[发明专利]地面点云分割方法、系统、地面建模方法及介质

说明书

本申请公开了一种地面点云分割方法、系统、地面建模方法及介质，属于自动驾驶技术领域，该方法包括：对地面点云数据进行预处理，并划分到地面二维栅格中；通过预训练的地面网络模型确定地面二维栅格对应的栅格特征；通过地面网络模型对栅格特征进行处理，得到栅格高度预测值；将栅格高度预测值与对应的栅格高度阈值进行比，若栅格高度预测值大于栅格高度阈值，对应的地面点云数据确定为障碍物点；若栅格高度预测值不大于栅格高度阈值，将对应的地面点云数据确定为地面点。本申请通过预训练的地面网络模型计算各个点云栅格的高度，并与各个栅格相应的阈值进行比较，进行是否为地面点的判断，提高点云分割的准确性。

技术领域

本申请实施例涉及自动驾驶技术领域，尤其涉及一种地面点云分割方法、系统、地面建模方法及介质。

背景技术

激光雷达可以实时、准确、可靠的获取环境信息，被广泛应用到无人驾驶车的环境感知系统中。在道路交通场景中，车辆、行人、建筑等障碍物分布在地面上，并与地面连接，要实现对这些障碍物的感知首先要将其与地面点区分出来，因此点云地面分割是激光感知系统中基础、重要的一个环节。

目前有一些方法对点云地面进行分割，如聚类算法、栅格法、模型拟合法，但这些方法存在依赖固定阈值、道路模型简单、依赖传感器数据特性等问题，很难应对实际道路环境中的复杂场景。目前的点云分割方法借助与固定阈值记进行判断，导致无法准确地进行点云中地面点与障碍物点的划分；或者利用特殊的激光雷达获取点云的固有属性进行点云分割，该种方法无法适用于其他型号的激光雷达，不具有普适性。也有一些直接利用深度学习对点云进行分割的方法，但不可避免存在过分割、欠分割等问题。

发明内容

本申请提出一种地面点云分割方法、地面建模方法、系统、介质及设备，用以解决利用激光雷达获取获取的地面点云进行地面建模获取地面，进行地面点云和非地面地面分割时，通过固定的阈值进行分割时，对地面点云分割不准确，存在过分割或欠分割的问题。

第一方面，本申请提供一种地面点云分割方法，包括：获取地面点云数据；对地面点云数据进行预处理，并划分到预先构建的地面二维栅格中；通过预训练的地面网络模型根据地面点云数据的高度信息，确定地面二维栅格对应的栅格特征；通过地面网络模型对栅格特征进行处理，得到地面二维栅格对应的栅格高度预测值；将栅格高度预测值与该地面二维栅格对应的栅格高度阈值进行比较，其中在栅格高度预测值大于栅格高度阈值的条件下，将地面二维栅格对应的地面点云数据确定为障碍物点；在栅格高度预测值不大于栅格高度阈值的条件下，将地面二维栅格对应的地面点云数据确定为地面点。

可选的，对地面点云数据进行预处理，并划分到预先构建的地面二维栅格中，包括：将激光雷达坐标系中的地面点云数据转换到自车坐标系中，并在自车坐标系中确定地面点云数据对应的三维坐标；根据三维坐标，将地面点云数据划分到对应的地面栅格中。

可选的，根据三维坐标，将地面点云数据划分到对应的地面栅格中，包括：根据地面二维栅格中各个顶点的坐标，确定地面二维栅格对应的区域范围；根据三维坐标在自车坐标系中的位置，将区域范围内的地面点云数据划分为该地面二维栅格对应的地面点云数据。

可选的，地面网络模型的预训练过程包括：通过激光雷达获取地面点云训练数据；将地面点云训练数据投影到地面二维栅格中，并通过预测网络模型根据地面二维栅格中的地面点云训练数据对地面二维栅格的栅格高度进行预测，得到栅格高度初步预测值；预测网络模型根据栅格高度真值、相邻栅格之间的高度损失以及栅格高度初步预测值进行损失学习，得到地面网络模型。

可选的，面网络模型的预训练过程还包括：对地面点云训练数据进行人工标注，得到真实地面点；将真实地面点投影到地面二维栅格中，并将地面二维栅格中真实地面点的平均高度作为该地面二维栅格的栅格高度真值。