(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211436085.9 (22)申请日 2022.11.16 (71)申请人 苏州一径科技有限公司 地址 215533 江苏省苏州市 常熟市东 南街 道东南大道1150号 (72)发明人 王栋　夏冰冰　石拓　 (74)专利代理 机构 北京华夏泰和知识产权代理 有限公司 1 1662 专利代理师 由东媛 (51)Int.Cl. G01S 7/48(2006.01) G01S 17/08(2006.01) G06V 10/762(2022.01) G06V 10/764(2022.01) (54)发明名称 点云数据 的处理方法、 装置、 电子设备及存 储介质 (57)摘要 本申请提供了一种点云数据的处理方法、 装 置、 电子设备及存储介质， 该方法包括： 获取待处 理点云数据， 其中， 待处理点云数据为激光雷达 测量时产生的数据； 滤除待处理点云数据中在目 标参考面上的第一点云数据， 得到第二点云数 据； 通过对第二点云数据进行聚类， 生成多个点 云簇； 检测每个点云簇的预设特征判断是否属于 异常的点云数据， 其中， 所述异常的点云数据用 于表明所述点云簇为激光雷达测量时测量结果 异常的数据。 采用去除目标参考面上的点云和聚 类算法， 生成点云簇， 并根据点云簇的预设特征 能够将因激光线束经水珠改变光路生成的异常 点云检测出来， 避免了异常点云影 响后续点云的 应用。 权利要求书2页 说明书12页 附图7页 CN 115508807 A 2022.12.23 CN 115508807 A 1.一种点云数据的处 理方法， 其特 征在于， 所述方法包括： 获取待处 理点云数据， 其中， 所述待处 理点云数据为激光雷达测量时产生的数据； 滤除所述待处 理点云数据中在目标参 考面上的第一 点云数据， 得到第二 点云数据； 通过对所述第二 点云数据进行聚类， 生成多个点云簇； 检测每个点云簇的预设特征判断是否属于异常的点云数据， 其中， 所述异常的点云数 据用于表明所述 点云簇为激光雷达测量时测量结果异常的数据。 2.根据权利要求1所述的方法， 其特 征在于， 所述获取待处 理点云数据包括： 获取原始点云数据； 基于所述原始点云数据设置指定区域， 并从所述原始点云数据中筛选出所述指定区域 对应的第三 点云数据； 将所述第三 点云数据作为所述待处 理点云数据。 3.根据权利要求1所述的方法， 其特征在于， 所述滤除所述待处理点云数据中在目标参 考面上的第一 点云数据， 得到第二 点云数据包括： 确定所述待处 理点云数据中每 个点对应的坐标位置信息； 根据每个点对应的坐标位置信 息以及所述目标参考面上的点云对应的位置特征信 息， 从所述待处 理点云数据中查找所述第一 点云数据； 删除所述待处 理点云数据中的所述第一 点云数据， 得到所述第二 点云数据。 4.根据权利要求1所述的方法， 其特征在于， 所述检测每个点云簇的预设特征判断是否 属于异常的点云数据包括： 将多个点云簇中的任一点云簇作为目标点云簇， 提取所述目标点云簇对应的预设特 征； 其中， 所述预设特 征包括一个或多个预设特 征； 根据所述预设特 征， 检测所述目标点云簇是否属于异常的点云数据。 5.根据权利要求4所述的方法， 其特征在于， 在根据 所述预设特征检测所述目标点云簇 是否属于异常的点云数据之前， 所述方法还 包括： 根据预训练规则， 从所述多个预设特征中筛选出子特征集， 其中， 所述子特征集为检测 每个点云簇是否属于异常的点云数据的最优特 征组合。 6.根据权利要求4所述的方法， 其特征在于， 所述预设特征至少包括以下之一： 灰度特 征， 高度特征， 点数及形状特征， 其中， 所述形状特征是通过主成分分析得到的特征值占比 确定的。 7.根据权利要求6中任一项所述的方法， 其特征在于， 所述预设特征至少包括高度特 征， 所述高度特征关联至少一第一特征， 其中， 所述根据所述预设特征检测所述目标点云簇 是否属于异常的点云数据包括： 针对多个所述第一特征中的任一第 一特征， 确定所述第 一特征对应的第 一阈值以及第 一判断条件； 依据所述第一判断条件， 将所述第一特征对应的第一特征值与所述第一阈值进行比 较， 得到第一比较结果； 若所述第一比较结果表明所述第 一特征值不满足所述第 一判断条件， 则确定所述目标 点云簇属于异常的点云数据。 8.根据权利要求7所述的方法， 其特征在于， 所述预设特征还包括灰度特征， 所述灰度权　利　要　求　书 1/2 页 2 CN 115508807 A 2特征关联至少一第二特征， 其中， 所述根据所述预设特征检测所述 目标点云簇是否属于异 常的点云数据包括： 若所述第一比较结果表明所述第 一特征值不满足所述第 一判断条件， 针对多个所述第 二特征中的任一第二特 征， 确定所述第二特 征对应的第二阈值以及第二判断条件； 依据所述第二判断条件， 将所述二特征对应的第二特征值与所述第二阈值进行比较， 得到第二比较结果； 若所述第二比较结果表明所述第 二特征值不满足所述第 二判断条件， 则确定所述目标 点云簇属于异常的点云数据。 9.根据权利要求8所述的方法， 其特征在于， 在所述根据 所述预设特征检测所述目标点 云簇是否属于异常的点云数据之前， 所述方法还 包括： 获取点云训练样本； 提取所述点云训练样本对应的预设特征样本， 其中， 所述预设特征样本至少包括灰度 特征样本和高度特 征样本； 利用所述灰度 特征样本对应的至少一第 一特征样本以及至少一第 二特征样本， 训练预 设的分类模型， 以查找每个第一特征样本对应的第一阈值和第一判断条件， 以及查找每个 第二特征样本对应的第二阈值和第二判断条件。 10.根据权利要求1所述的方法， 其特征在于， 在检测每个点云簇的预设特征判断是否 属于异常的点云数据之后， 所述方法还 包括： 若多个点云簇 中的任一点云簇为异常的点云数据， 则将异常的点云数据从所述待处理 点云数据中删除。 11.根据权利要求1 ‑10中任一项所述的方法， 其特征在于， 所述异常的点云数据为在激 光雷达视窗挂水时产生的异常数据。 12.一种点云数据的处 理装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取待处理点云数据， 其中， 所述待处理点云数据为激光雷达测量时产 生的数据； 滤除模块， 用于滤除所述待处理点云数据中在目标参考面上的第一点云数据， 得到第 二点云数据； 聚类模块， 用于通过对所述第二 点云数据进行聚类， 生成多个点云簇； 检测模块， 用于检测每个点云簇的预设特征判断是否属于异常的点云数据， 其中， 所述 异常的点云数据用于表明所述 点云簇为激光雷达测量时测量结果异常的数据。 13.一种车辆， 其特征在于， 按照权利要求1 ‑11中任一项所述的点云数据的处理方法， 检测激光雷达测量时产生的数据中的异常点云数据。 14.一种电子设备， 其特 征在于， 包括： 处 理器和存 储器； 所述存储器， 用于存放计算机可读指令； 所述处理器， 与所述存储器相连， 用于执行计算机可读指令时， 实现权利要求1 ‑11任一 所述的方法步骤。 15.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质内存储有计算机 可读指令， 所述计算机可读指令被处 理器执行时实现权利要求1 ‑11任一所述的方法步骤。权　利　要　求　书 2/2 页 3 CN 115508807 A 3