(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 202210654416.X (22)申请日 2022.06.10 (71)申请人 探维科技 （北京） 有限公司 地址 100192 北京市海淀区西小口路6 6号 中关村东升科技园 ·北领地B-2楼3层 B301 (72)发明人 单佳炜　郑睿童　沈罗丰　李洪鹏　 (74)专利代理 机构 北京开阳星知识产权代理有 限公司 1 1710 专利代理师 唐博 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 20/56(2022.01) (54)发明名称 一种激光 点云数据处 理方法及装置 (57)摘要 本申请实施例提供了一种激光点云数据处 理方法及装置， 涉及计算机视觉算法领域。 该方 法包括： 获取目标图像和所述目标图像对应的激 光点云数据； 对所述目标图像进行语义分割， 将 所述目标图像 分割为至少一个图像区域； 通过基 于密度的聚类算法对所述激光点云数据中的数 据点进行聚类， 获取至少一个点簇； 根据所述至 少一个图像区域和所述至少一个点簇确定所述 激光点云数据中的膨胀点； 删除所述激光点云数 据中的膨胀点。 本申请实施例用于识别并删除激 光点云中的膨胀点， 从而提升激光点云数据的质 量。 权利要求书2页 说明书14页 附图5页 CN 115512099 A 2022.12.23 CN 115512099 A 1.一种激光 点云数据处 理方法， 其特 征在于， 包括： 获取目标图像和所述目标图像对应的激光 点云数据； 对所述目标图像进行语义分割， 将所述目标图像分割为至少一个图像区域； 通过基于密度的聚类算法对所述激光点云数据中的数据点进行聚类， 获取至少一个点 簇； 根据所述至少一个图像区域和所述至少一个点簇确定所述激光 点云数据中的膨胀点； 删除所述激光 点云数据中的膨胀点。 2.根据权利要求1所述的方法， 其特征在于， 所述根据所述至少一个图像区域和所述至 少一个点簇确定所述激光 点云数据中的膨胀点， 包括： 根据所述至少一个图像区域对应的语义对象将所述至少一个图像区域分类为第一类 别的图像区域、 第二类别的图像区域以及第三类别的图像区域， 所述第一类别的图像区域 包括反射率大于或等于阈值反射率的语义对象对应的图像区域， 所述第二类别的图像区域 包括反射率小于所述阈值反射率的语义对象对应的图像区域， 所述第三类别的图像区域包 括语义为背景的语义对象对应的图像区域； 根据所述至少一个图像区域、 所述至少一个图像区域的类别以及所述至少一个点簇确 定所述激光 点云数据中的膨胀点。 3.根据权利要求2所述的方法， 其特征在于， 所述根据所述至少一个图像区域、 所述至 少一个图像区域的类别以及所述至少一个点簇确定所述激光 点云数据中的膨胀点， 包括： 确定各个所述第一类别的图像区域对应的内点集和点簇， 任一图像区域对应的内点集 为所述激光点云数据中位于该图像区域对应的点云区域内的数据点组成的集合， 任一图像 区域对应的点簇为 位于该图像区域对应的点云区域内的数据点所属的点簇； 根据各个所述第一类别的图像区域对应的内点集和点簇， 获取各个所述第 一类别的图 像区域对应的外点集， 任一图像区域对应的外点集为属于该图像区域对应的点簇且不属于 该图像区域对应的内点 集的数据点组成的集 合； 获取各个所述外点集中的各个数据点的类别， 任一数据点的类别为该数据点对应的像 素点所属的图像区域的类别； 根据各个所述外点 集中的各个数据点的类别确定所述激光 点云数据中的膨胀点。 4.根据权利要求3所述的方法， 其特征在于， 所述根据各个所述外点集中的各个数据点 的类别确定所述激光 点云数据中的膨胀点， 包括： 当所述外点集中的第 一数据点的类别为所述第 三类别时， 将所述第 一数据点确定为膨 胀点。 5.根据权利要求3所述的方法， 其特征在于， 所述根据各个所述外点集中的各个数据点 的类别确定所述激光 点云数据中的膨胀点， 包括： 当所述外点集中的第 二数据点的类别为所述第 二类别时， 获取所述第 二数据点对应的 第一深度值和 第二深度值， 所述第二数据点对应的第一深度值为所述第二数据点对应的像 素点集合中的像素点的平均深度值； 所述第二数据点对应的像素点集合为属于所述第二数 据点对应的像素点所属的图像区域且不属于所述第二数据点所属的外点集对应的图像区 域的像素点组成的集合； 所述第二数据点对应的第二深度值为所述第二数据点对应的内点 集中的数据点的平均深度值；权　利　要　求　书 1/2 页 2 CN 115512099 A 2根据所述第 二数据点对应的第 一深度值和第 二深度值， 确定所述第 二数据点是否为膨 胀点。 6.根据权利要求5所述的方法， 其特征在于， 所述根据所述第 二数据点对应的第 一深度 值和第二深度值， 确定所述第二数据点是否为 膨胀点， 包括： 获取所述第 二数据点对应的深度差值， 所述第 二数据点对应的深度差值为所述第 二数 据点对应的第一深度值和所述第二数据点对应的第二深度值的差值的绝对值； 判断所述第二数据点对应的深度差值是否小于阈值差值； 若否， 则确定所述第二数据点 为膨胀点。 7.根据权利要求1 ‑6任一项所述的方法， 其特征在于， 所述对所述目标图像进行语义分 割， 将所述目标图像分割为至少一个图像区域， 包括： 基于语义分割模型对所述目标图像进行语义分割， 以将所述目标图像分割为至少一个 图像区域； 其中， 所述语义分割模型为基于样本数据对预设机器学习模型进行训练获取的模型， 所述样本数据包括多个样本图像以及各个样本图像对应的语义分割结果。 8.根据权利要求1 ‑6任一项所述的方法， 其特征在于， 所述通过基于密度的聚类算法对 所述激光 点云数据中的数据点进行聚类， 获取至少一个点簇， 包括： 通过基于密度的含噪声应用空间聚类DBSCAN算法对所述激光点云数据中的数据点进 行聚类， 获取 所述至少一个点簇 。 9.根据权利 要求8所述的方法， 其特征在于， 所述通过DBSCAN算法对所述激光点云数据 中的数据点进行聚类， 获取 所述至少一个点簇， 包括： 步骤一、 随机从所述激光 点云数据中选取一个未 标记的数据点作为初始点； 步骤二、 对所述初始点进行标记， 并判断所述初始点的邻域内的数据点的数量是否大 于或等于阈值数量， 若否， 则 返回步骤一； 若是， 则将所述初始点和所述初始点的邻域内的 数据点添加到一个点序列中； 其中， 任一数据点的邻域为以该数据点为圆心、 预设值为半径 的区域； 步骤三、 遍历所述点序列， 对所述点序列中未标记的数据点进行标记， 并判断所述点序 列中未标记的数据点的邻域内的数据点的数量是否大于或等于所述阈值数量， 以及在所述 任一数据点的邻域内的数据点的数量大于或等于所述阈值数量时， 将该数据点的邻域内的 数据点添加到所述点序列中， 直到所述点序列中不存在未标记的数据点时， 将所述点序列 中的所有数据点聚类为 一个点簇； 重复上述 步骤一至步骤三， 直到所述激光 点云数据中不存在未 标记的数据点。 10.一种激光 点云数据处 理装置， 其特 征在于， 包括： 获取单元， 用于获取目标图像和目标图像对应的激光 点云数据； 处理单元， 用于对所述目标图像进行语义分割， 将所述目标图像分割为至少一个图形 区域； 并通过基于密度的聚类算法对所述激光点云数据中的数据点进行聚类， 获取至少一 个点云簇； 分析单元， 用于根据 所述至少一个图像区域和所述至少一个点簇确定所述激光点云数 据中的膨胀点； 删除单元， 用于删除所述激光 点云数据中的膨胀点。权　利　要　求　书 2/2 页 3 CN 115512099 A 3