[发明专利]一种车载激光点云分割方法及系统

说明书

本发明涉及一种车载激光点云分割方法及系统，该方法包括：利用车载激光雷达采集原始点云数据；对原始点云数据进行预处理；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。该方法首先对原始信号进行采集、预处理；对地面点和非地面点进行分离；再之后对非地面点进行聚类操作，基于改进的聚类算法，通过迭代过程得到最终的聚类结果，最后结合地面点和障碍物列表进行聚类结果分析。该方法操作简单，易于执行，可以有良好的精度且可以满足智能辅助驾驶系统实时性的要求。

技术领域

本发明涉及三维激光雷达点云数据处理技术领域，特别涉及一种车载激光点云分割方法及系统。

背景技术

点云聚类方法是激光雷达信号处理的重要环节，尤其是在智能辅助驾驶系统中，激光雷达作为不可或缺的传感器之一，其精度与感知细节较其他传感器有很大优势，因此其信号处理更需要一套更加准确的方法。例如对地面点的分离问题以及非地面点的障碍物识别以及聚类问题都是研究的热点问题。

虽然现在一些三维点云聚类方法已经有了一些成熟的方法，但这些方法只是在理论方面得到了验证，在实际应用过程中仍然存在着诸多问题。诸如实时性方面的问题，精度达不到实际要求的问题。基于车载的激光雷达需要面对多种工况，而算法参数若得不到及时的修正则没有办法满足系统的实际需求，面对不同路况、不同天气的影响，需要建立满足不同条件下的点云分割方法。

传统方法采用随机抽样一致性算法(RANSAC),在对地面点进行处理时往往把所有地面点拟合成一个大平面，存在以下的问题：一是该假设仅在平坦的路面上有良好的分离效果，但在具有坡度或者不平路面上分离效果较差，所以现有方法在实际应用的过程中存在一定的问题。针对非地面点的问题，传统方法采用基于密度的聚类方法(DBSCAN)，该算法需要调节两个参数，传统方法通常是对两个参数计算后直接进行应用，在部分应用场景下取得了良好的效果。但在诸多的应用场景中，往往需要对参数进行调节以满足实际情况的要求，从而获得更佳的聚类效果。

综上，在对点云进行地面点和非地面点进行处理时，还存在待改进的空间。

发明内容

本发明的目的是针对现有技术路线的不足，提供一种车载激光点云分割方法及系统，该方法操作简单，易于执行，可以有良好的精度且可以满足智能辅助驾驶系统实时性的要求。

第一方面，本发明实施例提供一种车载激光点云分割方法，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。

在一个实施例中，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。

在一个实施例中，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；