[发明专利]一种车载激光点云分割方法及系统

权利要求书

1.一种车载激光点云分割方法，其特征在于，包括：

利用车载激光雷达采集原始点云数据；

对所述原始点云数据进行预处理；

将经预处理后的点云数据，通过阈值的地面拟合算法，计算得到分离的地面点云与非地面点云；

利用改进的聚类算法对所述非地面点云数据，进行聚类操作，得到聚类结果；

对所述聚类结果进行体素化处理，并结合所述地面点云数据，得到最终的分割结果；

其中，对所述原始点云数据进行预处理，包括：

对所述原始点云信号进行滤波降采样获得有效数据；

针对所述有效数据建立K-Dtree数据结构；

移除离群点，得到单帧环境信息；

经预处理后的点云数据，通过阈值的地面拟合算法，计算得到分离的地面点云与非地面点云，包括：

将经预处理后的点云数据，根据地面分段数据按x轴进行分块；

对每个分块内的点云数据，基于z轴坐标进行排序；

选取一部分z轴坐标较小的种子点，对地平面进行拟合，并判断是否达到迭代次数；所述迭代次数与所述地面分段数相同；

当达到迭代次数时，根据预设阈值划分地面点，得到分离的地面点云与非地面点云；所述预设阈值为点到面的距离；当未达到迭代次数时，重新选择种子点；

对地平面进行拟合，包括：

假设为每个分块拟合的地面为平面，记平面方程：

通过奇异值分解方法求解a、b、和c，d的取值通过计算种子点的坐标平均值求得，进而得到拟合的平面方程；

利用改进的聚类算法对所述非地面点云数据，进行聚类操作，得到聚类结果；包括：

对所述非地面点云数据，根据驾驶场景从预设参数表中选择对应的参数特征，选用DBSCAN算法进行聚类操作，得到聚类结果；所述预设参数表包括：多种驾驶场景分别对应的多种典型工况下的参数特征。

2.一种车载激光点云分割系统，其特征在于，包括：

采集模块，利用车载激光雷达采集原始点云数据；

预处理模块，用于对所述原始点云数据进行预处理；

拟合分离模块，用于将经预处理后的点云数据，通过阈值的地面拟合算法，计算得到分离的地面点云与非地面点云；

聚类模块，用于利用改进的聚类算法对所述非地面点云数据，进行聚类操作，得到聚类结果；

分割模块，用于对所述聚类结果进行体素化处理，并结合所述地面点云数据，得到最终的分割结果；

其中，所述预处理模块，具体用于对所述原始点云信号进行滤波降采样获得有效数据；针对所述有效数据建立K-Dtree数据结构；移除离群点，得到单帧环境信息；

所述拟合分离模块，包括：

分块子模块,用于将经预处理后的点云数据，根据地面分段数据按x轴进行分块；

排序子模块，用于对每个分块内的点云数据，基于z轴坐标进行排序；

拟合子模块，用于选取一部分z轴坐标较小的种子点，对地平面进行拟合；

分离子模块，用于判断是否达到迭代次数；所述迭代次数与所述地面分段数相同；当达到迭代次数时，根据预设阈值划分地面点，得到分离的地面点云与非地面点云；当未达到迭代次数时，重新选择种子点；所述预设阈值为点到面的距离；

所述拟合子模块，具体用于：

假设为每个分块拟合的地面为平面，记平面方程：

通过奇异值分解方法求解a、b、和c，d的取值通过计算种子点的坐标平均值求得，进而得到拟合的平面方程；

所述聚类模块，具体用于：对所述非地面点云数据，根据驾驶场景从预设参数表中选择对应的参数特征，选用DBSCAN算法进行聚类操作，得到聚类结果；所述预设参数表包括：多种驾驶场景分别对应的多种典型工况下的参数特征。