本发明涉及点云处理，尤其涉及一种基于激光雷达的点云处理方法、机器人导航方法及装置。
背景技术：
1、激光雷达传感器作为最常见的传感器之一，在大多数情况下能够利用其光学原理，获得可靠的空间点云数据，但在环境中存在例如镜子或窗户等物体时，传感器容易因为反射现象而在数据中增加位置错误的噪点。并且由于玻璃的透明性，单帧点云往往仅能获得其平面极少部分的信息，导致激光建图算法无法识别属于透明玻璃区域，进而使识别结果中不包含透明玻璃区域。在移动机器人领域，传感器识别结果的不准确使得在后续的导航与路径规划环节存在一定地安全隐患。
2、现有技术大多依靠激光雷达的识别算法，仅考虑二维情况下对玻璃的识别与建图，且并未对反射点进行去除，进而导致点云识别不够准确；或者依靠多传感器融合的算法能对玻璃进行检测，但其范围与精度均受到限制，难以做到精准的定位；或者使用人工智能方法对点云数据中的玻璃进行检测，但该方法需要较高的计算性能。
3、综上所述，现有技术存在基于现有的激光雷达在存在反射性物体的情况下，难以获取准确的空间点云的问题。
技术实现思路
1、本发明提供一种基于激光雷达的点云处理方法、机器人导航方法及装置、电子设备及计算机可读存储介质，其主要目的在于解决基于现有的激光雷达在存在反射性物体的情况下，难以获取准确的空间点云的问题。
2、为实现上述目的，本发明提供的一种基于激光雷达的点云处理方法，包括：
3、获取激光雷达在空间内采集的点云数据；
4、根据所述点云数据进行双重回波和峰值检测，以实现从所述点云数据中拟合出潜在可反射平面点云；
5、根据多帧所述潜在可反射平面构建与更新全局可反射平面地图；
6、根据所述全局可反射平面地图对所述点云数据进行点云分类，得到多类点云数据。
7、本发明一实施例中，所述根据所述点云数据进行双重回波和峰值检测，以实现从所述点云数据中拟合出潜在可反射平面点云，包括：
8、从所述激光雷达进行双重回波检测得到的所述点云数据中确定对应的最强回波点云以及最后回波点云；
9、根据所述点云数据进行峰值检测，得到峰值规律点云；
10、根据所述最强回波点云、所述最后回波点云以及所述峰值规律点云对所述点云数据进行筛选，得到潜在可反射平面点。
11、本发明一实施例中，所述根据所述点云数据进行峰值检测，得到峰值规律点云，包括：
12、根据所述点云数据的脉冲强度进行划分，以确定多类强度点云；
13、对所述多类强度点云进行规律性分析，并根据规律性分析的结果从所述点云数据中筛选出峰值规则点云。
14、本发明一实施例中，所述根据所述最强回波点云、所述最后回波点云以及所述峰值规律点云对所述点云数据进行筛选，得到潜在可反射平面点云，包括：
15、根据所述最强回波点云与所述最后回波点云之间的差值与预设回波间隔阈值进行比较；
16、根据比较的结果以及所述最强回波点云确定潜在可反射平面点云；
17、将所述激光雷达在不同位姿信息下识别到的所述峰值规律点云作为潜在可反射平面点云。
18、本发明一实施例中，所述根据多帧所述潜在可反射平面构建与更新全局可反射平面地图，包括：
19、根据所述潜在可反射平面点云进行帧分类，得到多帧下的潜在可反射平面点云集合；
20、根据所述潜在可反射平面点云集合中的可反射平面点云进行平面拟合，得到可反射平面地图；
21、根据每一帧对应的所述可反射平面地图对应的位姿信息进行空间坐标转换，得到同一坐标系下的可反射平面地图；
22、根据每一帧对应的可反射平面地图进行更新优化，得到全局可反射平面地图。
23、本发明一实施例中，所述根据所述潜在可反射平面点云集合中的可反射平面点云进行平面拟合，得到可反射平面地图，包括：
24、从所述潜在可反射平面点云集合中选取目标拟合点云以及待筛选点云；
25、根据所述目标拟合点云生成拟合平面；
26、计算所述待筛选点云与所述拟合平面之间的距离；
27、根据所述距离对所述待筛选点云以及所述目标拟合点云进行更新；
28、根据更新后的所述目标拟合点更新所述拟合平面，并返回计算所述待筛选点云与所述拟合平面之间的距离的步骤，直至更新所述拟合平面达到预设更新条件，以得到可反射平面地图。
29、本发明一实施例中，所述根据所述全局可反射平面地图对所述点云数据进行点云分类，得到多类点云数据，包括：
30、计算所述点云数据与所述全局可反射平面地图之间的空间关系；
31、根据所述空间关系确定所述点云数据对应的类别，以得到多类点云数据。
32、为了解决上述问题，本发明还提供一种基于激光雷达的点云处理装置，所述装置包括：
33、数据采集模块，用于获取激光雷达在空间内采集的点云数据；
34、潜在可反射平面点云筛选模块，用于根据所述点云数据进行双重回波和峰值检测，以实现从所述点云数据中拟合出潜在可反射平面点云；
35、全局可反射平面地图构建模块，用于根据多帧所述潜在可反射平面构建与更新全局可反射平面地图；
36、点云分类模块，用于根据所述全局可反射平面地图对所述点云数据进行点云分类，得到多类点云数据。
37、为了解决上述问题，本发明还提供一种机器人导航方法，所述方法包括：
38、获取根据上述所述的基于激光雷达的点云处理方法所获得的多类点云数据；
39、根据所述多类点云数据对激光雷达在空间内采集的点云数据进行点云筛选，得到规划点云；
40、根据所述规划点云生成规划路径，并控制机器人根据所述规划路径进行导航。
41、为了解决上述问题，本发明还提供一种机器人导航装置，所述装置包括：
42、点云数据获取模块，获取根据上述所述的基于激光雷达的点云处理方法所获得的多类点云数据；
43、规划点云筛选模块，用于根据所述多类点云数据对激光雷达在空间内采集的点云数据进行点云筛选，得到规划点云；
44、路径规划模块，用于根据所述规划点云生成规划路径，并控制机器人根据所述规划路径进行导航。
45、为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
46、至少一个处理器；以及，
47、与所述至少一个处理器通信连接的存储器；其中，
48、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于激光雷达的点云处理方法的步骤。
49、为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于激光雷达的点云处理方法的步骤。
50、本发明根据点云数据进行双重回波和峰值检测，能够更加全面的获取潜在可反射平面点云；通过多帧可反射平面拟合获得全局可反射平面地图，保证了可反射平面地图生成的准确性，进而保证了基于点云数据已经全局可反射平面地图进行点云分类时的准确性。因此本发明提出的基于激光雷达的点云处理方法、机器人导航方法及装置、电子设备及计算机可读存储介质，可以解决基于现有的激光雷达在存在反射性物体的情况下，难以获取准确的空间点云的问题。
1.一种基于激光雷达的点云处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于激光雷达的点云处理方法，其特征在于，所述根据所述点云数据进行双重回波和峰值检测，以实现从所述点云数据中拟合出潜在可反射平面点云，包括：
3.根据权利要求2所述的基于激光雷达的点云处理方法，其特征在于，所述根据所述点云数据进行峰值检测，得到峰值规律点云，包括：
4.根据权利要求2所述的基于激光雷达的点云处理方法，其特征在于，所述根据所述最强回波点云、所述最后回波点云以及所述峰值规律点云对所述点云数据进行筛选，得到潜在可反射平面点云，包括：
5.根据权利要求1所述的基于激光雷达的点云处理方法，其特征在于，所述根据多帧所述潜在可反射平面构建与更新全局可反射平面地图，包括：
6.根据权利要求5所述的基于激光雷达的点云处理方法，其特征在于，所述根据所述潜在可反射平面点云集合中的可反射平面点云进行平面拟合，得到可反射平面地图，包括：
7.根据权利要求1所述的基于激光雷达的点云处理方法，其特征在于，所述根据所述全局可反射平面地图对所述点云数据进行点云分类，得到多类点云数据，包括：
8.一种基于激光雷达的点云处理装置，其特征在于，所述装置包括：
9.一种机器人导航方法，其特征在于，所述方法包括：
10.一种机器人导航装置，其特征在于，所述装置包括：
