[发明专利]基于模板匹配的激光雷达点云地图杆状目标提取方法

权利要求书

1.基于模板匹配的激光雷达点云地图杆状目标提取方法，由机器人和激光雷达组成的移动测图平台来构建点云地图，其特征在于，包括以下步骤：

一、杆状候选目标提取

步骤S401，首先，将场景点云根据平面坐标划分到栅格内；

步骤S402，遍历每个格网，若格网点云密度＞阈值，统计该格网内点云高度差，舍去高差小的栅格；

步骤S403，以保留下的格网为中心，外扩一圈加入邻域栅格内的点云；

步骤S404，设立规则判断杆部生长是否终止，统计生长范围外框的点云数量，计算其占总点云数的百分比，小于阈值视作生长终止，反之继续步骤S403中平面栅格生长的步骤，然后执行步骤S405；

步骤S405，针对生长范围的点云在垂直方向上切片，设立窗口滑动幅度，分别计算相邻切片点云的外接圆半径，倘若相差超过半径差阈值则停止生长，反之继续步骤S403中栅格增长；

步骤S406，根据以上步骤得到的点云，对最终得到的杆部候选物进行判断，如果杆部长度过小或是杆部半径过大，直接剔除不参与后续分类，保留的作为候选杆部；

二、杆状目标识别

步骤S407，通过基于体素的模板匹配方法识别路灯和电线杆；

S407-1、首先通过下采样对杆状候选物进行初步过滤，避免不同体素内点云密度相差过大；

S407-2、接着将场景坐标系原点移至杆部中心，沿着坐标轴将点云划分到每个三维体素之中；

S407-3、从Z-X-Y遍历模型与目标体素，根据公式(1)计算对应体素内的点云数量差，

D＝S₁-S₂------(1)

其中，S₁为模型三维立方体素内的点云个数，S₂为目标三维立方体素内的点云个数；点云数量差小于个数阈值则表明两者点云分布类似，加入类似体素集合；等待遍历完成之后，统计类似体素的个数，倘若占比超过总体素百分比阈值，视作匹配成功；

S407-4、然而，由于地物的特殊性以及坐标系不一致，使得模板与目标灯头朝向不同；于是以杆部为轴对目标点云进行旋转操作，记录每次旋转后与模板匹配的相似性，若匹配失败则旋转后继续步骤S407-3中相似性计算，当旋转一周后仍然无法匹配成功，则剔除对应的目标地物；

步骤S408，采用主成分分析法识别指示牌；

步骤S408-1、遍历点云，借助KDTree近邻查询，将点云以二叉树的形式建立索引进行存储，随后设立搜索半径，从每个三维点开始遍历，计算它与其余点的空间距离，倘若该距离在搜索半径范围内，则属于该点的邻域范围，以此求得并记录目标点的邻域空间；

步骤S408-2、将邻域范围内点云送入PCA主成分分析，根据公式(2)计算协方差矩阵C，C＝U*∑*V^T分解得到特征值，

对降维结果进行判断，计算同时满足下列A和B两个条件的点云个数：

A.根据计算得到特征值a_1d、a_2d和a_3d，若a_2d＞a_1d且a_2d＞a_3d，表明点云成平面分布，具有平面性；

B.获得最小特征值对应的特征向量，即平面法向量，根据公式(3)计算法向量与Z坐标轴的单位向量点积，

单位向量点积＝[vector_最小特征·(0，0，1)]------(3)

若单位向量点积值小于阈值，表明平面与地面垂直；

步骤S408-3、当统计得到的点云个数大于个数阈值时，视为该目标杆状物具有指示牌的显著特征；

步骤S408-4、根据步骤S408-3中得到的候选目标，取出候选目标，以杆部为中心，记录邻域范围内的点云个数，当个数占比过少时，为其赋予指示牌标签，反之作为其他地物剔除；

步骤S409，利用栅格覆盖率以及区域占有度检测及识别乔木；

步骤S409-1、对输入点云投影到XOY平面进行栅格化操作，记录目标点云的格网面积作为覆盖率，实验过程中设立的面积阈值Area，超过阈值则作为乔木输出；

步骤S409-2、将上端点云平移到以杆部中心为原点的坐标系中，接着把投影平面划分为八个区域；

根据实验场景数据，剔除半径过大的杆部点云，保留上端树冠部分；

然后，利用区域分割方法以杆部中心为原点将平面划分为8个区域，按照坐标将三维点云划分入不同区域，当占有的区域个数大于等于4时，为目标赋予乔木标签。