本发明专利技术涉及一种基于线结构激光点云的边缘点提取方法和装置，步骤一、根据获取的线结构激光点云坐标，构建窗口，提取局部点云P；步骤二、在P中，确定旋转角度θ；步骤三、将归一化后的激光点云坐标，按照旋转角度θ，整体进行线性变换，求取变换后点云中Y坐标的最大值和最小值，并判断获取候选边缘特征点k1；步骤四、滑动窗口，从第二个点继续提取局部点云，提取此次候选特征点k2；步骤五、判断相邻两个窗口提取的特征点k2与k1是否为同一个点。本发明专利技术所提出的加窗提取局部点云处理，大大降低了参与运算的点云数量，从而提高了计算效率和提取准确度。首先对局部坐标的归一化处理，确保在点云提取过程中坐标值大小不同对其造成的影响。
【技术实现步骤摘要】
一种基于线结构激光点云的边缘点提取方法和装置
本专利技术涉及激光点云数据处理
，具体涉及一种基于线结构激光点云的边缘点提取方法和装置。
技术介绍
客观世界是空间三维的，随着数字化发展，需要对客观世界的物体进行三维重构，在计算机中对重构结果进行各种应用处理。较之传统测绘手段，激光扫描技术方便快捷，大大简化了复杂的建模过程，可快速重建三维环境，被广泛应用于实际生活，在数字城市、无人驾驶、虚拟现实、逆向工程等领域取得了重要的应用成果。在扫描重构过程中，激光雷达LiDAR(LightDetectionandRanging)是重要的数据采集器件，其主要通过高频测距和扫描测角实现对目标轮廓的三维成像。利用激光雷达对客观世界的物体进行测量后，得到一系列物体表面点在空间中离散三维坐标值，称为点云，经过数据处理、去噪形成被测目标和环境的空间模型。目前常用的激光雷达产品按照激光线可分为1线、4线、8线、16线、32线和64线雷达，多个激光线在竖直方向沿不同角度发出，在水平方向内实现360度可调的三维轮廓探测。多个扫描线相当于多个倾角的扫描平面，因此垂直视场内激光线越多，其角度分辨率越高，点云密度越大。针对获得的点云数据，如何获取所关注的目标点云、区分目标点云与背景环境点云是环境感知进一步应用的关键。根据客观条件可知，目标点云与环境点云在分界处有明显的特征，同时目标本身的一些特征也会反映在点云数据中，这些特征就是点云边缘。因此如何提取点云边缘对实现目标点云的完整分割、目标识别具有至关重要的作用。激光雷达可主动获得海量的点云数据，如果直接利用这些空间数据进行特征提取，会耗费大量时间，同时降低提取效率。针对目前激光雷达在测量时通常为多线扫描测量，如果可以针对其中的某条扫描线单独进行边缘特征提取，会大大降低计算时间，提高计算效率。
技术实现思路
针对上述情况，本专利技术提出一种基于线结构激光点云的边缘点提取方法和装置，本专利技术利用了局部边缘的数学特征，即认为，如果某点是边缘点，则在包含该点的所有局部点云中，经过本专利技术所提出的线性变换后，都具有最值特性，以此来检测和提取边缘点。本专利技术的技术方案：一种基于线结构激光点云的边缘点提取方法，其包括以下步骤：步骤一、根据获取的线结构激光点云坐标，构建包含n个点在内的窗口，从第一个点开始提取局部点云P＝[Xi,Yi,Zi],i＝1,2,....n；步骤二、在局部点云P中，进行坐标归一化；将归一化后的坐标点，末尾点与原点相连形成连线，根据坐标确定连线的直线斜率，根据直线斜率，进行反正切变换，确定旋转角度θ；步骤三、将归一化后的激光点云坐标，按照旋转角度θ，整体进行线性变换，求取变换后点云中Y坐标的最大值和最小值，判断最大值和最小值是否为0，如果不为0，则记录该最值点对应的顺序标号，将该点选择为候选边缘特征点k1，如果为0，则认为该点为首尾点，不做处理；步骤四、滑动窗口，从第二个点继续提取局部点云，判断此次局部点云中是否包含上一窗口提取的候选特征点k1，如果不再包含k1，则认为k1为边缘特征，进行提取；如果包含，则重复步骤二、步骤三提取此次候选特征点k2；步骤五、判断相邻两个窗口提取的特征点k2与k1是否为同一个点，如果是，则重复步骤四，如果不是，则将k1更新为k2后继续重复步骤四，直至窗口滑动到整体点云的最后一个点为止。步骤一中，在线结构激光点云中构建包含n个点的窗口，通过滑动窗口，逐段提取局部点云。步骤二中，对步骤一提取的局部点云进行坐标归一化操作如下：所有点坐标减去第一个点的坐标，得到归一化后的坐标值，然后确定首尾点连线的直线斜率，并利用反正切公式，求取旋转角度θ。根据步骤二求取的旋转角度，利用旋转矩阵，将所有归一化后的局部点云坐标整体进行线性变换；并求取变换后所有坐标中Y坐标的最大值和最小值不为0时所对应的坐标点。一种基于上述的基于线结构激光点云的边缘点提取方法的边缘点提取装置，其包括：滑动窗口提取点云模块，用于局部点云数据P＝[Xi,Yi,Zi],i＝1,2,....n的提取；局部坐标处理模块，通过基于归一化处理后的坐标点，获取旋转角度；线性变换模块，用于对归一化的局部坐标进行线性变换；候选特征点选择与确定模块：用于提取候选特征边缘点和确定特征边缘点，上述各个模块依次相连。本专利技术的有益效果：对单条线结构点云进行边缘检测和提取，由滑动窗口完成局部检测，结果更加准确；本专利技术所提出的加窗提取局部点云处理，大大降低了参与运算的点云数量，从而提高了计算效率和提取准确度。本专利技术所提出的求取线性变换角度方法，首先对局部坐标的归一化处理，确保在点云提取过程中坐标值大小不同对其造成的影响。利用本专利技术可实时完成点云边缘的检测与提取，对无人驾驶、机器视觉等目标实时检测具有重要应用价值。附图说明图1为本专利技术实施例的64线激光雷达点云示意图。图2本专利技术实施例的线结构点云中典型边缘类型。图3本专利技术实施例中折点型边缘点提取过程示意图。图4本专利技术实施例中算法提取边缘点流程图。图5本专利技术实施例中的基于线结构激光点云的边缘点提取装置结构框图。具体实施方式下面针对附图对本专利技术的实施例作进一步说明：本专利技术提供一种基于线结构激光点云的边缘点提取方法，其包括以下步骤：步骤一、根据获取的线结构激光点云坐标，构建包含n个点在内的窗口，从第一个点开始提取局部点云P＝[Xi,Yi,Zi],i＝1,2,....n；即激光雷达扫描获得的多条扫描线的点云数据，其中每条扫描线可单独看成一个线结构激光点云数据，在获得单条线结构点云数据后，构建包含n个点在内滑动窗口，从第一个点开始提取局部点云P＝[Xi,Yi,Zi],i＝1,2,....n。步骤二、在局部点云P中，进行坐标归一化；将归一化后的坐标点，末尾点与原点相连形成连线，根据坐标确定连线的直线斜率，根据直线斜率，进行反正切变换，确定旋转角度θ；在局部点云中，进行坐标归一化，即所有局部点云坐标减去第一个点的坐标；将归一化后的坐标点，末尾点与原点相连，利用式(1)根据坐标确定连线的直线斜率，根据直线斜率，利用式(2)进行反正切变换，确定旋转角度θ。其中(x1,y1)和(xn,yn)分别代表局部归一化后坐标的首点坐标和末尾点坐标。θ＝arctan(k)(2)步骤三、将归一化后的激光点云坐标，按照旋转角度θ，利用式(3)整体进行线性旋转变换，求取变换后点云中Y坐标的最大值和最小值，判断最大值和最小值是否为0，如果不为0，则记录该最值点对应的顺序标号，将该点选择为候选边缘特征点(k1)，如果为0，则认为该点为首尾点，不做处理。步骤四、滑动窗口，从第二个点继续提取局部点云，判断此次局部点云中是否包含上一窗口提取的候选特征点k1，如果不再包含k1，则认为k1为边缘特征，进行提取；如果包含，则重复步骤二、步骤三提取此次候选特征点k2；本文档来自技高网...
【技术保护点】
1.一种基于线结构激光点云的边缘点提取方法，其特征在于：其包括以下步骤：/n步骤一、根据获取的线结构激光点云坐标，构建包含n个点在内的窗口，从第一个点开始提取局部点云P＝[X
【技术特征摘要】
1.一种基于线结构激光点云的边缘点提取方法，其特征在于：其包括以下步骤：
步骤一、根据获取的线结构激光点云坐标，构建包含n个点在内的窗口，从第一个点开始提取局部点云P＝[Xi,Yi,Zi],i＝1,2,....n；
步骤二、在局部点云P中，进行坐标归一化；将归一化后的坐标点，末尾点与原点相连形成连线，根据坐标确定连线的直线斜率，根据直线斜率，进行反正切变换，确定旋转角度θ；
步骤三、将归一化后的激光点云坐标，按照旋转角度θ，整体进行线性变换，求取变换后点云中Y坐标的最大值和最小值，判断最大值和最小值是否为0，如果不为0，则记录该最值点对应的顺序标号，将该点选择为候选边缘特征点k1，如果为0，则认为该点为首尾点，不做处理；
步骤四、滑动窗口，从第二个点继续提取局部点云，判断此次局部点云中是否包含上一窗口提取的候选特征点k1，如果不再包含k1，则认为k1为边缘特征，进行提取；如果包含，则重复步骤二、步骤三提取此次候选特征点k2；
步骤五、判断相邻两个窗口提取的特征点k2与k1是否为同一个点，如果是，则重复步骤四，如果不是，则将k1更新为k2后继续重复步骤四，直至窗口滑动到整体点云的最后一个点为止。
2.根据权利要求1所述的基于线结构激光点云的边缘...
【专利技术属性】
技术研发人员：杨德山，高慧敏，王斌，吕勇，叶宝林，李璐娟，曹倩倩，黄风立，习聪玲，姜飞龙，崔文华，李慧，邓文斌，杨立娜，朱丽军，
申请(专利权)人：嘉兴学院，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。