本申请涉及目标检测，特别是涉及一种点云检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
背景技术：
1、在基于激光雷达点云的目标检测算法中，需要通过算法模型将激光点云检测为关注的目标（如车辆、行人、非机动车等），正常情况下，激光点云为大量激光射到目标后反射形成的点云，所以点云中的点基本可以认定是有目标存在的。但是存在一种特殊的情况，即点云中的点并非真实存在目标，是由于特殊场景的高反目标反射导致激光雷达传感器误将非真实目标回波认定为真实目标回波的一种情况，最终导致原本没有目标的位置却形成点云。当这类点云变多之后，很多场景人眼都很难分辨此类点云，这种情况下便可能存在模型误识别的问题，进而影响实际行车的检测结果的准确性。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高点云检测结果的准确性的点云检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种点云检测方法，所述方法包括：
3、获取激光雷达当前采集的扫描点云；
4、基于预设区域、预设反射率和预设数量，对所述扫描点云中的扫描点进行聚类处理，得到至少一个初始扫描高反点集合；
5、基于所述初始扫描高反点集合中的高反点在激光雷达坐标系中的位置坐标，确定所述初始扫描高反点集合相应的第一噪点检测区域；
6、将所述第一噪点检测区域中的扫描点确定为噪点，并基于等比例下采样的滤波模型，对所述扫描点云中的噪点进行过滤；
7、将过滤后的扫描点云输入至训练后的目标点云检测模型，获得第一点云检测结果。
8、在其中一个实施例中，所述基于预设区域、预设反射率和预设数量，对所述扫描点云中的扫描点进行聚类处理，得到至少一个初始扫描高反点集合，包括：
9、针对所述扫描点云中的每一扫描点，在所述扫描点位于所述预设区域中、且所述扫描点的反射率大于所述预设反射率的情况下，将所述扫描点确定为高反点；
10、在所述高反点的数量大于所述预设数量的情况下，基于欧几里得聚类模型和聚类容差，对所述高反点进行聚类处理，得到至少一个初始扫描高反点集合。
11、在其中一个实施例中，所述方法还包括：
12、在所述高反点的数量不大于所述预设数量的情况下，将所述扫描点云输入至所述目标点云检测模型，获得第二点云检测结果。
13、在其中一个实施例中，所述基于所述初始扫描高反点集合中的高反点在激光雷达坐标系中的位置坐标，确定所述初始扫描高反点集合相应的第一噪点检测区域，包括：
14、针对每一初始扫描高反点集合中的所有高反点，获取所有高反点在所述激光雷达坐标系中每一坐标轴上的最大坐标值和最小坐标值，所述激光雷达坐标系包括第一坐标轴、第二坐标轴和第三坐标轴，所述第一坐标轴平行于车辆行驶方向且与地面平行，所述第二坐标轴垂直于所述第一坐标轴且与地面平行，所述第三坐标轴与地面垂直；
15、基于所述第一坐标轴相应的最大坐标值和最小坐标值、所述第二坐标轴相应的最大坐标值和最小坐标值、所述第三坐标轴相应的预设坐标值范围、以及每一坐标轴相应的膨胀系数，确定第一噪点检测区域。
16、在其中一个实施例中，所述目标点云检测模型的训练过程，包括：
17、获取不同行驶场景下所述激光雷达扫描得到的样本点云和每一样本点云相应的标签；
18、从所述样本点云中筛选出初始样本高反点集合，并基于所述初始样本高反点集合中每一高反点在所述激光雷达坐标系中的位置坐标，确定所述初始样本高反点集合的尺度；
19、在所述初始样本高反点集合的尺度大于预设尺度、且所述初始样本高反点集合中高反点的数量大于所述预设数量的情况下，将所述初始样本高反点集合确定为目标样本高反点集合，并确定所述目标样本高反点集合相应的第二噪点检测区域；
20、将所述第二噪点检测区域中的样本点确定为噪点，并基于等比例下采样的滤波模型，对所述样本点云中的噪点进行过滤；
21、将所述样本点云和过滤后的样本点云确定为待输入点云，并基于所述待输入点云和相应的标签对点云检测模型进行微调训练。
22、在其中一个实施例中，所述方法还包括：
23、在每一轮的训练过程中，基于预设概率模型，随机将所述样本点云和所述过滤后的样本点云作为待输入点云，输入至相应的当前点云检测模型；
24、在所述待输入点云位于所述第二噪点检测区域中的情况下，基于所述第二噪点检测区域相应的区域权重，确定所述待输入点云相应的损失值，并基于所述损失值对所述当前点云检测模型的模型参数进行更新。
25、第二方面，本申请还提供了一种点云检测装置，所述装置包括：
26、获取模块，用于获取激光雷达当前采集的扫描点云；
27、聚类模块，用于基于预设区域、预设反射率和预设数量，对所述扫描点云中的扫描点进行聚类处理，得到至少一个初始扫描高反点集合；
28、第一确定模块，用于基于所述初始扫描高反点集合中的高反点在激光雷达坐标系中的位置坐标，确定所述初始扫描高反点集合相应的第一噪点检测区域；
29、第二确定模块，用于将所述第一噪点检测区域中的扫描点确定为噪点，并基于等比例下采样的滤波模型，对所述扫描点云中的噪点进行过滤；
30、输入模块，用于将过滤后的扫描点云输入至训练后的目标点云检测模型，获得第一点云检测结果。
31、第三方面，本申请还提供了一种计算机设备。计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述的任意一个实施例中的方法的步骤。
32、第四方面，本申请还提供了一种计算机可读存储介质。计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述的任意一个实施例中的方法的步骤。
33、第五方面，本申请还提供了一种计算机程序产品。计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述的任意一个实施例中的方法的步骤。
34、上述点云检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，获取激光雷达当前采集的扫描点云；基于预设区域、预设反射率和预设数量，对扫描点云中的扫描点进行聚类处理，得到至少一个初始扫描高反点集合；基于初始扫描高反点集合中的高反点在激光雷达坐标系中的位置坐标，确定初始扫描高反点集合相应的第一噪点检测区域；将第一噪点检测区域中的扫描点确定为噪点，并基于等比例下采样的滤波模型，对扫描点云中的噪点进行过滤；将过滤后的扫描点云输入至训练后的目标点云检测模型，获得第一点云检测结果。本申请提供的方法，能够有效去除扫描点中由于高反目标反射形成的噪点，从而提高点云扫描结果的准确性。
1.一种点云检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于预设区域、预设反射率和预设数量，对所述扫描点云中的扫描点进行聚类处理，得到至少一个初始扫描高反点集合，包括：
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求2所述的方法，其特征在于，所述基于所述初始扫描高反点集合中的高反点在激光雷达坐标系中的位置坐标，确定所述初始扫描高反点集合相应的第一噪点检测区域，包括：
5.根据权利要求1所述的方法，其特征在于，所述目标点云检测模型的训练过程，包括：
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
7.一种点云检测装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
