一种杆状地物的提取分类方法、装置、设备和介质与流程

1.本发明实施例涉及计算机技术，尤其涉及一种杆状地物的提取分类方法、装置、设备和介质。


背景技术：

2.道路两侧的杆状地物是城市重要的基础设施，其信息准确快速更新为智慧城市、智能交通、智慧园林等提供高效的数据支撑。
3.目前，杆状地物自动提取分类的方式有：可以利用杆状地物呈圆柱体这一特征进行提取；也可以利用树干的横截面接近于圆形这一特点，通过对点云数据做切片来检测圆弧的方式自动提取树干；还可以利用网格投影的方式提取杆状地物。
4.然而，在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
5.由于道路两测的杆状地物是多种多样的，其反射回的激光点也来自这些相同或不同几何形状的地物，从而激光点云数据在三维空间的分布形态呈现随机离散性，对于复杂的含有大量杆状地物的城市而言，激光点云数据也会更加复杂，并且普遍存在地物遮挡、点云缺失的情况，因此导致现有的杆状地物提取方式的准确率和效率均较低，并且没有对杆状地物进行进一步细分，比如路灯、电线杆、交通标牌杆等。


技术实现要素：

6.本发明实施例提供了一种杆状地物的提取分类方法、装置、设备和介质，以对激光点云中的杆状地物进行提取细分的同时，提高提取分类的准确率和效率。
7.第一方面，本发明实施例提供了一种杆状地物的提取分类方法，包括：
8.获取采集的车辆行驶道路两侧对应的激光点云数据；
9.检测所述激光点云数据中的每个激光点是否为杆状地物的边缘点，并提取出道路两侧中的各个杆状地物对应的边缘点集合；
10.对所述边缘点集合进行聚类分割，确定每个杆状地物对应的边缘点子集合；
11.基于每个杆状地物对应的边缘点子集合进行激光点的空间生长，并基于生长的激光点子集合和所述边缘点子集合，确定每个所述杆状地物对应的几何属性信息；
12.基于每个杆状地物对应的几何属性信息，确定每个所述杆状地物对应的具体类别。
13.第二方面，本发明实施例还提供了一种杆状地物的提取分类装置，包括：
14.激光点云数据获取模块，用于获取采集的车辆行驶道路两侧对应的激光点云数据；
15.边缘点检测模块，用于检测所述激光点云数据中的每个激光点是否为杆状地物的边缘点，并提取出道路两侧中的各个杆状地物对应的边缘点集合；
16.聚类分割模块，用于对所述边缘点集合进行聚类分割，确定每个杆状地物对应的边缘点子集合；
17.几何属性信息确定模块，用于基于每个杆状地物对应的边缘点子集合进行激光点的空间生长，并基于生长的激光点子集合和所述边缘点子集合，确定每个所述杆状地物对应的几何属性信息；
18.类别确定模块，用于基于每个杆状地物对应的几何属性信息，确定每个所述杆状地物对应的具体类别。
19.第三方面，本发明实施例还提供了一种电子设备，所述电子设备包括：
20.一个或多个处理器；
21.存储器，用于存储一个或多个程序；
22.当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例所提供的杆状地物的提取分类方法。
23.第四方面，本发明实施例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发明任意实施例所提供的杆状地物的提取分类方法。
24.本发明实施例通过检测激光点云数据中的每个激光点是否为杆状地物的边缘点，并提取出道路两侧中的各个杆状地物对应的边缘点集合，从而利用边缘特征可以快速准确地提取出激光点云数据中的杆状地物的边缘点，并通过对边缘点集合进行聚类分割，确定每个杆状地物对应的边缘点子集合，从而实现了杆状地物的实体化，并通过基于每个杆状地物对应的边缘点子集合进行激光点的空间生长，基于生长的激光点子集合和所述边缘点子集合，确定每个所述杆状地物对应的几何属性信息，并基于每个杆状地物对应的几何属性信息，确定每个所述杆状地物对应的具体类别，从而实现了杆状地物的提取细分，并且提高了提取分类的准确率和效率。
附图说明
25.图1是本发明实施例一提供的一种杆状地物的提取分类方法的流程图；
26.图2是本发明实施例一所涉及的一种提取出的树干的效果图；
27.图3是本发明实施例一所涉及的一种提取出的路灯的效果图；
28.图4是本发明实施例二提供的一种杆状地物的提取分类方法的流程图；
29.图5是本发明实施例二所涉及的一种左侧边缘点与右侧边缘点成对出现的示意图；
30.图6是本发明实施例三提供的一种杆状地物的提取分类方法的流程图；
31.图7是本发明实施例四提供的一种杆状地物的提取分类装置的结构示意图；
32.图8是本发明实施例五提供的一种电子设备的结构示意图。
具体实施方式
33.下面结合附图和实施例对本发明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发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
34.实施例一
35.图1为本发明实施例一提供的一种杆状地物的提取分类方法的流程图，本实施例
可适用于对激光点云数据中的道路两侧的杆状地物进行提取分类的情况。该方法可以由杆状地物的提取分类装置来执行，该装置可以由软件和/或硬件的方式来实现，集成于电子设备中，比如车辆。如图1所示，该方法具体包括以下步骤：
36.s110、获取采集的车辆行驶道路两侧对应的激光点云数据。
37.具体地，可以利用车载激光扫描系统，比如lidar(light detecting and ranging，光探测和测距)采集车辆行驶道路以及道路两侧的激光点云数据。激光点云数据中可以包括道路两侧各类地物点云，以便进行杆状地物的提取。
38.s120、检测激光点云数据中的每个激光点是否为杆状地物的边缘点，并提取出道路两侧中的各个杆状地物对应的边缘点集合。
39.其中，杆状地物的边缘点可以是指杆状地物的边界位置处的激光点。例如，位于路灯杆的表面位置上的激光点。边缘点集合可以是由激光点云数据中的所有边缘点组成的集合，也就是道路两侧中的所有杆状地物的边缘点的集合。
40.具体地，通过检测激光点云数据中的每个激光点是否为杆状地物的边缘点，可以将边缘点与道路上的地面点和建筑物点进行有效分离，从而基于杆状地物的边缘特征可以提取出激光点云数据中的边缘点集合。
41.示例性地，s120可以包括：根据激光点云数据中的每个激光点对应的前向距离和后向距离，检测每个激光点是否满足预设边缘点条件，并将满足预设边缘点条件的激光点作为杆状地物的边缘点；其中，前向距离是指当前激光点与位于同一扫描线上的前一激光点之间的三维距离；后向距离是指当前激光点与位于同一扫描上的后一激光点之间的三维距离。
42.其中，预设边缘点条件可以是预先基于杆状地物的边缘位置特征进行设置的。例如，杆状地物的特点是在竖直方向上呈现管状特征，使得杆状地物的左边缘点(即左边界点)的前一激光点和右边缘点(即右边界点)的后一激光点都会落到地面或者其他地物上，从而杆状地物的左边缘点的前向距离较大而后向距离较小，右边缘点的前向距离较小而后向距离较大，据此特性，预设边缘点条件可以设置为：当前激光点对应的当前前向距离大于第一预设距离且当前后向距离小于第二预设距离，或者当前后向距离大于第一预设距离且当前前向距离小于第二预设距离。其中，第一预设距离大于第二预设距离。
43.具体地，可以基于激光点云数据中的每个激光点的三维坐标信息确定出每个激光点对应的前向距离和后向距离。例如，可以将当前激光点与位于同一扫描线上的前一激光点之间的三维欧式距离作为当前激光点对应的当前前向距离，以及将当前激光点与位于同一扫描线上的后一激光点之间的三维欧式距离作为当前激光点对应的当前后向距离。基于每个激光点对应的前向距离和后向距离可以检测出该激光点是否满足预设边缘点条件。例如，若检测到当前激光点对应的当前前向距离大于第一预设距离且当前后向距离小于第二预设距离，或者当前后向距离大于第一预设距离且当前前向距离小于第二预设距离，则可以确定当前激光点为杆状地物的边缘点，否则，确定当前激光点不是杆状地物的边缘点，其可能是道路上的地面点、建筑物点或者杆状地物的中间点。通过利用杆状地物的两侧边缘点在扫描线中与其相邻点在前向和后向距离这两个量上的明显差异，可以快速有效地进行边缘点与非边缘点分离，提取出边缘点集合。
44.s130、对边缘点集合进行聚类分割，确定每个杆状地物对应的边缘点子集合。
45.其中，边缘点子集合可以是由单个杆状地物的所有边缘点组成的集合。每个杆状地物对应一个边缘点子集合。
46.具体地，可以采用聚类方式，对边缘点集合进行分割，获得每个杆状地物对应的边缘点子集合，比如将边缘点集合p分割为n个边缘点子集合s1、s2、
……
、sn，每个边缘点子集合对应一个杆状地物实体，从而实现了杆状地物的实体化。
47.s140、基于每个杆状地物对应的边缘点子集合进行激光点的空间生长，并基于生长的激光点子集合和边缘点子集合，确定每个杆状地物对应的几何属性信息。
48.具体地，可以利用杆状地物在竖直方向上呈现管状这一特征，在每个杆状地物对应的边缘点子集合的基础上，沿竖直方向进行激光点的空间生长，获得生长出的激光点子集合，以便可以精化杆状地物的边缘点，丰富杆状地物的形态。通过对每个杆状地物对应的边缘点子集合和生长的激光点子集合进行统计分析，可以确定出每个杆状地物对应的几何属性信息。
49.示例性地，s140可以包括：将每个杆状地物对应的边缘点子集合在空间上进行向上生长；基于生长的激光点子集合和边缘点子集合，确定每个杆状地物沿垂直于车辆行驶方向的第一长度、沿车辆行驶方向的第二长度以及沿竖直方向的第三长度。
50.具体地，将对象化的杆状地物的边缘点集合在空间上沿竖直方向向上生长，并基于生长的激光点子集合和边缘点子集合中的各个点的三维坐标信息，确定每个杆状地物沿垂直于车辆行驶方向的第一长度、沿车辆行驶方向的第二长度以及沿竖直方向的第三长度。例如，每个杆状地物的实体对应一个由边缘点子集合和生长的激光点子集合组成的目标子集合，每个目标子集合point_block的属性结构可以定义如下：
[0051][0052][0053]
从这个属性结构可以看出：每一个实体对应一个编码id、在激光扫描坐标系中沿x轴(即垂直于车辆行驶方向)的第一长度x_length、沿y轴(即车辆行驶方向)的第二长度y_length以及沿z轴(即竖直方向)的第三长度z_length。通过基于每个目标子集合中的各个点的三维坐标信息所组成的三维形状，可以确定出相应的杆状地物对应的第一长度x_length、第二长度y_length和第三长度z_length，这三个长度可以反映出相应杆状地物的形状特征。
[0054]
s150、基于每个杆状地物对应的几何属性信息，确定每个杆状地物对应的具体类别。
[0055]
具体地，可以利用每种杆状地物的形状特征，对每个杆状地物对应的几何属性信息进行判断，确定出每个杆状地物所属于的具体类别，从而实现了杆状地物的细分类。通过本实施例的提取分类方式，可以有效分离出杆状地物，并且对杆状地物提取的准确率和完整性均较高，可以作为自动批量提取功能进行使用，有效提高作业效率。
[0056]
示例性地，s150可以包括：若杆状地物对应的几何属性信息满足树干的形状特征，则确定该杆状地物的具体类别为树干；若杆状地物对应的几何属性信息满足路灯的形状特征，则确定该杆状地物的具体类别为路灯；若杆状地物对应的几何属性信息满足电线杆的形状特征，则确定该杆状地物的具体类别为电线杆；若杆状地物对应的几何属性信息满足交通标志杆的形状特征，则确定该杆状地物的具体类别为交通标志杆。
[0057]
具体地，每种杆状地物的外在形状是不同的，例如，树干的长度一般是低于路灯和电线杆的，且与树干相连接的树冠在空间上呈散乱状分布。路灯除了拥有竖直杆之外通常在其顶端会向垂直于马路的方向伸出一个灯头，而电线杆的顶端是延伸出来的电线，与交通标志杆相连接的是竖直面，即交通标志牌。利用树干、路灯、电线杆和交通标志杆形态各异的特点，可以检测每个杆状地物对应的几何属性信息符合哪种杆状地物的形状特征，便可以确定该杆状地物是哪种具体的杆状地物，从而实现了杆状地物的细分类，并且提高了提取分类的准确率和效率。例如，图2给出了一种提取出的树干的效果图。图3给出了一种提取出的路灯的效果图。
[0058]
示例性地，对于树干而言，树干的显著特征在于与之相连的树冠，树冠是一系列在空间上较散乱的点的集合，从而树干的x_length、y_length和z_length均较大。对于路灯而言，根据统计分析，路灯是相对较高且高度基本一致的杆状地物，一般高于地面10米左右，即z_length通常在10米左右，且路灯杆与其它杆状地物在高度上具有差异。路灯除了在高度上的显著特征，其顶端伸出来的灯头也有明显的特征：y_length较小，而x_length通常在2米左右。对于电线杆而言，电线杆顶端一般连接有电线，电线呈线状延伸，在x方向或者y方向的跨度较大，因此，电线杆的x_length或者y_length较大，一般超过5米。对于交通标志杆而言，交通标志杆的长度相对来说比较固定，距离路面5米左右，即z_length通常在5米左右。交通标志牌一般为垂直于马路的竖直面，因此其y_length较小。除此之外，交通标志牌还有一个独有的特征：其激光点的反射强度极高。通过基于上述几何特征，可以检测每个杆状地物的第一长度x_length、第二长度y_length和第三长度z_length符合哪种杆状地物的几何特征，从而可以将杆状地物划分为树干、路灯、电线杆和交通标志杆这4种具体的类别。
[0059]
本实施例的技术方案，通过检测激光点云数据中的每个激光点是否为杆状地物的边缘点，并提取出道路两侧中的各个杆状地物对应的边缘点集合，从而利用边缘特征可以快速准确地提取出激光点云数据中的杆状地物的边缘点，并通过对边缘点集合进行聚类分割，确定每个杆状地物对应的边缘点子集合，从而实现了杆状地物的实体化，并通过基于每个杆状地物对应的边缘点子集合进行激光点的空间生长，基于生长的激光点子集合和边缘点子集合，确定每个杆状地物对应的几何属性信息，并基于每个杆状地物对应的几何属性信息，确定每个杆状地物对应的具体类别，从而实现了杆状地物的提取细分，并且提高了提取分类的准确率和效率。
[0060]
实施例二
[0061]
图4为本发明实施例二提供的一种杆状地物的提取分类方法的流程图，本实施例
在上述各实施例的基础上，对激光点云数据中的边缘点的检测方式进行了进一步优化。其中与上述各实施例相同或相应的术语的解释在此不再赘述。
[0062]
参见图4，本实施例提供的杆状地物的提取分类方法具体包括以下步骤：
[0063]
s410、获取采集的车辆行驶道路两侧对应的激光点云数据。
[0064]
s420、将激光点云数据中激光扫描的第一个激光点作为当前激光点。
[0065]
具体地，可以循环地逐个检测激光点云数据中的每个激光点是否为杆状地物的边缘点。首次循环时，可以将激光扫描的第一个激光点作为当前激光点，以便首次对第一个激光点进行检测。
[0066]
s430、根据当前激光点对应的当前前向距离和当前后向距离，检测当前激光点是否满足预设左侧边缘点条件；若是，则进入步骤s440，若否，则进入步骤s470。
[0067]
其中，预设左侧边缘点条件可以是预先基于杆状地物的左侧边缘点的位置特征进行设置的。具体地，通过检测当前激光点对应的当前前向距离和当前后向距离是否满足预设左侧边缘点条件，可以确定出当前激光点是否可能为杆状地物的左侧边缘点。
[0068]
示例性地，s430可以包括：若当前激光点对应的当前前向距离大于第一预设距离，且当前激光点对应的当前后向距离小于第二预设距离，则确定当前激光点满足预设左侧边缘点条件。
[0069]
具体地，左侧边缘点的前一激光点会落到地面或者其他地物上，从而杆状地物的左侧边缘点的前向距离较大而后向距离较小，据此特性，预设左侧边缘点条件可以设置为：当前激光点对应的当前前向距离大于第一预设距离且当前后向距离小于第二预设距离，其中，第一预设距离大于第二预设距离。若当前激光点对应的当前前向距离小于或等于第一预设距离，或者当前激光点对应的当前后向距离大于或等于第二预设距离，则可以确定出当前激光点不满足预设左侧边缘点条件，此时当前激光点不可能是左侧边缘点。
[0070]
s440、确定当前激光点与位于同一扫描线上的后一激光点之间的空间距离，并检测空间距离是否满足预设距离条件；若是，则进入步骤s450，若否，则进入步骤s480。
[0071]
其中，图5给出了一种左侧边缘点与右侧边缘点成对出现的示意图。如图5所示，位于同一扫描线上的左侧边缘点与右侧边缘点是成对出现的，据此特征，可以设置预设距离条件，以辅助检测出左侧边缘点所对应的右侧边缘点。
[0072]
具体地，在当前激光点满足预设左侧边缘点条件，即当前激光点可能为左侧边缘点时，可以获取与当前激光点位于同一扫描线上的后一激光点，并可以基于当前激光点的三维坐标信息和后一激光点的三维坐标信息确定出当前激光点与后一激光点之间的三维欧氏距离，作为空间距离，并通过检测该空间距离是否满足预设距离条件，可以确定出后一激光点是否可能为当前边缘点所对应的右侧边缘点。
[0073]
示例性地，s440可以包括：若空间距离小于或等于第三预设距离，则确定空间距离满足预设距离条件；其中，第三预设距离是基于杆状地物的最大直径设置的。
[0074]
其中，第三预设距离可以是预先设置的成对出现的左侧边缘点与右侧边缘点之间的最大空间距离。第三预设距离可以基于杆状地物的最大直径和扫描线与水平线之间的角度进行确定。如图5所示，扫描线与水平线之间的角度为45
°
，则第三预设距离可以设置为其中，l是指杆状地物的最大直径。
[0075]
具体地，检测当前激光点与后一激光点之间的空间距离是否小于或等于第三预设
距离，若是，则可以确定满足预设距离条件，此时后一激光点可能为当前边缘点所对应的右侧边缘点，还需要进行进一步的检测确认。若当前激光点与后一激光点之间的空间距离大于第三预设距离，则可以确定空间距离不满足预设距离条件。
[0076]
s450、根据后一激光点对应的当前前向距离和当前后向距离，检测后一激光点是否满足预设右侧边缘点条件；若是，则进入步骤s460，若否，则进入步骤s490。
[0077]
其中，预设右侧边缘点条件可以是预先基于杆状地物的右侧边缘点的位置特征进行设置的。具体地，在空间距离满足预设距离条件时，表明后一激光点可能为当前边缘点所对应的右侧边缘点，此时可以继续检测后一激光点对应的当前前向距离和当前后向距离是否满足预设右侧边缘点条件，以便确定出后一激光点是不是当前边缘点所对应的右侧边缘点。
[0078]
示例性地，s450可以包括：若后一激光点对应的当前后向距离大于第一预设距离，且后一激光点对应的当前前向距离小于第二预设距离，则确定后一激光点满足预设右侧边缘点条件。
[0079]
具体地，右侧边缘点的后一激光点会落到地面或者其他地物上，从而杆状地物的右侧边缘点的前向距离较小而后向距离较大，据此特性，预设右侧边缘点条件可以设置为：当前激光点对应的当前后向距离大于第一预设距离且当前前向距离小于第二预设距离，其中，第一预设距离大于第二预设距离。若后一激光点对应的当前后向距离小于或等于第一预设距离，或者后一激光点对应的当前前向距离大于或等于第二预设距离，则可以确定后一激光点不满足预设右侧边缘点条件，即后一激光点不可能是右侧激光点，其可能是左侧边缘点与右侧边缘点之间的中间点。
[0080]
s460、将当前激光点和后一激光点均作为杆状地物的边缘点，并执行步骤s480。
[0081]
具体地，在后一激光点满足预设右侧边缘点条件时，表明后一激光点是当前边缘点所对应的右侧边缘点，相应的，当前激光点也是左侧激光点，此时可以将当前激光点和后一激光点均作为杆状地物的边缘点。
[0082]
s470、基于激光扫描顺序，将当前激光点的后一激光点作为当前激光点，并返回执行s430的操作，直到当前激光点为最后一个激光点为止。
[0083]
具体地，在当前激光点不满足预设左侧边缘点条件时，表明当前激光点不可能是左侧边缘点，需要对当前激光点进行更新，以便继续对后一激光点进行检测，此时可以先检测当前激光点是否为最后一个激光点，即所有激光点是否检测完毕，以便确定出是否需要继续进行激光点的检测。在当前激光点不是最后一个激光点时，可以基于激光扫描顺序，将当前激光点的后一激光点作为当前激光点，并返回执行s430的操作，以便继续检测当前激光点的下个激光点是否为边缘点。在当前激光点是最后一个激光点时，表明所有激光点均检测完毕，此时可以执行步骤s491的操作，获取检测出的所有边缘点组成的边缘点集合。
[0084]
s480、基于激光扫描顺序，将后一激光点的下个激光点作为当前激光点，并返回执行s430的操作，直到后一激光点为最后一个激光点为止。
[0085]
具体地，在空间距离不满足预设距离条件时，表明后一激光点并不可能是当前边缘点所对应的右侧边缘点，相应地，当前激光点也不可能是左侧激光点，此时可以确定出当前边缘点和后一激光点均不是杆状地物的边缘点，此时可以先检测后一激光点是否为最后一个激光点，以便确定出是否需要继续进行激光点的检测。在后一激光点不是最后一个激
光点时，可以基于激光扫描顺序，将后一激光点的下个激光点作为当前激光点，并返回执行s430的操作，以便继续检测后一激光点的下个激光点是否为边缘点。在当前激光点是最后一个激光点时，表明所有激光点均检测完毕，此时可以执行步骤s491的操作，获取检测出的所有边缘点组成的边缘点集合。
[0086]
具体地，在将当前激光点和后一激光点均作为杆状地物的边缘点后，可以先检测后一激光点是否为最后一个激光点，以便确定出是否需要继续进行激光点的检测。在后一激光点不是最后一个激光点时，可以基于激光扫描顺序，将后一激光点的下个激光点作为当前激光点，并返回执行s430的操作，以便继续检测后一激光点的下个激光点是否为边缘点。在当前激光点是最后一个激光点时，表明所有激光点均检测完毕，此时可以执行步骤s491的操作，获取检测出的所有边缘点组成的边缘点集合。
[0087]
s490、基于激光扫描顺序，将后一激光点的下个激光点作为后一激光点，并返回执行s440的操作，直到后一激光点为最后一个激光点为止。
[0088]
具体地，在后一激光点不满足预设右侧边缘点条件时，表明后一激光点可能是左侧边缘点与右侧边缘点之间的中间点，并不是右侧激光点，此时可以先检测后一激光点是否为最后一个激光点，以便确定出是否需要继续进行激光点的检测。在后一激光点不是最后一个激光点时，可以基于激光扫描顺序，将后一激光点的下个激光点作为后一激光点，并返回执行s440的操作，以便检测当前激光点与后一激光点的下个激光点之间的空间距离是否预设距离条件，并在满足预设距离条件的情况下继续检测后一激光点的下个激光点是否满足预设右侧边缘点条件，从而逐个检测后面的激光点是否为当前激光点对应的右侧激光点。
[0089]
s491、在检测完毕时，获取道路两侧中的各个杆状地物对应的边缘点集合。
[0090]
s492、对边缘点集合进行聚类分割，确定每个杆状地物对应的边缘点子集合。
[0091]
s493、基于每个杆状地物对应的边缘点子集合进行激光点的空间生长，并基于生长的激光点子集合和边缘点子集合，确定每个杆状地物对应的几何属性信息。
[0092]
s494、基于每个杆状地物对应的几何属性信息，确定每个杆状地物对应的具体类别。
[0093]
本实施例的技术方案，通过利用杆状地物的两侧边缘点在扫描线中与其相邻点在前向和后向距离这两个量上的明显差异以及两侧边缘点成对出现这一特性，可以更加准确地提取出激光点云数据中的杆状地物的边缘点，进一步提高了提取分类的准确率。
[0094]
实施例三
[0095]
图6为本发明实施例三提供的一种杆状地物的提取分类方法的流程图，本实施例在上述各实施例的基础上，对激光点云数据中的边缘点的检测方式进行了进一步优化。其中与上述各实施例相同或相应的术语的解释在此不再赘述。
[0096]
参见图6，本实施例提供的杆状地物的提取分类方法具体包括以下步骤：
[0097]
s610、获取采集的车辆行驶道路两侧对应的激光点云数据。
[0098]
s620、检测激光点云数据中的每个激光点是否为杆状地物的边缘点，并提取出道路两侧中的各个杆状地物对应的边缘点集合。
[0099]
s630、创建一个空的边缘点子集合，并将边缘点集合中的第一个边缘点移入到边缘点子集合中。
[0100]
具体地，在对边缘点集合p进行聚类分割时，首先创建一个空的边缘点子集合s1，并将边缘点集合p中的第一个边缘点移入到边缘点子集合s1中，此时边缘点集合p中减少了一个边缘点。
[0101]
s640、将边缘点集合中当前剩余的第一个边缘点作为当前边缘点。
[0102]
具体地，可以循环地对边缘点集合中的每个边缘点进行聚类，移入到相应的边缘点子集合中。
[0103]
s650、确定当前边缘点与当前已创建的每个边缘点子集合中的每个边缘点之间的平面距离，并基于各个平面距离，确定每个边缘点子集合对应的最小平面距离。
[0104]
具体地，针对当前已创建的每个边缘点子集合s而言，可以基于当前边缘点的x轴坐标信息和y值坐标信息以及边缘点子集合s中的每个边缘点的x轴坐标信息和y值坐标信息，确定当前边缘点与边缘点子集合s中的每个边缘点之间的平面距离，并对获得的各个平面距离进行比较，确定出最小平面距离。
[0105]
s660、基于每个边缘点子集合对应的最小平面距离和第四预设距离，将当前边缘点移入到相应的边缘点子集合中。
[0106]
其中，第四预设距离可以是预先基于杆状地物的最大直径进行设置。具体地，通过检测当前边缘点与每个边缘点子集合s中的边缘点之间的最小平面距离是否超过第四预设距离的方式，可以确定出当前边缘点应聚类到的边缘子集合s。
[0107]
示例性地，s660可以包括：检测是否存在最小平面距离小于或等于第四预设距离的目标边缘点子集合；若是，则将当前边缘点移入到目标边缘点子集合中；若否，则创建一个空的边缘点子集合，并将当前边缘点移入至创建的边缘点子集合中。
[0108]
具体地，若在已经创建的各个边缘子集合s中，检测到存在最小平面距离小于或等于第四预设距离的目标边缘点子集合，则可以基于目标边缘点子集合的数量确定当前边缘点最终移入的边缘点子集合。例如，若仅存在一个目标边缘点子集合，则可以直接将当前边缘点移入到该目标边缘点子集合中。若存在至少两个目标边缘点子集合，则可以对每个目标边缘点子集合对应的最小平面距离进行比较，将当前边缘点移入到最小平面距离最短的目标边缘点子集合中。若检测到已经创建的每个边缘子集合对应的最小平面距离均大于第四预设距离，则表明当前边缘点无法聚类到已经创建的各个边缘子集合中，此时可以再次创建一个空的边缘点子集合，并将当前边缘点移入至创建的这个空的边缘点子集合中。
[0109]
s670、检测当前的边缘点集合是否为空集合，若是，则进入步骤s680，若否，则进入步骤s640。
[0110]
具体地，通过检测当前的边缘点集合是否为空集合的方式，可以确定边缘点集合的聚类分割操作是否完成。若当前的边缘点集合不是空集合，则表明聚类还未完成，此时可以返回执行s640的操作，以便继续对边缘点集合中的下个激光点进行聚类。若当前的边缘点集合是空集合，则表明聚类完成，此时将边缘点集合p分割为n个边缘点子集合s1、s2、
……
、sn，每个边缘点子集合对应一个杆状地物实体，从而实现了杆状地物的实体化。
[0111]
s680、基于每个杆状地物对应的边缘点子集合进行激光点的空间生长，并基于生长的激光点子集合和边缘点子集合，确定每个杆状地物对应的几何属性信息。
[0112]
s690、基于每个杆状地物对应的几何属性信息，确定每个杆状地物对应的具体类别。
[0113]
本实施例的技术方案，通过逐个对边缘点集合中的边缘点进行聚类，可以更加准确地获得各个边缘点子集合，实现了杆状地物的实体化，进一步提高了提取分类的准确率。
[0114]
在上述技术方案的基础上，在对边缘点集合进行聚类分割，确定每个杆状地物对应的边缘点子集合之前，还可以包括：基于二维点密度的平面投影方式，对边缘点集合中的干扰点进行过滤，获得过滤后的边缘点集合。
[0115]
具体地，在利用边缘特征提取激光点云数据中的边缘点集合时，可能也会提取出一些干扰点，比如树冠上的点和道路两侧建筑物上被遮挡区的点，从而在进行聚类分割之前，可以基于二维点密度的平面投影方式，对边缘点集合中的干扰点进行过滤，保留在其邻域内存在较大二维点密度的激光点，这些激光点大部分是落在了竖直地物上，如杆状地物、建筑物墙面，而利用边缘特征已经过滤掉大部分的建筑物墙面点，从而该方式可以进一步过滤掉边缘点集合中的干扰点。在干扰点过滤后，可以对过滤后的边缘点集合进行聚类分割，确定每个杆状地物对应的边缘点子集合，从而进一步提高杆状地物提取分类的准确性。
[0116]
示例性地，基于二维点密度的平面投影方式，对边缘点集合中的干扰点进行过滤，获得过滤后的边缘点集合，可以包括：将边缘点集合中的各个边缘点向水平面投影，并确定每个边缘点对应的预设范围内所包含的点数量；将点数量小于预设二维点密度阈值的各个边缘点从边缘点集合中进行过滤，获得过滤后的边缘点集合。
[0117]
其中，边缘点对应的预设范围可以是指以边缘点为中心，以预设长度为半径的圆形区域范围。预设二维点密度阈值可以基于车载点云密度和杆状地物上的点密度进行确定。
[0118]
在上述各技术方案的基础上，在对边缘点集合进行聚类分割，确定每个杆状地物对应的边缘点子集合之后，还可以包括：基于预设杆高度阈值和预设平面投影长度阈值，对各个边缘点子集合进行筛选，获得筛选后的边缘点子集合。
[0119]
具体地，在确定出每个杆状地物对应的边缘点子集合之后，可能存在边缘子集合不是可识别的杆状地物对应的边缘点子集合，此时可以利用预设杆高度阈值和预设平面投影长度阈值，筛选出在阈值内的边缘点子集合，并剔除不在阈值内的边缘点子集合，并基于筛选后的边缘点子集合进行杆状地物的细分类，从而进一步提高了分类识别的准确率。
[0120]
以下是本发明实施例提供的杆状地物的提取分类装置的实施例，该装置与上述各实施例的杆状地物的提取分类方法属于同一个发明构思，在杆状地物的提取分类装置的实施例中未详尽描述的细节内容，可以参考上述杆状地物的提取分类方法的实施例。
[0121]
实施例四
[0122]
图7为本发明实施例四提供的一种杆状地物的提取分类装置的结构示意图，本实施例可适用于对激光点云数据中的道路两侧的杆状地物进行提取分类的情况。如图7所示，该装置包括：激光点云数据获取模块710、边缘点检测模块720、聚类分割模块730、几何属性信息确定模块740和类别确定模块750。
[0123]
其中，激光点云数据获取模块710，用于获取采集的车辆行驶道路两侧对应的激光点云数据；边缘点检测模块720，用于检测激光点云数据中的每个激光点是否为杆状地物的边缘点，并提取出道路两侧中的各个杆状地物对应的边缘点集合；聚类分割模块730，用于对边缘点集合进行聚类分割，确定每个杆状地物对应的边缘点子集合；几何属性信息确定模块740，用于基于每个杆状地物对应的边缘点子集合进行激光点的空间生长，并基于生长
的激光点子集合和边缘点子集合，确定每个杆状地物对应的几何属性信息；类别确定模块750，用于基于每个杆状地物对应的几何属性信息，确定每个杆状地物对应的具体类别。
[0124]
可选地，边缘点检测模块720，具体用于：根据激光点云数据中的每个激光点对应的前向距离和后向距离，检测每个激光点是否满足预设边缘点条件，并将满足预设边缘点条件的激光点作为杆状地物的边缘点；
[0125]
其中，前向距离是指当前激光点与位于同一扫描线上的前一激光点之间的三维距离；后向距离是指当前激光点与位于同一扫描上的后一激光点之间的三维距离。
[0126]
可选地，边缘点检测模块720，具体包括：
[0127]
当前激光点确定单元，用于将激光点云数据中激光扫描的第一个激光点作为当前激光点；
[0128]
左侧边缘点检测单元，用于根据当前激光点对应的当前前向距离和当前后向距离，检测当前激光点是否满足预设左侧边缘点条件；
[0129]
空间距离检测单元，用于若当前激光点满足预设左侧边缘点条件，则确定当前激光点与位于同一扫描线上的后一激光点之间的空间距离，并检测空间距离是否满足预设距离条件；
[0130]
右侧边缘点检测单元，用于若空间距离满足预设距离条件，则根据后一激光点对应的当前前向距离和当前后向距离，检测后一激光点是否满足预设右侧边缘点条件；
[0131]
第一更新单元，用于若后一激光点满足预设右侧边缘点条件，则将当前激光点和后一激光点均作为杆状地物的边缘点，并基于激光扫描顺序，将后一激光点的下个激光点作为当前激光点，返回执行根据当前激光点对应的当前前向距离和当前后向距离，检测当前激光点是否满足预设左侧边缘点条件的操作。
[0132]
可选地，左侧边缘点检测单元，具体用于：若当前激光点对应的当前前向距离大于第一预设距离，且当前激光点对应的当前后向距离小于第二预设距离，则确定当前激光点满足预设左侧边缘点条件；
[0133]
右侧边缘点检测单元，具体用于：若后一激光点对应的当前后向距离大于第一预设距离，且后一激光点对应的当前前向距离小于第二预设距离，则确定后一激光点满足预设右侧边缘点条件；
[0134]
空间距离检测单元，具体用于：若空间距离小于或等于第三预设距离，则确定空间距离满足预设距离条件；其中，第三预设距离是基于杆状地物的最大直径设置的。
[0135]
可选地，该装置还包括：
[0136]
第二更新单元，用于若当前激光点不满足预设左侧边缘点条件，则基于激光扫描顺序，将当前激光点的后一激光点作为当前激光点，返回执行根据当前激光点对应的当前前向距离和当前后向距离，检测当前激光点是否满足预设左侧边缘点条件的操作；
[0137]
第三更新单元，用于若空间距离不满足预设距离条件，则基于激光扫描顺序，将后一激光点的下个激光点作为当前激光点，返回执行根据当前激光点对应的当前前向距离和当前后向距离，检测当前激光点是否满足预设左侧边缘点条件的操作；
[0138]
第四更新单元，用于若后一激光点不满足预设右侧边缘点条件，则基于激光扫描顺序，将后一激光点的下个激光点作为后一激光点，返回执行确定当前激光点与位于同一扫描线上的后一激光点之间的空间距离，并检测空间距离是否满足预设距离条件的操作。
[0139]
可选地，聚类分割模块730，包括：
[0140]
边缘点子集合创建单元，用于创建一个空的边缘点子集合，并将边缘点集合中的第一个边缘点移入到边缘点子集合中；
[0141]
当前边缘点确定单元，用于将边缘点集合中当前剩余的第一个边缘点作为当前边缘点；
[0142]
最小平面距离确定单元，用于确定当前边缘点与当前已创建的每个边缘点子集合中的每个边缘点之间的平面距离，并基于各个平面距离，确定每个边缘点子集合对应的最小平面距离；
[0143]
当前边缘点移入单元，用于基于每个边缘点子集合对应的最小平面距离和第四预设距离，将当前边缘点移入到相应的边缘点子集合中，并返回执行将边缘点集合中当前剩余的第一个边缘点作为当前边缘点的操作，直到边缘点集合为空集合为止。
[0144]
可选地，当前边缘点移入单元，具体用于：检测是否存在最小平面距离小于或等于第四预设距离的目标边缘点子集合；若是，则将当前边缘点移入到目标边缘点子集合中；若否，则创建一个空的边缘点子集合，并将当前边缘点移入至创建的边缘点子集合中。
[0145]
可选地，该装置还包括：
[0146]
干扰点过滤模块，用于在对边缘点集合进行聚类分割，确定每个杆状地物对应的边缘点子集合之前，基于二维点密度的平面投影方式，对边缘点集合中的干扰点进行过滤，获得过滤后的边缘点集合。
[0147]
可选地，干扰点过滤模块，具体用于：将边缘点集合中的各个边缘点向水平面投影，并确定每个边缘点对应的预设范围内所包含的点数量；将点数量小于预设二维点密度阈值的各个边缘点从边缘点集合中进行过滤，获得过滤后的边缘点集合。
[0148]
可选地，该装置还包括：
[0149]
边缘点子集合筛选模块，用于在对边缘点集合进行聚类分割，确定每个杆状地物对应的边缘点子集合之后，基于预设杆高度阈值和预设平面投影长度阈值，对各个边缘点子集合进行筛选，获得筛选后的边缘点子集合。
[0150]
可选地，几何属性信息确定模块740，具体用于：将每个杆状地物对应的边缘点子集合在空间上进行向上生长；基于生长的激光点子集合和边缘点子集合，确定每个杆状地物沿垂直于车辆行驶方向的第一长度、沿车辆行驶方向的第二长度以及沿竖直方向的第三长度。
[0151]
可选地，类别确定模块750，具体用于：若杆状地物对应的几何属性信息满足树干的形状特征，则确定该杆状地物的具体类别为树干；若杆状地物对应的几何属性信息满足路灯的形状特征，则确定该杆状地物的具体类别为路灯；若杆状地物对应的几何属性信息满足电线杆的形状特征，则确定该杆状地物的具体类别为电线杆；若杆状地物对应的几何属性信息满足交通标志杆的形状特征，则确定该杆状地物的具体类别为交通标志杆。
[0152]
本发明实施例所提供的杆状地物的提取分类装置可执行本发明任意实施例所提供的杆状地物的提取分类方法，具备执行杆状地物的提取分类方法相应的功能模块和有益效果。
[0153]
值得注意的是，上述杆状地物的提取分类装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能
即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
[0154]
实施例五
[0155]
图8为本发明实施例五提供的一种电子设备的结构示意图。图8示出了适于用来实现本发明实施方式的示例性电子设备12的框图。图8显示的电子设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
[0156]
如图8所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
[0157]
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线，微通道体系结构(mac)总线，增强型isa总线、视频电子标准协会(vesa)局域总线以及外围组件互连(pci)总线。
[0158]
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
[0159]
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图8未显示，通常称为“硬盘驱动器”)。尽管图8中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd-rom,dvd-rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
[0160]
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如系统存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
[0161]
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该电子设备12交互的设备通信，和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口22进行。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与电子设备12的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
[0162]
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发实施例所提供的一种杆状地物的提取分类方法步骤，该方法包括：
[0163]
获取采集的车辆行驶道路两侧对应的激光点云数据；
[0164]
检测激光点云数据中的每个激光点是否为杆状地物的边缘点，并提取出道路两侧中的各个杆状地物对应的边缘点集合；
[0165]
对边缘点集合进行聚类分割，确定每个杆状地物对应的边缘点子集合；
[0166]
基于每个杆状地物对应的边缘点子集合进行激光点的空间生长，并基于生长的激光点子集合和边缘点子集合，确定每个杆状地物对应的几何属性信息；
[0167]
基于每个杆状地物对应的几何属性信息，确定每个杆状地物对应的具体类别。
[0168]
当然，本领域技术人员可以理解，处理器还可以实现本发明任意实施例所提供的杆状地物的提取分类方法的技术方案。
[0169]
实施例六
[0170]
本实施例提供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发明任意实施例所提供的杆状地物的提取分类方法步骤，该方法包括：
[0171]
获取采集的车辆行驶道路两侧对应的激光点云数据；
[0172]
检测激光点云数据中的每个激光点是否为杆状地物的边缘点，并提取出道路两侧中的各个杆状地物对应的边缘点集合；
[0173]
对边缘点集合进行聚类分割，确定每个杆状地物对应的边缘点子集合；
[0174]
基于每个杆状地物对应的边缘点子集合进行激光点的空间生长，并基于生长的激光点子集合和边缘点子集合，确定每个杆状地物对应的几何属性信息；
[0175]
基于每个杆状地物对应的几何属性信息，确定每个杆状地物对应的具体类别。
[0176]
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中，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。
[0177]
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。
[0178]
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。
[0179]
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分
在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0180]
本领域普通技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个计算装置上，或者分布在多个计算装置所组成的网络上，可选地，他们可以用计算机装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件的结合。
[0181]
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。