一种基于多线激光雷达的3D点云分割方法技术

本发明专利技术公开了一种基于多线激光雷达的3D点云分割方法，包括步骤：1)利用多线激光雷达扫描360°范围内的3D点云数据,建立笛卡尔坐标系OXYZ，将3D点云数据转换到笛卡尔坐标系下，对笛卡尔坐标系下的3D点云数据进行预处理，确定3D点云数据中的感兴趣区域；2)利用近邻点的统计特性滤除感兴趣区域中的悬空障碍点；3)构建极坐标网格地图，将滤除悬空障碍点后的3D点云数据映射到极坐标网格地图中，然后从极坐标网格地图中的3D点云数据中分割出非地面点云数据；4)将非地面点云数据利用八叉树进行体素化，采用基于八叉树体素网格的区域生长方法进行聚类分割。本发明专利技术能提高运算效率，检测精度高，可靠性强，可以广泛在车辆环境感知技术领域中应用。

【技术实现步骤摘要】

本专利技术涉及雷达点云数据处理
，特别涉及一种基于多线激光雷达3D点云数据的分割方法。
技术介绍
近年来，由于Velodyne等3D激光传感器可以获得精确的深度信息并且不受光照、天气变化等复杂环境因素的影响，在无人驾驶车的环境感知、三维重建等领域得到了广泛的应用。利用Velodyne等多线激光传感器对周围场景进行扫描得到的3D点云数据中，包含了传感器周围环境中几乎所有物体的反射数据。通过对扫描得到的点云数据进行相应的处理，就可以达到对扫描场景中障碍物检测和识别的目的。由于传感器自身的原因偶尔会遇到少数雷达错误反射点，而这些错误点往往是单点孤立存在的；还有一些是悬空小障碍物如悬挂的树枝，小飞虫等等，也会引入一些障碍误检。在无人驾驶车路径规划中，若是碰到这些异常点就会使自主车紧急刹车，致使无人驾驶车辆无法通行的假象，因此需要采用一种有效的方法对采集的点云进行预处理以消除这些异常点，提高检查准确率。在城市场景中最常见的障碍物有车辆、行人、交通信号灯、建筑物等等，这些障碍物都是建立在地面之上，所以在在对这些目标进行分割之前首先必须将地面提取出来，否则地面点的存在会使所有地面上的物体相互连接在一起，无法完成分割。现有的地面分割方法主要有基于障碍栅格的检测的方法、基于极坐标网格线性拟合、面拟合的方法、基于扫描线梯度的方法。基于障碍栅格的检测方法优点在于将三维信息降低到二维信息，大大降低了传感器数据分析的复杂度和计算量，有较好的稳定性和实时性，但是由于障碍栅格判定和滤波严格，减少了误检点，但是由于雷达点云分布不均匀，特别是在远处，雷达三维点云稀疏，容易导致远处的栅格因部分点云缺少而出现漏检。基于极坐标网格线拟合、面拟合的方法，虽然解决了雷达点云分布不均的影响，但是由于拟合过程需要不断迭代，影响实时性。基于扫描线梯度的方法在点云分割中需要建立复杂的邻域关系和提取复杂的特征，并且基于扫描线梯度的方法，在近处时，由于雷达的分辨率较高，点云密集，当点离得比较近时，只要稍微凸起的高度差就可能得到较大的梯度值，因此在雷达近处的点云分割中有可能将小凸起的地面点误检成障碍点。在对非地面的点云聚类分割时，最常用的就是分割方式有基于欧式距离的聚类分割、基于k-近邻区域生长的方式、基于栅格投影后采用近邻搜索的方式等，基于欧式距离和k近邻区域生长的方式方法复杂度低、易于实现，但是需要对每个点进行近邻搜索，对于Velodye等每秒可产生百万点云的深度传感器来说，分割难以满足实时性的要求；对于栅格投影的分割方法，将非地面点投影到平面栅格上，以栅格为聚类对象通过八邻域搜索的方式聚类，避免了对每个点云都进行聚类，对于具有大量点云的数据的聚类来说，提高了计算速度，但是，当多个障碍重叠时(如在树下的车辆)，点云的投影会将两个障碍物叠加在一起，难以分开。
技术实现思路
针对上述现有技术存在的问题或缺陷，本专利技术的目的在于，提供。一种基于八叉树体素区域生长的点云聚类分割算法。为了实现上述目的，本专利技术采用如下技术方案：一种基于多线激光雷达的3D点云分割方法，包括以下步骤：步骤1，利用安装在车辆顶部的多线激光雷达扫描360°范围内的3D点云数据,建立笛卡尔坐标系OXYZ，将3D点云数据转换到笛卡尔坐标系下，对笛卡尔坐标系下的3D点云数据进行预处理，确定3D点云数据中的感兴趣区域；步骤2，利用近邻点的统计特性滤除所述感兴趣区域中的悬空障碍点；步骤3，构建极坐标网格地图，将所述的滤除悬空障碍点后的3D点云数据映射到极坐标网格地图中，然后从极坐标网格地图中的3D点云数据中分割出非地面点云数据；步骤4，将所述的非地面点云数据映射到3D体素网格中，对非地面点云数据进行聚类分割。所述步骤1中，构建所述笛卡尔坐标系OXYZ的具体过程包括：在多线激光雷达位于水平面上处于静止状态时，以所述激光雷达为中心点，以激光雷达的垂直轴线方向为Z轴，以扫描起始平面的水平射线方向为X轴，Y轴是由Z轴和X轴根据右手螺旋定则确定。所述步骤1中，对所述笛卡尔坐标系下的3D点云数据进行预处理是指保留范围在-20m<X<20m,-50m<Y<50m,-3m<Z<3m范围内的3D点云数据。所述步骤2中，利用近邻点的统计特性滤除所述感兴趣区域中的悬空障碍点：(2-1)将步骤1得到的感兴趣区域中的3D点云数据以Octree的数据结构进行存储；(2-2)将3D点云数据分割为三维阵列，将3D点云数据中的每一点依次作为当前点，在半径为L的360°范围内找到该当前点在8邻域内所有的3D点云数据记为近邻点；(2-3)设置阈值Threshold，比较所述的近邻点数与阈值Threshold，若近邻点数小于阈值Threshold，则该近邻点对应的当前点为标记为悬空点，并滤除该悬空点。所述步骤3中，构建所述极坐标网格地图的方法为：以笛卡尔坐标系OXYZ的原点为中心点，以Z轴为中心对称轴，建立半径为R的极坐标网格地图，将网格地图划分为M个等圆周的扇形，每个扇形的圆周角为:Δα＝360°/M。所述步骤3中，在极坐标网格地图下，从步骤2中得到的滤除悬空障碍点的3D点云数据中分割出非地面点云数据的具体方法过程包括：(3-1)在所述极坐标网格地图中每个划分的扇形中，将距离极坐标网格地图中心点5至R米范围内的区域划分为N个栅格，栅格的分辨率为Δd＝(R-5)/N；(3-2)计算落入每个栅格内的3D点云数据的最大高度差和平均高度；(3-3)设置阈值thresh1和thresh2，依次将所有栅格分别作为当前栅格，判断当前栅格内3D点云数据的最大高度差、平均高度与阈值thresh1、thresh2的大小关系，若最大高度差小于thresh1且平均高度也小于thresh2，则当前栅格标记为地面栅格，否则标记为非地面栅格；(3-4)在以极坐标网格地图中心点为原点半径为20米的圆形区域内，设置阈值thresh3，依次从步骤(3-3)中标记为非地面栅格中选取一个作为当前非地面栅格，若当前非地面栅格3*3邻域内的栅格全部为被标记为地面栅格，且该当前非地面栅格内的3D点云数据个数小于thresh3，则将当前非地面栅格标记为地面栅格；(3-5)将所有标记为地面栅格内的3D点云数据滤除，剩下3D点云数据的则为非地面3D点云数据。进一步地，步骤4中，对非地面点云数据进行聚类分割的具体方法过程包括：(4-1)采用八叉树数据结构将步骤三得到的非地面3D点云数据体素化，将3D点云数据分割成叶节点，计算每个叶节点的剩余值，并形成叶节点集V；(4-2)设定循环次数a＝1；(4-3)将剩余值最小的叶节点作为当前种子节点vi，其中vi∈V，设定种子节点集Sc和当前生长节点集Rc，将该当前种子节点vi从V中取出并放入Sc和Rc中；(4-4)查找当前种子节点的近邻叶节点vj，设定阈值θth，若vj∈V且vj与vi的法向量夹角小于θth，则将vj从V中取出并放入Rc中；(4-5)设定阈值若rth，若vj的剩余值小于rth，则将vj放入Sc中。(4-6)将vi从Sc中移除；(4-7)重复步骤(4-3)、(4-4)、(4-5),直到Sc为空集，将中的叶节点全部放入至Ra，其中a为循环次数，Ra为第a个分割区域；(4-8)将a的值加1本文档来自技高网...

【技术保护点】
一种基于多线激光雷达的3D点云分割方法，其特征在于，包括以下步骤：步骤1，利用多线激光雷达扫描360°范围内的3D点云数据,建立笛卡尔坐标系OXYZ，将3D点云数据转换到笛卡尔坐标系下，对笛卡尔坐标系下的3D点云数据进行预处理，确定3D点云数据中的感兴趣区域；步骤2，利用近邻点的统计特性滤除所述感兴趣区域中的悬空障碍点；步骤3，构建极坐标网格地图，将所述的滤除悬空障碍点后的3D点云数据映射到极坐标网格地图中，然后从极坐标网格地图中的3D点云数据中分割出非地面点云数据；步骤4，将步骤3得到的非地面点云数据利用八叉树进行体素化，采用基于八叉树体素网格的区域生长方法进行聚类分割。

【技术特征摘要】
1.一种基于多线激光雷达的3D点云分割方法，其特征在于，包括以下步骤：步骤1，利用多线激光雷达扫描360°范围内的3D点云数据,建立笛卡尔坐标系OXYZ，将3D点云数据转换到笛卡尔坐标系下，对笛卡尔坐标系下的3D点云数据进行预处理，确定3D点云数据中的感兴趣区域；步骤2，利用近邻点的统计特性滤除所述感兴趣区域中的悬空障碍点；步骤3，构建极坐标网格地图，将所述的滤除悬空障碍点后的3D点云数据映射到极坐标网格地图中，然后从极坐标网格地图中的3D点云数据中分割出非地面点云数据；步骤4，将步骤3得到的非地面点云数据利用八叉树进行体素化，采用基于八叉树体素网格的区域生长方法进行聚类分割。2.如权利要求1所述的基于多线激光雷达的3D点云分割方法，其特征在于，所述步骤1中，构建所述笛卡尔坐标系OXYZ的具体过程包括：在多线激光雷达位于水平面上处于静止状态时，以所述激光雷达为中心点，以激光雷达的垂直轴线方向为Z轴，以扫描起始平面的水平射线方向为X轴，Y轴是由Z轴和X轴根据右手螺旋定则确定。3.如权利要求2所述的基于多线激光雷达的3D点云分割方法，其特征在于，所述步骤1中，对所述笛卡尔坐标系下的3D点云数据进行预处理是指保留范围在-20m<X<20m,-50m<Y<50m,-3m<Z<3m范围内的3D点云数据。4.如权利要求1所述的基于多线激光雷达的3D点云分割方法，其特征在于，所述步骤2中，利用近邻点的统计特性滤除所述感兴趣区域中的悬空障碍点的过程包括：(2-1)将步骤1得到的感兴趣区域中的3D点云数据以Octree的数据结构进行存储；(2-2)将3D点云数据分割为三维阵列，将3D点云数据中的每一点依次作为当前点，在半径为L的360°范围内找到该当前点在8邻域内所有的3D点云数据记为近邻点；(2-3)设置阈值Threshold，比较所述的近邻点数与阈值Threshold，若近邻点数小于阈值Threshold，则该近邻点对应的当前点为标记为悬空点，并滤除该悬空点。5.如权利要求1所述的基于多线激光雷达的3D点云分割方法，其特征在于，所述步骤3中，构建所述极坐标网格地图的方法为：以笛卡尔坐标系OXYZ的原点为中心点，以Z轴为中心对称轴，建立半径为R的极坐标网格地图，将网格地图划分为M个等圆周的扇形，每个扇形的圆周角为:Δα＝360°/M。6.如权利要求5所述的所述的基于多线激光雷达的3D点云分割方法，其特征在于，所述步骤3中，在极坐标网格地图下，从步骤2中得到的滤除悬空障碍点的3D点云数据中分割出非地面点云数据的具体方法过程包括：(3-1)在所述极坐标网格地图中每个划分的扇形中，将距离极坐标网格地图中心点5至R米范围内的区域划分为N个栅格，栅格的分辨率为Δd＝(R-5)/N；(3-2)计算落入每个栅格内的3D点云数据的最大高度差和平均高度；(3-3)设置阈值thresh1和thresh2，依次将所有栅格分别作为当前栅格，判断当前栅格内3D点云数据的最大高度差、平均高度与阈值thresh1、thresh2的大小关系，若最大高度差小于thresh1且平均高度也小于thresh2，则当前栅格标记为地面栅格，否则标记为非地面栅格；(3-4)在以极坐标网格地图中心点为原点半径为20米的圆形区域内，设置阈值thresh3，依次从步骤(3-3)中标记为非地面栅格中选取一个作为当前非地面栅格，若当前非地面栅格3*3邻域内的栅格全部为被标记为地面栅格，且该当前非地面栅格内的3D点云数据个数小于thresh3，则将当前非地面栅格标记为地面栅格；(3-5)将所有标记为地面栅格内的3D点云数据滤除，剩下3D点云...

【专利技术属性】
技术研发人员：赵祥模，徐志刚，孙朋朋，闵海根，李骁驰，王润民，吴霞，
申请(专利权)人：长安大学，
类型：发明
国别省市：陕西;61