[发明专利]应用于激光雷达单帧点云的高效KNN方法及其应用

权利要求书

1.一种应用于激光雷达单帧点云的高效KNN方法，其特征在于，包括以下步骤：

步骤1、通过激光雷达获得无序的点云数据，对于任意一个点(x,y,z)利用激光雷达的横纵分辨率将其投射到矩阵，其中，点(x,y,z)在矩阵中的横坐标h＝arctan(y/x)/Δβ计算得到，点(x,y,z)在矩阵中的纵坐标Δβ表示激光雷达水平方向的角分辨率，Δα表示激光雷达垂直方向的角分辨率；

步骤2、计算点(x,y,z)到激光雷达的距离r，并依据距离r以及预先确定的不同距离维度所对应的距离范围将点(x,y,z)划分入对应的距离维度；

步骤3、将步骤1所获得的矩阵中每一列分为N_p个数据块；

步骤4、采用步骤2计算得到每个数据块中各点所对应的距离维度，统计矩阵中每个数据块里各个距离维度上点的个数，并记录在统计表中；

步骤5、根据步骤4获得的统计表，得到不同数据块中各距离维度上第一个点的索引位置，从而得到一张索引表；

步骤6、将所有点按照步骤5所获得的索引表进行重新排列，获得有序的点云数据；

步骤7、对于同一空间中的目标点p(x_p,y_p,z_p)，在步骤6所获得的有序的点云数据中找到K个与之相邻的点，包括以下步骤：

步骤701、采用步骤1所记载的方法确定目标点p(x_p,y_p,z_p)在矩阵的位置v_q、h_q，并采用步骤2所记载的方法确定目标点p(x_p,y_p,z_p)与激光雷达的距离r_q；

步骤702、根据目标范围缩小搜索范围，缩小后的矩阵的大小为[v_q±arcsin(r_in/r_q)/Δα,h_q±arcsin(r_in/r_q)/Δβ]，距离维度上的范围是R_q±R_in，其中，r_in表示搜索范围，R_q表示目标点p的距离维度，R_in表示r_in对应的距离维度；

步骤703、获得的缩小后区域内的候选点，一一计算候选点与目标点的欧式距离并排序，获得最近K个点。

2.如权利要求1所述的一种应用于激光雷达单帧点云的高效KNN方法，其特征在于，步骤2中，采用下式计算点(x,y,z)到激光雷达的距离r，

3.一种如权利要求1所述的应用于激光雷达单帧点云的高效KNN方法的应用，其特征在于，通过FPGA加速如权利要求1所述的应用于激光雷达单帧点云的高效KNN方法。