基于激光点云的地面检测方法、装置、存储介质及设备

摘要

本申请提供一种基于激光点云的地面检测方法、装置、存储介质及设备，该方法中，依据激光雷达点云近处密集、远处稀疏的分布特性，将空间按照环形栅格进行划分，对每个环形栅格内的点云进行平面拟合，得到栅格平面，根据各栅格平面与激光雷达Z轴之间的夹角，对各栅格平面进行筛选，并根据点云到筛选后的栅格平面的欧氏距离对点云进行过滤，再对提取到的初始地面点云进行归一化谱聚类，从而得到目标地面点云。如此，通过合理的空间划分方式，提升拟合出的平面的准确性，结合筛选、过滤和归一化谱聚类等一系列操作，有效滤除干扰点，从而提升地面检测的精度，进而提升行车安全性。

权利要求

1.一种基于激光点云的地面检测方法，其特征在于，包括：将激光雷达采集到的点云分布到坐标对应的环形栅格中，并对每个环形栅格内的点云进行平面拟合，得到栅格平面；所述环形栅格是以所述激光雷达为圆心，以不同半径将空间划分为多个环形区域后，将每个环形区域均分成多个栅格而得到的；

根据各栅格平面与所述激光雷达所在坐标系中竖直朝上的坐标轴之间的夹角，对各栅格平面进行筛选，并根据点云到筛选后的栅格平面的欧氏距离，过滤得到初始地面点云；

对所述初始地面点云进行归一化谱聚类，得到目标地面点云；

其中，所述对所述初始地面点云进行归一化谱聚类，得到目标地面点云，包括：将每个环形栅格内对应的初始地面点云确定为一个点云簇；

根据点云之间的欧氏距离、高度特征距离和点云反射强度距离，计算不同点云簇之间的相似度矩阵和度矩阵，并根据所述相似度矩阵和度矩阵，计算拉普拉斯矩阵；

基于所述拉普拉斯矩阵，对所有点云簇进行聚类分割，将聚类分割后得到的点云确定为目标地面点云。

2.根据权利要求1所述的方法，其特征在于，所述对每个环形栅格内的点云进行平面拟合，得到栅格平面，包括：判断各环形栅格内的点云的点数量是否超过预设数量阈值；

若判断结果为是，通过随机一致性算法对所述环形栅格内的点云进行平面拟合，得到栅格平面；

若判断结果为否，将所述环形栅格标记为无平面。

3.根据权利要求1所述的方法，其特征在于，所述根据各栅格平面与所述激光雷达所在坐标系中竖直朝上的坐标轴之间的夹角，对各栅格平面进行筛选，包括：计算各栅格平面与所述激光雷达所在坐标系中竖直朝上的坐标轴之间的夹角；

若所述夹角小于等于预设角度阈值，保留所述栅格平面；

若所述夹角大于预设角度阈值，丢弃所述栅格平面。

4.根据权利要求3所述的方法，其特征在于，所述根据点云到筛选后的栅格平面的欧氏距离，过滤得到初始地面点云之前，包括：将各环形栅格的中心点极坐标转换成直角坐标；

利用各环形栅格的中心点的直角坐标，根据高斯函数确定各环形栅格的权重系数；

基于所述权重系数，对筛选后的栅格平面进行平滑处理。

5.根据权利要求4所述的方法，其特征在于，所述筛选后的栅格平面在平滑处理后的平面方程基于以下公式进行表示：其中，所述 为筛选后的栅格平面在平滑处理后的平面方程；所述 为以所述栅格平面对应的环形栅格为中心栅格时，邻域内第i个环形栅格的权重系数；所述为邻域内第i个环形栅格的平面方程。

6.根据权利要求3所述的方法，其特征在于，所述根据点云到筛选后的栅格平面的欧氏距离，过滤得到初始地面点云，包括：遍历筛选后的栅格平面对应的环形栅格内的点云点，计算所述点云点到相应的栅格平面的欧氏距离；

若所述欧氏距离小于等于预设距离阈值，将所述点云点确定为初始地面点；

遍历完毕后，根据所有初始地面点得到初始地面点云。

7.一种基于激光点云的地面检测装置，其特征在于，包括：划分模块，用于将激光雷达采集到的点云分布到坐标对应的环形栅格中，并对每个环形栅格内的点云进行平面拟合，得到栅格平面；所述环形栅格是以所述激光雷达为圆心，以不同半径将空间划分为多个环形区域后，将每个环形区域均分成多个栅格而得到的；

筛选模块，用于根据各栅格平面与所述激光雷达所在坐标系中竖直朝上的坐标轴之间的夹角，对各栅格平面进行筛选，并根据点云到筛选后的栅格平面的欧氏距离，过滤得到初始地面点云；

聚类模块，用于对所述初始地面点云进行归一化谱聚类，得到目标地面点云；

其中，所述聚类模块具体用于：

将每个环形栅格内对应的初始地面点云确定为一个点云簇；

根据点云之间的欧氏距离、高度特征距离和点云反射强度距离，计算不同点云簇之间的相似度矩阵和度矩阵，并根据所述相似度矩阵和度矩阵，计算拉普拉斯矩阵；

基于所述拉普拉斯矩阵，对所有点云簇进行聚类分割，将聚类分割后得到的点云确定为目标地面点云。

8.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的方法。

9.一种电子设备，其特征在于，包括处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的方法。

说明书

基于激光点云的地面检测方法、装置、存储介质及设备

技术领域

[0001] 本申请涉及自动驾驶技术领域，具体而言，涉及一种基于激光点云的地面检测方法、装置、存储介质及设备。

背景技术

[0002] 可行驶区域分割旨在使用相机或激光雷达感知车辆周围环境，识别并分割出当前场景下可行驶的区域，对自动驾驶的行车安全起到至关重要的兜底作用。而其中，基于激光雷达点云的地面检测又是可行驶区域分割中一项关键的基础任务，地面检测结果的精度，直接影响之后的可行驶区域分割效果。

[0003] 目前，相关技术中采用的基于激光雷达点云的地面检测方案主要是基于等尺寸2D栅格空间的平面拟合，即根据点云分布空间情况创建每个单元格尺寸均相等的矩形栅格网，对落在每个栅格内的点云进行随机一致性算法平面拟合，然后利用点到平面的距离来过滤得到地面点云。然而，这一方式在实现时，远处栅格内的点云数量少，容易导致拟合出的平面欠准确，而且无法有效过滤非地面干扰点，容易将紧邻路面的缓坡绿化带、低矮路沿、路面积水坑和路面上的低矮障碍物等误检成地面，影响行车安全。

发明内容

[0004] 本申请的目的在于提供一种基于激光点云的地面检测方法、装置、存储介质及设备，旨在解决相关技术中的地面检测方案存在的拟合出的平面不够准确，且无法有效滤除非地面干扰点，导致地面检测精度较低，影响行车安全的问题。

[0005] 第一方面，本申请提供的一种基于激光点云的地面检测方法，包括：将激光雷达采集到的点云分布到坐标对应的环形栅格中，并对每个环形栅格内的点云进行平面拟合，得到栅格平面；所述环形栅格是以所述激光雷达为圆心，以不同半径将空间划分为多个环形区域后，将每个环形区域均分成多个栅格而得到的；根据各栅格平面与所述激光雷达所在坐标系中竖直朝上的坐标轴之间的夹角，对各栅格平面进行筛选，并根据点云到筛选后的栅格平面的欧氏距离，过滤得到初始地面点云；对所述初始地面点云进行归一化谱聚类，得到目标地面点云。

[0006] 在上述实现过程中，依据激光雷达点云近处密集、远处稀疏的分布特性，将空间按照环形栅格进行划分，对每个环形栅格内的点云进行平面拟合，得到栅格平面，根据各栅格平面与激光雷达Z轴之间的夹角，对各栅格平面进行筛选，并根据点云到筛选后的栅格平面的欧氏距离对点云进行过滤，再对提取到的初始地面点云进行归一化谱聚类，从而得到目标地面点云。如此，通过合理的空间划分方式，提升拟合出的平面的准确性，结合筛选、过滤和归一化谱聚类等一系列操作，有效滤除干扰点，从而提升地面检测的精度，进而提升行车安全性。

[0007] 进一步地，在一些实施例中，所述对每个环形栅格内的点云进行平面拟合，得到栅格平面，包括：判断各环形栅格内的点云的点数量是否超过预设数量阈值；若判断结果为是，通过随机一致性算法对所述环形栅格内的点云进行平面拟合，得到栅格平面；若判断结果为否，将所述环形栅格标记为无平面。

[0008] 在上述实现过程中，在通过随机一致性算法进行平面拟合时，若任一环形栅格内的点云的点数量不超过预设数量阈值，表明其点云数量不足以拟合平面，则将该环形栅格标记为无平面，如此，进一步提升拟合出的平面的准确性。

[0009] 进一步地，在一些实施例中，所述根据各栅格平面与所述激光雷达所在坐标系中竖直朝上的坐标轴之间的夹角，对各栅格平面进行筛选，包括：计算各栅格平面与所述激光雷达所在坐标系中竖直朝上的坐标轴之间的夹角；若所述夹角小于等于预设角度阈值，保留所述栅格平面；若所述夹角大于预设角度阈值，丢弃所述栅格平面。

[0010] 在上述实现过程中，通过将各栅格平面与激光雷达Z轴之间的夹角，和预设角度阈值进行对比，判断相应的栅格平面的坡度是否满足要求，从而有效提前滤掉一些异常平面。

[0011] 进一步地，在一些实施例中，所述根据点云到筛选后的栅格平面的欧氏距离，过滤得到初始地面点云之前，包括：将各环形栅格的中心点极坐标转换成直角坐标；利用各环形栅格的中心点的直角坐标，根据高斯函数确定各环形栅格的权重系数；基于所述权重系数，对筛选后的栅格平面进行平滑处理。

[0012] 在上述实现过程中，在过滤出初始地面点云之前，对栅格平面进行高斯平滑，从而更精确地提取更贴近真实地面的点云，减少干扰点的误提取。

[0013] 进一步地，在一些实施例中，所述筛选后的栅格平面在平滑处理后的平面方程基于以下公式进行表示：

[0014]

[0015] 其中，所述 为筛选后的栅格平面在平滑处理后的平面方程；所述 为以所述栅格平面对应的环形栅格为中心栅格时，邻域内第i个环形栅格的权重系数；所述为邻域内第i个环形栅格的平面方程。

[0016] 在上述实现过程中，通过上述公式，快速实现各栅格平面的高斯平滑处理。

[0017] 进一步地，在一些实施例中，所述根据点云到筛选后的栅格平面的欧氏距离，过滤得到初始地面点云，包括：遍历筛选后的栅格平面对应的环形栅格内的点云点，计算所述点云点到相应的栅格平面的欧氏距离；若所述欧氏距离小于等于预设距离阈值，将所述点云点确定为初始地面点；遍历完毕后，根据所有初始地面点得到初始地面点云。

[0018] 在上述实现过程中，通过将点云点到相应的栅格平面的欧氏距离，和预设距离阈值进行对比，判断该点云点是否为地面点，从而有效滤除非地面点云，提升地面检测的精度。

[0019] 进一步地，在一些实施例中，所述对所述初始地面点云进行归一化谱聚类，得到目标地面点云，包括：将每个环形栅格内对应的初始地面点云确定为一个点云簇；根据点云之间的欧氏距离、高度特征距离和点云反射强度距离，计算不同点云簇之间的相似度矩阵和度矩阵，并根据所述相似度矩阵和度矩阵，计算拉普拉斯矩阵；基于所述拉普拉斯矩阵，对所有点云簇进行聚类分割，将聚类分割后得到的点云确定为目标地面点云。

[0020] 在上述实现过程中，通过综合利用非地面干扰点的特性对初始地面点云做NCUT谱聚类，有效滤除干扰点云，有效提升了地面检测的精度。

[0021] 第二方面，本申请提供的一种基于激光点云的地面检测装置，包括：划分模块，用于将激光雷达采集到的点云分布到坐标对应的环形栅格中，并对每个环形栅格内的点云进行平面拟合，得到栅格平面；所述环形栅格是以所述激光雷达为圆心，以不同半径将空间划分为多个环形区域后，将每个环形区域均分成多个栅格而得到的；筛选模块，用于根据各栅格平面与所述激光雷达所在坐标系中竖直朝上的坐标轴之间的夹角，对各栅格平面进行筛选，并根据点云到筛选后的栅格平面的欧氏距离，过滤得到初始地面点云；聚类模块，用于对所述初始地面点云进行归一化谱聚类，得到目标地面点云。

[0022] 第三方面，本申请提供的一种电子设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一项所述的方法的步骤。

[0023] 第四方面，本申请提供的一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，使得所述计算机执行如第一方面任一项所述的方法。

[0024] 第五方面，本申请提供的一种计算机程序产品，所述计算机程序产品在计算机上运行时，使得计算机执行如第一方面任一项所述的方法。

[0025] 本申请公开的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本申请公开的上述技术即可得知。

[0026] 为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

[0027] 为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

[0028] 图1为本申请实施例提供的一种基于激光点云的地面检测方法的流程图；

[0029] 图2为本申请实施例提供的一种激光雷达点云环形栅格空间划分的地面检测方案的工作流程的示意图；

[0030] 图3为本申请实施例提供的邻域环形栅格中心点坐标分布的示意图；

[0031] 图4为本申请实施例提供的一种基于激光点云的地面检测装置的框图；

[0032] 图5为本申请实施例提供的一种电子设备的结构框图。

具体实施方式

[0033] 下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。

[0034] 应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

[0035] 如背景技术记载，相关技术中采用的基于激光雷达点云的地面检测方案存在着拟合出的平面不够准确，且无法有效滤除非地面干扰点，导致地面检测精度较低，影响行车安全的问题。基于此，本申请实施例提供一种新的基于激光点云的地面检测方案，以解决上述问题。

[0036] 接下来对本申请实施例进行介绍：

[0037] 如图1所示，图1是本申请实施例提供的一种基于激光点云的地面检测方法的流程图，所述方法可以应用于车辆上的自动驾驶辅助系统，也可以应用于车辆上的控制器，如整车控制器（Vehicle Control Unit，VCU）或域控制器（Domain Control Unit，DCU）等，或者还可以应用于与车辆建立有通信连接的服务器。

[0038] 所述方法包括：

[0039] 在步骤101、将激光雷达采集到的点云分布到坐标对应的环形栅格中，并对每个环形栅格内的点云进行平面拟合，得到栅格平面；所述环形栅格是以所述激光雷达为圆心，以不同半径将空间划分为多个环形区域后，将每个环形区域均分成多个栅格而得到的；

[0040] 本实施例方案中，依据激光雷达点云近处密集、远处稀疏的分布特性，将空间按照环形栅格进行划分，具体地，以激光雷达为圆心，以不同半径将空间划分为多个环形区域后，对不同环形区域分别均分成不同尺寸的栅格，如此，使得近处栅格尺寸小，远处栅格尺寸大；之后，遍历所有点云数据，将点云分布到坐标对应的环形栅格中，并记录索引，这样，各个环形栅格中的点云数量更为均匀，从而提升了拟合出的平面的准确性。

[0041] 在一些实施例中，本步骤中提到的对每个环形栅格内的点云进行平面拟合，得到栅格平面可以包括：判断各环形栅格内的点云的点数量是否超过预设数量阈值；若判断结果为是，通过随机一致性算法对所述环形栅格内的点云进行平面拟合，得到栅格平面；若判断结果为否，将所述环形栅格标记为无平面。也就是说，当任意一个环形栅格内落的点云的点数量超过预设数量阈值时，表明其点云数量足以拟合平面，则对落在该环形栅格内的点云运用随机一致性算法（Random  Sample  Consensus，RANSAC）拟合平面方程；而当任意一个环形栅格内落的点云的点数量未超过预设数量阈值时，表明其点云数量不足以拟合平面，则将该环形栅格标记为无平面。具体的平面拟合过程可以参见相关技术中对随机一致性算法的介绍，在此不作赘述。另外，该预设数量阈值可以根据具体场景的需求进行设置。

[0042] 在步骤102、根据各栅格平面与所述激光雷达所在坐标系中竖直朝上的坐标轴之间的夹角，对各栅格平面进行筛选，并根据点云到筛选后的栅格平面的欧氏距离，过滤得到初始地面点云；

[0043] 本步骤是指：根据各栅格平面与激光雷达所在坐标系中竖直朝上的坐标轴，即Z轴之间的夹角，滤除掉坡度太大的栅格平面，再根据点云到筛选后的栅格平面的欧氏距离，滤除掉非地面点，从而得到初始地面点云，实现地面点云的初步检测。

[0044] 具体地，在一些实施例中，本步骤中提到的根据各栅格平面与所述激光雷达所在坐标系中竖直朝上的坐标轴之间的夹角，对各栅格平面进行筛选可以包括：计算各栅格平面与所述激光雷达所在坐标系中竖直朝上的坐标轴之间的夹角；若所述夹角小于等于预设角度阈值，保留所述栅格平面；若所述夹角大于预设角度阈值，丢弃所述栅格平面。也就是说，设定一个预设角度阈值，当任意一个栅格平面与激光雷达Z轴之间的夹角小于等于该预设角度阈值时，表明该栅格平面的坡度满足要求，则保留该栅格平面，反之，当任意一个栅格平面与激光雷达Z轴之间的夹角大于该预设角度阈值时，表明该栅格平面的坡度太大，该栅格平面对应的点云很大概率上并非是地面点云，因此抛弃该栅格平面。如此，可以有效提前滤掉一些异常平面。其中，栅格平面与激光雷达Z轴之间的夹角可以基于以下公式计算得到：

[0045]

[0046] 上式中，为栅格平面与激光雷达Z轴之间的夹角；为该栅格平面的法向量；为激光雷达Z轴单位向量。另外，该预设角度阈值可以根据具体场景的需求进行设置。

[0047] 进一步地，在一些实施例中，在根据点云到筛选后的栅格平面的欧氏距离，过滤得到初始地面点云之前可以包括：将各环形栅格的中心点极坐标转换成直角坐标；利用各环形栅格的中心点的直角坐标，根据高斯函数确定各环形栅格的权重系数；基于所述权重系数，对筛选后的栅格平面进行平滑处理。也就是说，在过滤出初始地面点云之前，可以对栅格平面进行高斯平滑，从而更精确地提取更贴近真实地面的点云，减少干扰点的误提取。在实现时，由于在8邻域栅格内，每个栅格的中心均位于环形线上，因此需要将栅格的中心点极坐标转换为直角坐标，由此可得到8邻域栅格中心点的直角坐标以及8邻域中心位置的栅格坐标，之后，根据高斯函数确定出8邻域内各栅格权重系数，进而通过加权求和的计算，可以得到高斯平滑后的栅格平面。可选地，筛选后的栅格平面在平滑处理后的平面方程可以基于以下公式进行表示：

[0048]

[0049] 其中，所述 为筛选后的栅格平面在平滑处理后的平面方程；所述 为以所述栅格平面对应的环形栅格为中心栅格时，邻域内第i个环形栅格的权重系数；所述为邻域内第i个环形栅格的平面方程。通过这一公式，可以快速实现各栅格平面的高斯平滑处理。

[0050] 还有，在一些实施例中，本步骤中提到的根据点云到筛选后的栅格平面的欧氏距离，过滤得到初始地面点云可以包括：遍历筛选后的栅格平面对应的环形栅格内的点云点，计算所述点云点到相应的栅格平面的欧氏距离；若所述欧氏距离小于等于预设距离阈值，将所述点云点确定为初始地面点；遍历完毕后，根据所有初始地面点得到初始地面点云。也就是说，遍历点云到筛选得到的栅格平面的欧氏距离，当任意一个点云点到所在栅格平面的欧氏距离大于预设距离阈值时，表明该点云点大概率是非地面点，因此将该点云点滤除，反之，当任意一个点云点到所在栅格平面的欧氏距离小于等于预设距离阈值时，保留该点云点，如此，遍历完所有点云点后，得到初始地面点云。通过这一点云过滤规则，能够有效滤除非地面点云，提升地面检测的精度。其中，该预设距离阈值可以根据具体场景的需求进行设置。

[0051] 在步骤103、对所述初始地面点云进行归一化谱聚类，得到目标地面点云。

[0052] 归一化谱聚类也称NCUT谱聚类，是一种基于图论的聚类算法。在本实施例方案中，使用NCUT谱聚类算法对初始地面点云做进一步的聚类分割，可以滤除绿化带、积水坑、低矮路沿和低矮障碍物等非地面点云，从而得到更为精确的目标地面点云，有效提升地面检测的精度，进而提升行车安全性。

[0053] 在一些实施例中，本步骤可以包括：将每个环形栅格内对应的初始地面点云确定为一个点云簇；根据点云之间的欧氏距离、高度特征距离和点云反射强度距离，计算不同点云簇之间的相似度矩阵和度矩阵，并根据所述相似度矩阵和度矩阵，计算拉普拉斯矩阵；基于所述拉普拉斯矩阵，对所有点云簇进行聚类分割，将聚类分割后得到的点云确定为目标地面点云。也就是说，按照原先的空间划分方式，将每个栅格内对应的初始地面点云确定为一个点云簇，考虑到绿化带和积水坑的点云反射强度明显不同于其他区域，低矮路沿和低矮障碍物的高度特征明显不同于地面区域，因此，融合点云之间的欧式距离、高度特征距离和点云反射强度距离这3个特征计算点云簇之间的相似度矩阵、度矩阵和拉普拉斯矩阵，以此构建特征向量空间，再根据传统聚类对该特征向量空间进行聚类，实现从所有点云簇分割出目标地面点云。其中，点云之间的高度特征距离和点云反射强度距离可以根据点云数据中包含的点云坐标和反射强度信息计算得到。如此，通过综合利用非地面干扰点的特性对初始地面点云做NCUT谱聚类，有效滤除干扰点云，有效提升了地面检测的精度。

[0054] 本申请实施例，依据激光雷达点云近处密集、远处稀疏的分布特性，将空间按照环形栅格进行划分，对每个环形栅格内的点云进行平面拟合，得到栅格平面，根据各栅格平面与激光雷达Z轴之间的夹角，对各栅格平面进行筛选，并根据点云到筛选后的栅格平面的欧氏距离对点云进行过滤，再对提取到的初始地面点云进行归一化谱聚类，从而得到目标地面点云。如此，通过合理的空间划分方式，提升拟合出的平面的准确性，结合筛选、过滤和归一化谱聚类等一系列操作，有效滤除干扰点，从而提升地面检测的精度，进而提升行车安全性。

[0055] 为了对本申请的方案做更为详细的说明，接下来介绍一具体实施例：

[0056] 本实施例提供一种激光雷达点云环形栅格空间划分的地面检测方案。该方案的工作流程如图2所示，包括：

[0057] S201、获取地面检测的激光雷达点云数据；

[0058] 具体地，为了提升算法的时效性，同时考虑激光雷达点云近处密集、远处稀疏的特性以及行车安全性等因素，将地面检测的范围限定在100m以内，在此基础上，通过激光雷达采集点云数据；

[0059] S202、将空间按照环形栅格进行划分，并将点云分布到环形栅格中；

[0060] 具体地，近处点云密集，单个栅格内的点云数量较多，因此可选择小尺寸栅格拟合平面，远处点云稀疏，单个栅格内的点云数量较少，因此需要大尺寸栅格拟合平面，基于此，以激光雷达为圆心，以不同半径10m，30m，60m，100m将空间划分为[0‑10m]，[10‑30m]，[30‑60m]，[60‑100m]四个环形区域；

[0061] 之后，按照表1所示的尺寸，对不同区域的圆环分别均分成不同尺寸的栅格，其中，角度等分量是指圆环360°角度被等分的数量，径向等分数是指圆环在径向上被等分的数量；

[0062] 表1、将环形区域均分成环形栅格时使用的尺寸表

[0063]

[0064] 最后，遍历所有点云数据，将点云分布到坐标对应的环形栅格中，并记录索引；

[0065] S203、对每个环形栅格内的点云进行平面拟合；

[0066] 具体地，对落在每个栅格内的点云运用随机一致性算法拟合平面方程；如果栅格内的点云数量不足以拟合出平面，则将该栅格标记为无平面；

[0067] S204、对各栅格平面进行筛选和平滑；

[0068] 具体地，假设某个栅格内点云拟合平面为 ，那么该栅格平面的法向量为 ，激光雷达Z轴单位向量为 ，则该栅格平面与激光雷达Z
轴之间的夹角为：

[0069]

[0070] 若 小于等于预设的角度阈值 ，则保留该栅格平面，否则抛弃该栅格平面；

[0071] 每个栅格并非都有相应的拟合平面，因此需要对所有栅格内的平面进行平滑处理。如图3所示，在8邻域栅格内，由于每个栅格的中心均位于环形线上，因此需要将栅格的中心点极坐标转换为直角坐标 ，其中， ， ，该 为第个栅格中心的圆环半径，该 为第 个栅格中心的方位角；若8邻域栅格内各栅格中心点的直角坐标依此为 ， ，……， ， ，8邻域中心位置的栅格坐标为
；根据高斯函数 ，可以得到8邻域栅格内各栅格权
重系数为：

[0072]

[0073] 其中， ， ；利用该权重系数，得到高斯平滑后的栅格平面的平面方程为：

[0074]

[0075] 其中， 为第i个环形栅格的平面方程；

[0076] S205、根据点云到栅格平面的欧氏距离，对点云进行过滤，得到初始地面点云；

[0077] 具体地，遍历点云到S204得到的平面方程的欧氏距离，若某个点云点到相应的栅格平面的欧氏距离 小于等于预设的距离阈值 ，则将该点云点确定为初始地面点，否则将该点云点确定为非地面点；遍历完毕后，得到初始地面点云；

[0078] S206、对初始地面点云进行NCUT聚类分割，得到精确的地面点云；

[0079] 具体地，步骤S205过滤得到的初始地面点云中可能包含：绿化带、积水坑、低矮路沿和低矮障碍物点云等非地面干扰点，需对其作进一步的分割，其中，绿化带和积水坑的点云反射强度明显不同于其他区域，低矮路沿和低矮障碍物的高度特征明显不同于地面区域，可综合利用这些特征对点云做NCUT聚类分割，滤除这些干扰点云；

[0080] 在实现时，按照S202的空间划分方式，共有672个栅格，首先将每个栅格内对应的初始地面点云看做不同的点云簇，共672个点云簇；其次，对3D初始地面点云降维，构建相应的2D高度特征图；然后，融合点云之间的欧式距离、高度特征距离和点云反射强度距离3个特征计算点云簇之间的相似度矩阵W[672,672]、度矩阵D[672,672]和拉普拉斯矩阵L[672,672]；最后，使用2‑way划分准则，对672个点云簇做更精确的聚类分割，滤除绿化带、积水坑、低矮路沿和低矮障碍物等非地面点云，进而得到更加精准的地面点云。

[0081] 本实施例方案中，能够适应激光雷达点云近处密集、远处稀疏的分布特性，空间划分更加合理；对栅格内的拟合平面进行筛选和平滑，可有效提前滤掉一些异常平面，同时使用高斯平滑栅格平面也有助于更精确地提取更贴近真实地面的点云，减少干扰点的误提取；对提取出的初始地面点云，融合欧式距离、高度特征距离和点云反射强度距离3个特征构建相似度矩阵，再次进行更加精确的NCUT谱聚类分割，滤除绿化带、积水坑、低矮路沿和低矮障碍物等非地面点云，从而有效提升地面检测的精度。

[0082] 与前述方法的实施例相对应，本申请还提供基于激光点云的地面检测装置及其应用的终端的实施例：

[0083] 如图4所示，图4是本申请实施例提供的一种基于激光点云的地面检测装置的框图，所述装置包括：

[0084] 划分模块41，用于将激光雷达采集到的点云分布到坐标对应的环形栅格中，并对每个环形栅格内的点云进行平面拟合，得到栅格平面；所述环形栅格是以所述激光雷达为圆心，以不同半径将空间划分为多个环形区域后，将每个环形区域均分成多个栅格而得到的；

[0085] 筛选模块42，用于根据各栅格平面与所述激光雷达所在坐标系中竖直朝上的坐标轴之间的夹角，对各栅格平面进行筛选，并根据点云到筛选后的栅格平面的欧氏距离，过滤得到初始地面点云；

[0086] 聚类模块43，用于对所述初始地面点云进行归一化谱聚类，得到目标地面点云。

[0087] 上述装置中各个模块的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。

[0088] 本申请还提供一种电子设备，请参见图5，图5为本申请实施例提供的一种电子设备的结构框图。电子设备可以包括处理器510、通信接口520、存储器530和至少一个通信总线540。其中，通信总线540用于实现这些组件直接的连接通信。其中，本申请实施例中电子设备的通信接口520用于与其他节点设备进行信令或数据的通信。处理器510可以是一种集成电路芯片，具有信号的处理能力。

[0089] 上述的处理器510可以是通用处理器，包括中央处理器 (CPU，CentralProcessingUnit)、网络处理器(NP，NetworkProcessor)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器510也可以是任何常规的处理器等。

[0090] 存储器530可以是，但不限于，随机存取存储器（RAM，RandomAccessMemory），只读存储器（ROM，Read Only Memory），可编程只读存储器（PROM ，Programmable Read‑Only Memory），可擦除只读存储器（EPROM ，Erasable Programmable Read‑Only Memory），电可擦除只读存储器（EEPROM ，Electric Erasable Programmable Read‑Only Memory）等。存储器530中存储有计算机可读取指令，当所述计算机可读取指令由所述处理器510执行时，电子设备可以执行上述图1方法实施例涉及的各个步骤。

[0091] 可选地，电子设备还可以包括存储控制器、输入输出单元。

[0092] 所述存储器530、存储控制器、处理器510、外设接口、输入输出单元各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通信总线540实现电性连接。所述处理器510用于执行存储器530中存储的可执行模块，例如电子设备包括的软件功能模块或计算机程序。

[0093] 输入输出单元用于提供给用户创建任务以及为该任务创建启动可选时段或预设执行时间以实现用户与服务器的交互。所述输入输出单元可以是，但不限于，鼠标和键盘等。

[0094] 可以理解，图5所示的结构仅为示意，所述电子设备还可包括比图5中所示更多或者更少的组件，或者具有与图5所示不同的配置。图5中所示的各组件可以采用硬件、软件或其组合实现。

[0095] 本申请实施例还提供一种存储介质，所述存储介质上存储有指令，当所述指令在计算机上运行时，所述计算机程序被处理器执行时实现方法实施例所述的方法，为避免重复，此处不再赘述。

[0096] 本申请还提供一种计算机程序产品，所述计算机程序产品在计算机上运行时，使得计算机执行方法实施例所述的方法。

[0097] 在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

[0098] 另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

[0099] 所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read‑Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

[0100] 以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

[0101] 以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

[0102] 需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。