积比值为1/5。
131.步骤410，计算潮湿区域的面积与理想有遮挡点云分布区域的面积的比值，得到第二面积比值。
132.具体的，通过计算潮湿区域的面积与理想有遮挡点云分布区域的面积的比值，得到第二面积比值。
133.示例性的，潮湿区域面积为5m2，理想有遮挡点云分布区域的面积为10m2，则第二面积比值为1/2。
134.步骤411，在第一面积比值和/或第二面积比值超过预设比值阈值时，确定激光雷达的性能不达标。
135.具体的，在第一面积比值和第二面积比值中任一比值超过预设比值阈值时，确定激光雷达的性能不达标，此时控制激光雷达向用户发出报警信息。
136.示例性的，预设比值阈值为1/10，第一面积比值为1/5，第二面积比值为1/2，得到第一面积比值和第二面积比值均超过了预设比值阈值，此时激光雷达的性能不达标，向用户终端推送激光雷达性能不达标的报警信息。
137.应该理解的是，虽然图2a、图3、图4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2a、图3、图4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
138.本技术的方案，确定激光雷达的非识别盲区；在非识别盲区没有放置目标物体时，根据激光雷达的特征信息和地面的特征信息计算非识别盲区的点云分布，得到理想无遮挡点云分布；在非识别盲区放置目标物体时，从理想无遮挡点云分布中去除目标物体的遮挡点云，得到理想有遮挡点云分布，并获取激光雷达测量到的非识别盲区的点云分布，得到实际有遮挡点云分布；根据理想有遮挡点云分布和实际有遮挡点云分布从非识别盲区识别出积水区域和潮湿区域；根据积水区域的面积和潮湿区域的面积确定激光雷达的性能识别结果。即本技术的方案，能够确定激光雷达的非识别盲区，通过计算各种情况下非识别盲区的点云分布从而确定出积水区域和潮湿区域，再根据各区域面积识别激光雷达性能，从而增强激光雷达的实用性与可靠性。
139.图5是本技术提供的激光雷达的性能识别装置的一个结构示意图，该装置适用于执行本技术提供的激光雷达的性能识别方法，如图5所示，该装置具体可以包括：
140.确定模块501，用于确定所述激光雷达的非识别盲区；
141.无遮挡分布模块502，用于在所述非识别盲区没有放置目标物体时，根据所述激光雷达的特征信息和地面的特征信息计算所述非识别盲区的点云分布，得到理想无遮挡点云分布；
142.有遮挡分布模块503，用于在所述非识别盲区放置所述目标物体时，从所述理想无遮挡点云分布中去除所述目标物体的遮挡点云，得到理想有遮挡点云分布，并获取所述激光雷达测量到的所述非识别盲区的点云分布，得到实际有遮挡点云分布；
143.区域识别模块504，用于根据所述理想有遮挡点云分布和所述实际有遮挡点云分布从所述非识别盲区识别出积水区域和潮湿区域；
144.结果识别模块505，用于根据所述积水区域的面积和所述潮湿区域的面积确定所述激光雷达的性能识别结果。
145.一实施例中，有遮挡分布模块503中所述目标物体的遮挡点云通过如下方式得到：
146.获取所述目标物体的包围框信息；
147.根据所述目标物体的包围框信息计算出所述目标物体的遮挡点云。
148.一实施例中，区域识别模块504具体用于：
149.根据所述理想有遮挡点云分布和所述实际有遮挡点云分布从所述非识别盲区中确定潜在积水区域；
150.从所述潜在积水区域中确定所述积水区域和所述潮湿区域。
151.一实施例中，区域识别模块504根据所述理想有遮挡点云分布和所述实际有遮挡点云分布从所述非识别盲区中确定潜在积水区域，包括：
152.根据所述理想有遮挡点云分布从所述实际有遮挡点云分布中确定出第一点云缺失区域；
153.计算所述第一点云缺失区域的点数量与所述理想有遮挡点云分布中的点数量的比值；
154.若所述比值超过预设值，则根据所述理想有遮挡点云分布从所述实际有遮挡点云分布的无遮挡区域中确定出第二点云缺失区域；
155.在所述第二点云缺失区域的面积超过预设面积值时，将所述第二点云缺失区域确定为所述潜在积水区域。
156.一实施例中，区域识别模块504从所述潜在积水区域中确定所述积水区域，包括：
157.从所述潜在积水区域中得到投影点云分布；
158.根据所述投影点云分布确定所述积水区域。
159.一实施例中，区域识别模块504从所述潜在积水区域中获取投影点云分布，包括：
160.获取所述潜在积水区域点云分布；
161.根据所述地面的特征信息和所述潜在积水区域点云分布，得到潜在积水区域中的预设点云，所述预设点云包括潜在积水区域中高度低于地面的点云；
162.将所述预设点云聚类，得到预设点云簇；
163.在所述预设点云簇中的点云数量超过点云数量阈值时，将所述预设点云簇中的点
云根据所述地面的特征信息投影至高于所述地面预设高度处，得到所述投影点云分布。
164.一实施例中，区域识别模块504根据所述投影点云分布确定所述积水区域，包括：
165.在所述投影点云分布与所述实际有遮挡点云分布的位置特征匹配时，计算所述激光雷达在所述潜在积水区域内被反射的激光光束数量；
166.在所述激光光束数量超过激光数量阈值时，将所述潜在积水区域确定为所述积水区域。
167.一实施例中，区域识别模块504从所述潜在积水区域中确定所述潮湿区域，包括：
168.将所述积水区域从所述潜在积水区域中去除，得到剩余潜在积水区域；
169.获取所述剩余潜在积水区域周围预设范围内的点云，得到预设范围点云；
170.根据所述预设范围点云确定所述潮湿区域。
171.一实施例中，区域识别模块504根据所述预设范围点云确定所述潮湿区域，包括：
172.计算所述预设范围点云的反射强度均值；
173.若所述反射强度均值低于强度均值阈值，将所述剩余潜在积水区域记为观察区域；
174.统计所述剩余潜在积水区域被记为观察区域的次数；
175.在所述次数超过次数阈值时，将所述剩余潜在积水区域确定为所述潮湿区域。
176.一实施例中，结果识别模块505具体用于：
177.获取所述积水区域的面积和所述潮湿区域的面积；
178.获取所述理想有遮挡点云分布区域的面积；
179.计算所述积水区域的面积与所述理想有遮挡点云分布区域的面积的比值，得到第一面积比值；
180.计算所述潮湿区域的面积与所述理想有遮挡点云分布区域的面积的比值，得到第二面积比值；
181.根据所述第一面积比值和/或第二面积比值确定所述激光雷达的性能识别结果。
182.一实施例中，结果识别模块505根据所述第一面积比值和/或第二面积比值确定所述激光雷达的性能识别结果，包括：
183.在所述第一面积比值和/或所述第二面积比值超过预设比值阈值时，确定所述激光雷达的性能不达标。
184.本领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述功能模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
185.本技术的装置，确定激光雷达的非识别盲区；在非识别盲区没有放置目标物体时，根据激光雷达的特征信息和地面的特征信息计算非识别盲区的点云分布，得到理想无遮挡点云分布；在非识别盲区放置目标物体时，从理想无遮挡点云分布中去除目标物体的遮挡点云，得到理想有遮挡点云分布，并获取激光雷达测量到的非识别盲区的点云分布，得到实际有遮挡点云分布；根据理想有遮挡点云分布和实际有遮挡点云分布从非识别盲区识别出积水区域和潮湿区域；根据积水区域的面积和潮湿区域的面积确定激光雷达的性能识别结
果。即本技术的方案，能够确定激光雷达的非识别盲区，通过计算各种情况下非识别盲区的点云分布从而确定出积水区域和潮湿区域，再根据各区域面积识别激光雷达性能，从而增强激光雷达的实用性与可靠性。
186.本技术还提供了一种车辆，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一实施例提供的激光雷达的性能识别方法。
187.本技术还提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任一实施例提供的激光雷达的性能识别方法。
188.下面参考图6，其示出了适于用来实现本技术的车辆的计算机系统600的结构示意图。图6示出的车辆仅仅是一个示例，不应对本技术的功能和使用范围带来任何限制。
189.如图6所示，计算机系统600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram 603中，还存储有计算机系统600操作所需的各种程序和数据。cpu 601、rom 602以及ram 603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
190.以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
191.特别地，根据本技术公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本技术公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(cpu)601执行时，执行本技术的系统中限定的上述功能。
192.需要说明的是，本技术所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本技术中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本技术中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于
由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
193.附图中的流程图和框图，图示了按照本技术各种实施例的系统、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，上述模块、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，框图或流程图中的每个方框、以及框图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。
194.描述于本技术中所涉及到的模块和/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。所描述的模块和/或单元也可以设置在处理器中，例如，可以描述为：一种处理器包括确定模块、无遮挡分布模块、有遮挡分布模块、区域识别模块和结果识别模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。
195.作为另一方面，本技术还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：
196.确定激光雷达的非识别盲区；在非识别盲区没有放置目标物体时，根据激光雷达的特征信息和地面的特征信息计算非识别盲区的点云分布，得到理想无遮挡点云分布；在非识别盲区放置目标物体时，从理想无遮挡点云分布中去除目标物体的遮挡点云，得到理想有遮挡点云分布，并获取激光雷达测量到的非识别盲区的点云分布，得到实际有遮挡点云分布；根据理想有遮挡点云分布和实际有遮挡点云分布从非识别盲区识别出积水区域和潮湿区域；根据积水区域的面积和潮湿区域的面积确定激光雷达的性能识别结果。
197.根据本技术的技术方案，确定激光雷达的非识别盲区；在非识别盲区没有放置目标物体时，根据激光雷达的特征信息和地面的特征信息计算非识别盲区的点云分布，得到理想无遮挡点云分布；在非识别盲区放置目标物体时，从理想无遮挡点云分布中去除目标物体的遮挡点云，得到理想有遮挡点云分布，并获取激光雷达测量到的非识别盲区的点云分布，得到实际有遮挡点云分布；根据理想有遮挡点云分布和实际有遮挡点云分布从非识别盲区识别出积水区域和潮湿区域；根据积水区域的面积和潮湿区域的面积确定激光雷达的性能识别结果。即本技术的方案，能够确定激光雷达的非识别盲区，通过计算各种情况下非识别盲区的点云分布从而确定出积水区域和潮湿区域，再根据各区域面积识别激光雷达性能，从而增强激光雷达的实用性与可靠性。
198.上述具体实施方式，并不构成对本技术保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本技术的精神和原则之内所作的修改、等同替换和改进等，均应包含在本技术保护范围之内。

技术特征：
1.一种激光雷达的性能识别方法，其特征在于，所述方法包括：确定所述激光雷达的非识别盲区；在所述非识别盲区没有放置目标物体时，根据所述激光雷达的特征信息和地面的特征信息计算所述非识别盲区的点云分布，得到理想无遮挡点云分布；在所述非识别盲区放置所述目标物体时，从所述理想无遮挡点云分布中去除所述目标物体的遮挡点云，得到理想有遮挡点云分布，并获取所述激光雷达测量到的所述非识别盲区的点云分布，得到实际有遮挡点云分布；根据所述理想有遮挡点云分布和所述实际有遮挡点云分布从所述非识别盲区识别出积水区域和潮湿区域；根据所述积水区域的面积和所述潮湿区域的面积确定所述激光雷达的性能识别结果。2.根据权利要求1所述的方法，其特征在于，所述目标物体的遮挡点云通过如下方式得到：获取所述目标物体的包围框信息；根据所述目标物体的包围框信息计算出所述目标物体的遮挡点云。3.根据权利要求1所述的方法，其特征在于，所述根据所述理想有遮挡点云分布和所述实际有遮挡点云分布从所述非识别盲区识别出积水区域和潮湿区域，包括：根据所述理想有遮挡点云分布和所述实际有遮挡点云分布从所述非识别盲区中确定潜在积水区域；从所述潜在积水区域中确定所述积水区域和所述潮湿区域。4.根据权利要求3所述的方法，其特征在于，所述根据所述理想有遮挡点云分布和所述实际有遮挡点云分布从所述非识别盲区中确定潜在积水区域，包括：根据所述理想有遮挡点云分布从所述实际有遮挡点云分布中确定出第一点云缺失区域；计算所述第一点云缺失区域的点数量与所述理想有遮挡点云分布中的点数量的比值；若所述比值超过预设值，则根据所述第一点云缺失区域的点数量从所述实际有遮挡点云分布的无遮挡区域中确定出第二点云缺失区域；在所述第二点云缺失区域的面积超过预设面积值时，将所述第二点云缺失区域确定为所述潜在积水区域。5.根据权利要求3所述的方法，其特征在于，所述从所述潜在积水区域中确定所述积水区域，包括：从所述潜在积水区域中得到投影点云分布；根据所述投影点云分布确定所述积水区域。6.根据权利要求5所述的方法，其特征在于，所述从所述潜在积水区域中获取投影点云分布，包括：获取所述潜在积水区域点云分布；根据所述地面的特征信息和所述潜在积水区域点云分布，得到潜在积水区域中的预设点云，所述预设点云包括潜在积水区域中高度低于地面的点云；将所述预设点云聚类，得到预设点云簇；在所述预设点云簇中的点云数量超过点云数量阈值时，将所述预设点云簇中的点云根
据所述地面的特征信息投影至高于所述地面预设高度处，得到所述投影点云分布。7.根据权利要求6所述的方法，其特征在于，所述根据所述投影点云分布确定所述积水区域，包括：在所述投影点云分布与所述实际有遮挡点云分布的位置特征匹配时，计算所述激光雷达在所述潜在积水区域内被反射的激光光束数量；在所述激光光束数量超过激光数量阈值时，将所述潜在积水区域确定为所述积水区域。8.根据权利要求3所述的方法，其特征在于，所述从所述潜在积水区域中确定所述潮湿区域，包括：将所述积水区域从所述潜在积水区域中去除，得到剩余潜在积水区域；获取所述剩余潜在积水区域周围预设范围内的点云，得到预设范围点云；根据所述预设范围点云确定所述潮湿区域。9.根据权利要求8所述的方法，其特征在于，所述根据所述预设范围点云确定所述潮湿区域，包括：计算所述预设范围点云的反射强度均值；若所述反射强度均值低于强度均值阈值，将所述剩余潜在积水区域记为观察区域；统计所述剩余潜在积水区域被记为观察区域的次数；在所述次数超过次数阈值时，将所述剩余潜在积水区域确定为所述潮湿区域。10.根据权利要求1所述的方法，其特征在于，所述根据所述积水区域的面积和所述潮湿区域的面积确定所述激光雷达的性能识别结果，包括：获取所述积水区域的面积和所述潮湿区域的面积；获取所述理想有遮挡点云分布区域的面积；计算所述积水区域的面积与所述理想有遮挡点云分布区域的面积的比值，得到第一面积比值；计算所述潮湿区域的面积与所述理想有遮挡点云分布区域的面积的比值，得到第二面积比值；根据所述第一面积比值和/或第二面积比值确定所述激光雷达的性能识别结果。11.根据权利要求10所述的方法，其特征在于，所述根据所述第一面积比值和/或第二面积比值确定所述激光雷达的性能识别结果，包括：在所述第一面积比值和/或所述第二面积比值超过预设比值阈值时，确定所述激光雷达的性能不达标。12.一种激光雷达的性能识别装置，其特征在于，包括：确定模块，用于确定所述激光雷达的非识别盲区；无遮挡分布模块，用于在所述非识别盲区没有放置目标物体时，根据所述激光雷达的特征信息和地面的特征信息计算所述非识别盲区的点云分布，得到理想无遮挡点云分布；有遮挡分布模块，用于在所述非识别盲区放置所述目标物体时，从所述理想无遮挡点云分布中去除所述目标物体的遮挡点云，得到理想有遮挡点云分布，并获取所述激光雷达测量到的所述非识别盲区的点云分布，得到实际有遮挡点云分布；区域识别模块，用于根据所述理想有遮挡点云分布和所述实际有遮挡点云分布从所述
非识别盲区识别出积水区域和潮湿区域；结果识别模块，用于根据所述积水区域的面积和所述潮湿区域的面积确定所述激光雷达的性能识别结果。13.一种车辆，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至11中任一所述的激光雷达的性能识别方法。14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至11中任一所述的激光雷达的性能识别方法。

技术总结
本申请公开一种激光雷达的性能识别方法、装置、车辆及存储介质，方法包括：确定激光雷达的非识别盲区；在非识别盲区没有放置目标物体时，根据激光雷达的特征信息和地面的特征信息计算非识别盲区的点云分布，得到理想无遮挡点云分布；在非识别盲区放置目标物体时，从理想无遮挡点云分布中去除目标物体的遮挡点云，得到理想有遮挡点云分布，并获取激光雷达测量到的非识别盲区的点云分布，得到实际有遮挡点云分布；根据理想有遮挡点云分布和实际有遮挡点云分布从非识别盲区识别出积水区域和潮湿区域；根据积水区域的面积和潮湿区域的面积确定激光雷达的性能识别结果。即本申请的方案，能够识别激光雷达性能，从而增强激光雷达的实用性与可靠性。性与可靠性。性与可靠性。


技术研发人员：王宇 宋伟杰 张勇 林崇浩 庞伟凇
受保护的技术使用者：一汽（南京）科技开发有限公司
技术研发日：2023.06.12
技术公布日：2023/8/9