[发明专利]一种针对降雪影响的LiDAR点云无监督去噪方法

权利要求书

1.一种针对降雪影响的LiDAR点云无监督去噪算法，其特征在于，步骤包括：

步骤S1：对待降噪的点云进行切割预处理，保留随距离变化的高度阈值H_th以上的点云；

步骤S2：对每个点计算其k邻域的平均距离和动态阈值，通过比较平均距离与动态阈值的大小判定该点为噪点或是非噪点，判断后的非噪点集合与步骤S1中保留的点云结合，形成新的非噪点集合，其余点为噪点集合；

步骤S3：利用HDBSCAN聚类算法对整帧点云逐点根据空间特点进行分类，并求步骤S2得到的非噪点集合中分类标签出现点数最多的t个标签，将步骤S2得到的噪点集合中分类为这t个标签的点重新判定为非噪点。

2.根据权利要求1所述的一种针对降雪影响的LiDAR点云无监督去噪算法，其特征在于，所述的步骤S1：预处理；给定高度阈值曲线其中d为待判断点到传感器距离，h₁、h₂为参数，根据实际调整，默认设置为h₁＝100、h₂＝-5；在高度阈值曲线H_th上方的点将首先加入非噪点集合I₁，其余点加入待处理点云集合P。

3.根据权利要求1或2所述的一种针对降雪影响的LiDAR点云无监督去噪算法，其特征在于，所述步骤S2具体为：

步骤S21：将目标点云载入KDTree，计算每点k邻域到该点的平均距离md，再计算各点平均距离md的均值作为全局平均距离μ；

步骤S22：计算每点的动态阈值其中i_n为该点的归一化强度，μ为全局平均距离，d为该点到传感器距离，k₁、k₂为参数，根据实际调整，默认设置为k₁＝0.02、k₂＝0.05；

步骤S23：将步骤S1生成的点云集合P中各点的平均距离md与该点的动态阈值T_m进行比较，距离小于阈值的点(md＜T_m)加入步骤S1生成的点云集合I₁，距离大于等于阈值的点(md≥T_m)加入噪点集合O₁。