(19)中华 人民共和国 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 202111645438.1 (22)申请日 2021.12.2 9 (71)申请人 浙江大华 技术股份有限公司 地址 310051 浙江省杭州市滨江区滨安路 1187号 (72)发明人 傅佳安　张凯　李乾坤　 (74)专利代理 机构 北京康信知识产权代理有限 责任公司 1 1240 代理人 张丹红 (51)Int.Cl. G06T 7/00(2017.01) G06T 3/00(2006.01) G06T 7/60(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 地面点云的确定方法、 装置、 存储介质及电 子装置 (57)摘要 本发明实施例提供了一种地面点云的确定 方法、 装置、 存储介质及电子装置， 其中， 该方法 包括： 通过激光雷达采集点云数据， 得到点云数 据集合； 将点云数据集合中的点 云数据输入目标 神经网络模 型， 得到目标神经网络模 型输出的目 标平面参数； 根据目标平面参数， 确定点云数据 集合中的地面点云数据。 通过本发明， 解决了地 面点云的检测准确率较低问题， 进而达到了提高 地面点云的检测准确率的效果。 权利要求书2页 说明书9页 附图3页 CN 114299029 A 2022.04.08 CN 114299029 A 1.一种地 面点云的确定方法， 其特 征在于， 包括： 通过激光雷达采集 点云数据， 得到点云数据集 合； 将所述点云数据集合中的点云数据输入目标神经网络模型， 得到所述目标神经网络模 型输出的目标平面参数， 其中， 所述 目标神经网络模型是使用训练点云数据训练得到的神 经网络模型， 所述 目标神经网络模型满足预设收敛条件， 所述预设收敛条件是所述 目标神 经网络模型输出的预估平面参数， 与所述训练点云数据对应的实际平面参数之 间的损失值 小于或等于预设值； 根据所述目标平面 参数， 确定所述 点云数据集 合中的地 面点云数据。 2.根据权利要求1所述的方法， 其特征在于， 所述将所述点云数据集合中的点云数据输 入目标神经网络模型， 得到所述目标神经网络模型输出的目标平面 参数， 包括： 将所述点云数据集合中的点云数据输入目标神经网络模型， 通过所述目标神经网络模 型的体素化网络层、 卷积层， 以及高度压缩网络层对所述云数据集合中的点云数据进行处 理， 得到所述目标神经网络模型输出的所述目标平面 参数。 3.根据权利要求2所述的方法， 其特征在于， 所述通过所述目标神经网络模型的体素化 网络层、 卷积层， 以及高度压缩网络层 对所述云数据集合中的点云数据进 行处理， 得到所述 目标神经网络模型输出的所述目标平面 参数， 包括： 将所述点云数据集合中的点云数据输入所述体素化网络层， 通过所述体素化网络层对 所述点云数据集 合进行体素化， 得到所述体素化网络层输出的体素 数据集合； 将所述体素数据集合输入3D卷积层， 通过所述3D卷积层对所述体素数据集合进行特征 提取， 得到三维特 征数据集合， 其中， 所述卷积层包括所述3D卷积层； 将所述三维特征数据集合输入所述高度压缩网络层， 通过所述高度压缩 网络层和2D卷 积层， 得到所述目标平面 参数， 其中， 所述卷积层包括所述2D卷积层。 4.根据权利要求3所述的方法， 其特征在于， 所述将所述三维特征数据集合输入所述高 度压缩网络层， 通过 所述高度压缩网络层和2D卷积层， 得到所述目标平面 参数， 包括： 将所述三维特征数据集合输入所述高度压缩 网络层， 通过所述高度压缩 网络层对所述 三维特征数据集合中的高度特征数据进行压缩， 得到所述高度压缩网络层输出的二 维特征 数据集合； 将所述二维特征数据集合输入所述2D卷积层， 通过所述2D卷积层对所述二维特征数据 集合进行回归处 理， 得到所述目标平面 参数。 5.根据权利要求1所述的方法， 其特征在于， 所述根据所述目标平面参数， 确定所述点 云数据集 合中的地 面点云数据， 包括： 根据所述目标平面 参数确定目标平面； 将所述点云数据集合中位于所述目标平面上的点云数据确定为所述地面点云数据； 或 者， 将所述点云数据集合中位于所述目标平面上的点云数据， 以及与所述目标平面之间的 距离小于或等于预设距离的点云数据为所述 地面点云数据。 6.根据权利要求1至5中任一项所述的方法， 其特征在于， 在所述将所述点云数据集合 中的点云数据输入目标神经网络模型之前， 所述方法还 包括： 获取所述训练点云数据对应的实际平面 参数；权　利　要　求　书 1/2 页 2 CN 114299029 A 2通过所述训练点云数据对初始神经网络模型进行N 次迭代训练， 获取第 N次迭代训练得 到的神经网络模型输出的预估平面 参数； 在预估平面与实际平面之间的夹角小于或等于预设夹角， 且所述预估平面与 所述实际 平面之间的高度差小于或等于预设高度的情况下， 将所述第N次迭代训练得到的神经网络 模型确定为所述目标神经网络模型， 其中， 所述预估平面是根据所述预估平面参数得到的 平面， 所述实际平面是根据所述实际平面 参数得到的平面。 7.一种地 面点云的确定装置， 其特 征在于， 包括： 采集模块， 用于通过激光雷达采集 点云数据， 得到点云数据集 合； 输入模块， 用于将所述点云数据集合中的点云数据输入目标神经网络模型， 得到所述 目标神经网络模型输出 的目标平面参数， 其中， 所述 目标神经网络模型是使用训练点云数 据训练得到的神经网络模型， 所述 目标神经网络模型满足预设收敛条件， 所述预设收敛条 件是所述目标神经网络模型输出的预估平面参数， 与所述训练点云数据对应的实际平面参 数之间的损失值小于或等于预设值； 确定模块， 用于根据所述目标平面 参数， 确定所述 点云数据集 合中的地 面点云数据。 8.根据权利要求7 所述的装置， 其特 征在于， 所述输入 模块还用于： 将所述点云数据集合中的点云数据输入目标神经网络模型， 通过所述目标神经网络模 型的体素化网络层、 卷积层， 以及高度压缩网络层对所述云数据集合中的点云数据进行处 理， 得到所述目标神经网络模型输出的所述目标平面 参数。 9.一种存储介质， 其特征在于， 所述存储介质中存储有计算机程序， 其中， 所述程序可 被终端设备或计算机运行时执 行所述权利要求1至 6任一项中所述的方法。 10.一种电子装置， 包括存储器和 处理器， 其特征在于， 所述存储器中存储有计算机程 序， 所述处理器被设置为运行所述计算机程序以执行所述权利要求 1至6任一项中所述的方 法。权　利　要　求　书 2/2 页 3 CN 114299029 A 3