本申請實施例提供一種基于點云的桿狀物識別方法、裝置、設備及存儲介質，通過獲取點云，并對所述點云按照高度進行切片；基于預設的桿狀物的特征，對每個切片中的點云進行聚類分析，獲得候選點集合；采用預設的生長規則對所述候選點集合中的點進行生長操作，得到桿狀物的點云，以根據所述桿狀物的點云識別獲得所述桿狀物。本申請實施例提供的技術方案能夠在不借助識別模型的情況下就能夠實現對桿狀物的識別。

技術領域

本申請實施例涉及自動駕駛技術領域，尤其涉及一種基于點云的桿狀物識別方法、裝置、設備及存儲介質。

背景技術

自動駕駛技術需要依賴高精地圖，車輛可以基于高精地圖中的道路信息行駛，因此，高精地圖中的道路信息需要非常準確，才能夠保證無人駕駛車輛安全行駛。

而制作高精地圖需要采集道路元素，如紅綠燈等。現有技術中，可以將點云中的桿狀物提取出來，再從桿狀物中識別出紅綠燈結構。目前提取桿狀物精度最高的方案是基于學習的方案，但這類方法一方面需要大量的樣本輸入才能得到比較穩定的模型，另一方面會產生大量的雜點，不利于后續進一步矢量化的工作。

發明內容

本申請實施例提供一種基于點云的桿狀物識別方法、裝置、設備及存儲介質，用以在不借助識別模型的前提下，實現對桿狀物的識別。

本申請實施例第一方面提供一種基于點云的桿狀物識別方法，包括：獲取點云，并對所述點云按照高度進行切片；基于預設的桿狀物的特征，對每個切片中的點云進行聚類分析，獲得候選點集合；采用預設的生長規則對所述候選點集合中的點進行生長操作，得到桿狀物的點云，以根據所述桿狀物的點云識別獲得所述桿狀物。

本申請實施例第二方面提供一種桿狀物的識別裝置，包括：獲取模塊，用于獲取點云，并對所述點云按照高度進行切片；聚類分析模塊，用于基于預設的桿狀物的特征，對每個切片中的點云進行聚類分析，獲得候選點集合；生長模塊，用于采用預設的生長規則對所述候選點集合中的點進行生長操作，得到桿狀物的點云，以根據所述桿狀物的點云識別獲得所述桿狀物。

本申請實施例第三方面提供一種計算機設備，包括：一個或多個處理器；存儲裝置，用于存儲一個或多個程序，當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如上述第一方面所述的方法。

本申請實施例第四方面提供一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現如上述第一方面所述的方法。

基于以上各方面，本申請實施例通過對獲取到的點云按照高進行切片，并基于預設的桿狀物的特征對每個切片中的點云進行聚類分析，獲得候選點集合，采用預設的生長規則對候選點集合中的點進行生長操作，得到桿狀物的點云，從而根據所述桿狀物的點云識別獲得所述桿狀物。由于本申請實施例中是通過確定候選點，基于候選點采用生長的方式來獲得桿狀物結構的，不需要通過學習的方法預先訓練識別模型，因此，節約了標注樣本以及訓練模型的工作，節約了成本。并且本申請實施例的技術方案相較于現有基于識別模型的方案，在提取桿狀物點云時能夠得到較少的雜點，對后續基于桿狀物結構識別交通燈的操作產生較小的影響，提高交通燈識別的準確性。

應當理解，上述發明內容部分中所描述的內容并非旨在限定本申請的實施例的關鍵或重要特征，亦非用于限制本申請的范圍。本公申請的其它特征將通過以下的描述變得容易理解。

附圖說明

圖1是現有技術提供的一種桿狀物的識別場景示意圖；

圖2是本申請實施例提供的一種基于點云的桿狀物識別方法的流程圖；

圖3是本申請實施例提供的一種切片操作的示意；

圖4是本申請實施例提供的又一種切片操作的示意圖；

圖5是本申請實施例提供的又一種切片操作的示意圖；