[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在审
| 申请号: | 202111225021.X | 申请日: | 2021-10-21 |
| 公开(公告)号: | CN114089377A | 公开(公告)日: | 2022-02-25 |
| 发明(设计)人: | 李晋阳;张淼 | 申请(专利权)人: | 江苏大学 |
| 主分类号: | G01S17/931 | 分类号: | G01S17/931;G01S17/50 |
| 代理公司: | 暂无信息 | 代理人: | 暂无信息 |
| 地址: | 212013 江*** | 国省代码: | 江苏;32 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 基于 激光雷达 处理 物体 识别 系统 方法 | ||
本发明公开了一种基于激光雷达的点云处理和物体识别系统及方法。首先,系统接受导航信号,确定农业机械的位置坐标,激光雷达开始扫描环境信息,体素化网格降采样模块对点云进行降采样,减少点云中点的数量,点云分类模块对降采样后的点云,进行分类,点云聚类模块使用欧式聚类方法,对分类后的点云,聚类,得出障碍物的点云集,OBB最小立体框估计模块对障碍物的点云集,求解障碍物的几何特征,最后状态估计模块对障碍物进行状态估计。本方法实现了农业机械在工作过程中遇到障碍物时的紧急规避或者停车动作。
技术邻域
本发明涉及到一种无人驾驶农业机械的障碍物点云处理和识别方法,属于智能化农业装备领域。
背景技术
农业机械的无人驾驶一直是农业机械领域的研究热点之一。由于农业机械作业区域存在一些树木、电线杆、其它作业机械和工作人员等障碍物,农业机械无法在作业区域内实现完全无人驾驶,而只能在无障碍物的作业区域内,小规模的自主作业。在遇到前方有其它作业机械和工作人员时,无法识别前方物体,做出停止作业或规避障碍物的动作,对工作人员具有一定的危险性。因此,必须要研发新的技术对农业机械的周围环境做出检测,规避障碍物。
在现有的技术中,申请人尚未发现利用激光雷达在农业机械上对障碍物进行检测与识别,对遇到障碍物时做出应急动作或者停车等待的实时检测技术。
发明内容
本发明的目的在于提供一套在农业机械上利用激光雷达检测车身周围环境的时时检测方法,以实现农业机械在工作过程中遇到障碍物时的紧急规避或者停车动作。
为了解决以上技术问题,本发明采用的具体技术方案如下:
一种基于激光雷达的点云处理和物体识别系统,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。
进一步,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。
进一步,所述的体素化栅格降采样模块中还包括剔除噪点的功能;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏大学,未经江苏大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111225021.X/2.html,转载请声明来源钻瓜专利网。





