[发明专利]一种基于极坐标栅格与平面拟合的地面点云分割方法

说明书

本发明的一种基于极坐标栅格与平面拟合的地面点云分割方法，包括：获取激光雷达扫描周围环境得到的点云数据；将点云数据解析并转换到激光雷达笛卡尔坐标系下，得到每一个点在坐标系下的坐标(x,y,z)；创建极坐标栅格扇区，将转换到笛卡尔坐标系下的点云根据角度顺序投影到极坐标栅格扇区；将每个极坐标栅格扇区中的点根据坐标值z进行排序；根据激光雷达安装高度以及每个栅格扇区内点云中坐标值z最低的点为平面拟合种子点；根据得到的种子点，拟合出地面平面模型，将地面点云分离。

技术领域

本发明涉及三维数字化建模领域，特别是涉及到一种自动驾驶车载激光雷达地面点云分割方法。

背景技术

无人驾驶汽车通过传感器能够准确地感知周围环境，从车辆硬件层面减少交通事故的发生。人工智能技术的不断发展以及计算机视觉技术的进步，为无人驾驶注入新的活力。目前车辆传感器主要包括摄像头、激光雷达以及毫米波雷达等。激光雷达具有很好的距离分辨率和角分辨率，具有探测精度高、抗干扰能力强以及可以在夜间使用等优点。激光雷达能够生成一系列的三维点云，误差精度可以达到厘米级。三维点云中反映了对应目标的距离、位置及反射强度等信息，可以让车辆快速检测出可行驶区域，复现障碍物的形状、位置和大小，并进一步绘制出周围环境的高精度地图，满足对于障碍物检测的要求。

现有的技术中，地面点云分割方法有：将采集到的激光雷达数据划分为不同的极坐标通道，每个通道基于径向距离分割为不同的单元。当单元间的斜率超过一定的阈值时判断是否有障碍物存在，分割出地面点与非地面点；或构建极坐标栅格，通过在极坐标栅格内选取种子点，然后使用增量直线拟合算法来进行地面点云的分割；或使用栅格地图划分点云，并在其上采用基于高斯过程回归的拟合算法,对具有坡度的地面进行分割。上述地面点云分割方法，存在对地面点云欠分割，误分割和计算复杂度高等问题，还存在改进的空间。

发明内容

本发明所要解决的技术问题是提供一种能够满足实时性要求并且准确度较好的地面点云分割方法。

本发明采用以下的方案实现上述的技术要求。

一种基于极坐标栅格与平面拟合的地面点云分割方法，其包括如下步骤：

步骤1：获取激光雷达扫描周围环境得到的点云数据；

步骤2：将步骤1得到的点云数据解析并转换到笛卡尔坐标系下，得到每一个点在坐标系下的坐标(x,y,z)；

步骤3：创建极坐标栅格扇区，将步骤2转换到笛卡尔坐标系下的点云根据角度顺序投影到极坐标栅格扇区；

步骤4：将每个极坐标栅格扇区中的点根据坐标值z进行排序；

步骤5：根据激光雷达安装高度以及每个栅格扇区内点云中坐标值z最低的点为平面拟合种子点；

步骤6：根据步骤5得到的种子点，拟合出地面平面模型，将地面点云分离。

步骤2中，点云数据的解析与转换过程为，根据激光雷达封装的数据包水平的旋转角α、距离参量r和垂直角度ω，计算每个点在笛卡尔坐标系下的坐标(x,y,z)；

步骤3中，创建极坐标栅格扇区为每2度一个扇区并编号，点云根据角度顺序投影到极坐标栅格扇区是根据点云的坐标(x,y,z)计算角度θ的大小，具体计算公式为：

公式(1)中，x和y为点云中点的坐标值。

步骤4中，对每个极坐标栅格扇区内的点根据坐标值z从小到大进行排序。

步骤5中，根据激光雷达安装高度估计一个地面点云的高度值也就是点云中点的坐标值z₁，在每个栅格扇区中选取符合位于最低坐标值z和点云坐标值z₁一定领域范围内的点作为种子点。