[发明专利]基于点云鸟瞰图的室外静态环境建模方法及装置

说明书

本发明公开了基于点云鸟瞰图的室外静态环境建模方法及装置，方法包括：获取室外静态环境点云数据；根据获取到的所述室外静态环境点云数据进行点云坐标系转换，得到监控区域垂直视觉下的点云；根据所述监控区域垂直视觉下的点云生成点云鸟瞰图；对所述点云鸟瞰图中得区域属性进行标注，获取监控环境中的语义信息；根据所述语义信息，生成室外静态区域模型。本发明简洁高效，实现了从离散的点云信息中获取稠密的环境信息，高效的实现动态物体的提取，并且让无序的点云数据变成有序的点云数据，使其更加有效的赋能上层应用，可广泛应用于点云数据处理技术领域。

技术领域

本发明涉及点云数据处理技术领域，尤其是基于点云鸟瞰图的室外静态环境建模方法及装置。

背景技术

现阶段室外环境的动态目标识别大多都是基于视频设备的，通过采集视频图像数据，利用基于深度学习的算法对动态目标进行识别。然而基于视频图像的监控方法存在着以下缺陷：

1.深度学习模型存在泛化性不佳的问题。深度学习模型只能识别出预训练好的目标类别，对于没见过的类别，模型就无能为力了，并且对于一些类别的特殊个体，其识别效果往往也比较差，因此基于深度学习的图像目标识别算法或多或少都存在泛化性不佳的问题。这对于动态物体识别的可靠性，就会打大折扣。

2.环境适应性较差，难以实现对监控区域全天候的识别。基于图像的方法受天气和光照的影响较大，雨雾天气或者光照条件较差的情况，会极大的影响到深度学习算法的性能。因此基于图像的方法难已做到全天候监控，这极大的影响到下游业务的准确性，也极大的限制了该方法的适用范围。

3.缺乏准确的三维信息，容易造成误判。基于视频图像的方法难以在空间尺度上作出正确的判断，特别是角度不佳的情况下，这会导致对动态物体行为的误判，在复杂性比较高的场景里更是如此，这也会严重影响到下游业务的开展。

以上三点是基于图像的动态目标提取难以解决的先天性问题。因此行业中急需替代视觉的动态目标提取方案，来解决相关的痛点。

和基于视频图像的智能识别方法不一样的是，激光点云对环境的适应性较强，基于激光等主动设备的点云数据受环境的光照影响较少，因此在晚间也能有非常好的检测效果，这就让基于激光点云的动态目标提取方案有了能全天候工作的优点；并且，由于激光点云有准确的三维信息，因此在应用上，对于动态目标的一些行为，如、越界、违停等，就会有比较准确的判断。

然而基于连续点云的数据处理，存在以下两个问题：

1.和图像不同的是，点云是离散的，在某些地方会存在信息丢失的问题。

2.连续的点云帧数据量较为庞大，在实际的应用中，怎么做到快速处理、快速检测是一个不小的挑战。

发明内容

有鉴于此，本发明实施例提供一种简洁高效的，基于点云鸟瞰图的室外静态环境建模方法及装置。

本发明实施例的一方面提供了基于点云鸟瞰图的室外静态环境建模方法，包括：

获取室外静态环境点云数据；

根据获取到的所述室外静态环境点云数据进行点云坐标系转换，得到监控区域垂直视觉下的点云；

根据所述监控区域垂直视觉下的点云生成点云鸟瞰图；

对所述点云鸟瞰图中得区域属性进行标注，获取监控环境中的语义信息；

根据所述语义信息，生成室外静态区域模型。

可选地，所述获取室外静态环境点云数据，包括：

在监控区域中不存在动态物体时采集相应的点云数据；

采集完监控区域之后对点云数据进行编辑；

通过对连续多帧点云进行统计，完成对动态点云的剔除。