[发明专利]一种激光雷达的点云数据聚类方法及装置

说明书

本发明涉及数据处理技术领域，特别是一种激光雷达的点云数据聚类方法及装置。通过获取原始的点云，并将该点云映射至设定的坐标系中；对坐标系中的点云进行栅格化处理，以设定个数的栅格构成的窗口对所有的栅格依次进行扫描；针对窗口内存在含有点云的栅格，通过判断窗口内的每个栅格被标记的情况给予栅格赋标签值，对含有相同标签值相同的集合进行合并，实现了点云数据的快速聚类，解决了现有聚类方法直接对所有数据进行处理导致的处理速度较慢造成实时性较差的问题。

技术领域

本发明涉及数据处理技术领域，特别是一种激光雷达的点云数据聚类方法及装置。

背景技术

激光雷达具有测距精确，能够以距离、方位等信息准确呈现物体轮廓等优点，被广泛应用在自动驾驶领域，其中激光线束、水平分辨率、垂直分辨率等物理参数，直接影响了其所输出点云的密度和物体轮廓的完整程度，多线束、高分辨率的激光雷达输出的点云密度大，对于物体轮廓的检测完整度高，有利于后续对于物体的识别及跟踪，但是其输出的点云数量巨大，对于后续数据处理的软硬件能力要求高。

利用激光雷达对目标物进行识别及跟踪，往往需要首先对点云进行聚类，对不同目标物区分处理，因此在对大量点云进行聚类处理时，既要达到预期效果，又要满足实时性要求，常用的聚类方法，例如划分聚类、层次聚类、密度聚类、模型聚类等，不同的聚类方法适用场景不同，针对激光雷达点云，既要满足对大量数据聚类后的准确性，又要满足实时性要求，对后续的数据处理具有关键作用和重大意义。

有中国专利公布号为CN104298998A的专利文献公开了一种3D点云的数据处理方法，其中的3D点云中的地面滤波方法通过构建3D栅格地图和拟合地平面曲线完成，数据结构简单，得到的地平面曲线精确可靠，滤波效果和实时性非常好；提出的分割方法采用柱坐标栅格地图中的搜索窗口聚类方法，大大缩减了聚类过程的计算量，实时性好，聚类结果精确；提出的训练样本标记方法将点云分割结合适当的显示和存储方法而形成，易于实现，可以在每帧点云数据中标记多个类别的样本，大大提高了样本的标记效率。但是其中通过搜索窗口对窗口内的每一个点云根据距离阈值进行标记并聚类，得到聚类后的点云块，这种对所有点云点进行处理的方式虽然能够得到较为准确的结果，但是同时处理所有点云点会导致处理速度较慢，进而导致数据处理的实时性较差，影响车辆行驶安全。

发明内容

本发明的目的是提供一种激光雷达的点云数据聚类方法及装置，用以解决现有聚类方法直接对所有数据进行处理导致的处理速度较慢造成实时性较差的问题。

为了实现点云数据的快速聚类，使其更好的适用于自动驾驶车辆等实时性要求较高的领域，解决现有聚类方法直接对所有数据进行处理导致的处理速度较慢造成实时性较差的问题，本发明提供一种激光雷达的点云数据聚类方法，包括以下步骤：

1)获取原始的点云，并将该点云映射至设定的坐标系中；

2)对坐标系中的点云进行栅格化处理，以设定个数的栅格构成的窗口对所有的栅格依次进行扫描；

3)判断窗口内是否存在含有点云的栅格，若是，则判断窗口内的每个栅格是否均被标记，若均未被标记，则用未出现过的标签值赋值该窗口内含有点云的栅格，并将标签值作为一个新的集合后，执行步骤5)；

4)若同时存在标记过的栅格和未标记的含有点云的栅格，则以窗口中最小的栅格标签值赋予所有未标记的含有点云的栅格，并判断此时窗口中所有栅格的标签值是否一致，若一致，则执行步骤5)，若不一致，则将此时窗口内的标签值作为一个新的集合并执行步骤5)；

5)判断扫描是否结束，若是，则对含有相同标签值的集合进行合并，剩余集合的数量即为聚类数量。

进一步地，步骤2)中栅格化处理为根据点云映射至坐标系中的边界范围确定的点云空间，以坐标轴横向设定步长和坐标轴纵向设定步长，将所述点云空间分割成栅格，并将点云对应的相应的栅格中。

进一步地，标签值采用从小到大依次进行赋值。