[发明专利]一种基于激光雷达的点云处理和物体识别系统及方法

权利要求书

1.一种基于激光雷达的点云处理和物体识别系统，其特征在于，该系统包括：

依次连接的导航数据处理与接受模块、体素网格降采样模块、点云分类模块、点云聚类模块、OBB最小立体框估计模块和状态估计模块；

导航数据处理与接收模块，该模块采用北斗-RTK定位接收设备，设备包括接收机、卫星天线和数传电台，用于定位农业机械在自定义坐标系的时时位置；

体素化栅格降采样模块，用于在保持点云形状特征的同时，减少点的数量，使用三维体素栅格，然后在体素内，用体素内所有点的重心坐标来近似代替体素内的其它的点的坐标；

点云分类模块需要将降采样后的点云数据进行归类划分，剔除地面点云，采用平面拟合方法，对离车身不同距离的部分，建立不同的平面模型，按照距离平面的距离的不同阈值，剔除地面点云，高空点云只需要采用直通滤波的方法，按照激光雷达坐标系的z轴，进行剔除高空点云，留下有用点云；

点云聚类模块，需要对有用点云按照欧式距离，进行欧式聚类，按照不同的聚类半径，最少聚类点数和最大聚类点数，对点云类进行欧式聚类，将少于最少聚类点数的点云类，进行剔除，得出属于不同物体的点云类；

OBB最小立体框估计模块是采用PCA主成分分析方法，在有用障碍物点云聚类集合中计算点云类的协方差矩阵，协方差矩阵的特征值和特征向量，由特征向量组成的坐标系为OBB包围盒的坐标系，在OBB的包围盒坐标系下，计算点云类的长length、宽width、高height；

状态估计模块是根据障碍物聚类完成后的质心坐标、障碍物包含点的数量、障碍物的体积和障碍物的速度来判断障碍物是为何类障碍物以及动态和静态的判别。

2.根据权利要求1所述的激光雷达的点云处理和物体识别系统，其特征在于，所述的导航数据处理与接收模块采用北斗星通导航技术有限公司的北斗-RTK定位接收设备，能够时时定位农业机械在自定义坐标系的位置；

在激光雷达开始扫描之前，导航接收模块将建立作业区域的自定义坐标系，对外输出的坐标位置是相对于自定义坐标系的坐标。

3.根据权利要求1所述的激光雷达的点云处理和物体识别系统，其特征在于，所述的体素化栅格降采样模块中还包括剔除噪点的功能；

对输入的点云进行体素化栅格降采样，设置栅格的尺寸，用体素化栅格内所有点的重心点代替体素化栅格内的点，可以在一定程度上去除噪声点。

4.根据权利要求1所述的激光雷达的点云处理和物体识别系统，其特征在于，所述的点云分类模块中包含了对含有一定坡度的地面点云过滤和剔除高空点云功能；

对体素化栅格降采样后的点云，按照距离农业机械的距离，分成四个不同的同心圆环，分别对四个同心圆环进行平面拟合地面点云剔除，对地面点云剔除后的点云类中，将点云类中Z轴的高度大于8m的高空点云划分到无效点云类中，减少工控机的计算量。

5.根据权利要求1所述的激光雷达的点云处理和物体识别系统，其特征在于，所述的点云聚类模块能能够聚类出车身周围的障碍物信息：

根据雷达扫描物体特性，距离激光雷达距离越近，点的密集度越大，距离激光雷达的距离越远，点的密集度越小，假如将距离车身[0,2m]的点归类到A类，[2m,10m]的点归类到B类，[10m,20m]的点归类到C类，[20m,30m]的点归类到D类；在对B类、C类以及D类点云设置聚类半径和聚类的最少点数的时候，要满足聚类半径递增和最少聚类点数递减的趋势，这样可以剔除车身周围环境中噪点聚类，也不会因为远处和近处的障碍物参数一致，导致障碍物过分割或者障碍物被忽略。