[发明专利]基于空间邻域信息的雷达异常点云检测方法及检测装置

权利要求书

1.一种基于空间邻域信息的雷达异常点云检测方法，其特征在于，步骤包括：

步骤S1：获取道路的三维点云，得到障碍点云，通过点云训练集得到邻域的第一阈值和第二阈值；

步骤S2：利用第一阈值和第二阈值对三维点云进行筛选；

步骤S3：对筛选出来的三维点云进行空间结构分析；

步骤S4：将通过空间结构分析筛选出来的异常点云数据输出。

2.根据权利要求1所述的基于空间邻域信息的雷达异常点云检测方法，其特征在于，所述步骤S1包括：

步骤S101：基于雷达扫描构建道路三维点云描述；

步骤S102：基于扫描三维点云描述，利用地面模型获取障碍点云；

步骤S103：通过点云训练集得到邻域的第一阈值和第二阈值；

即，使用雷达扫描周围环境，构建基于周围场景的三维点云描述。

3.根据权利要求2所述的基于空间邻域信息的雷达异常点云检测方法，其特征在于，所述步骤S101中，在车辆行驶过程中实时获取当前点云，利用地面模型获取道路障碍点云。

4.根据权利要求2所述的基于空间邻域信息的雷达异常点云检测方法，其特征在于，所述点云为激光点云或图像点云。

5.根据权利要求2所述的基于空间邻域信息的雷达异常点云检测方法，其特征在于，对所述阈值的训练方法为统计法或者机器学习法。

6.根据权利要求1-5中任意一项所述的基于空间邻域信息的雷达异常点云检测方法，其特征在于，所述步骤S2包括：

遍历道路障碍点云；

选择第一阈值，对道路的障碍点云建立第一近邻空间邻域关系，取得第一近邻关系的空间数目或区域大小；并分析点云空间结构特征；

选择第二阈值，对道路的障碍点云建立第二近邻空间邻域关系，取得第二近邻关系的空间数目或区域大小；并分析点云空间结构特征。

7.根据权利要求6所述的基于空间邻域信息的雷达异常点云检测方法，其特征在于，所述步骤S3包括：依据所筛选的第一近邻关系评估结果和第二近邻关系评估结果，统计两者的数目比值及分析点云空间结构特征作为正常点的最终评估结果根据。

8.根据权利要求1-5中任意一项所述的基于空间邻域信息的雷达异常点云检测方法，其特征在于，所述步骤S4包括：在最终评估结果中，将低于预设阈值的点云判定为空中异常点云，对外输出。

9.根据权利要求1-5中任意一项所述的基于空间邻域信息的雷达异常点云检测方法，其特征在于，所述邻域空间结构包括点云团物理尺寸描述、点云数目、点云有效邻域作用距离、以及点云密集度分布情况中的一项或多项。

10.根据权利要求1-5中任意一项所述的基于空间邻域信息的雷达异常点云检测方法，其特征在于，所述异常点云为悬空的孤立点、或点集且为空间结构，所述异常点云的特征包括：点云的反射率低；点云密度小且悬空；点云集的方向朝激光雷达方向；点云集的高度差变化小；点云连续多帧都会存在的概率低。

11.根据权利要求10所述的基于空间邻域信息的雷达异常点云检测方法，其特征在于，所述异常点云的筛选流程包括：

将所有点云数据栅格化，所述栅格化是指把点云数据聚类到某个格子中，遍历每个栅格并记录包含障碍的栅格坐标；

遍历障碍栅格，根据第一阈值搜索附近邻域的栅格的点云，对第一邻域中的点云进行特征分析，满足所述异常点云的特征；然后，再根据第二阈值搜索附近邻域的栅格的点云密度，对第二邻域中的点云进行特征分析，满足所述异常点云的特征；最后根据第一邻域和第二邻域的点云密度的比率以及点云特征进行筛选，满足所述异常点云的特征；所述点云密度的比率为当前栅格的点云总数目和邻域内的点云总数目进行比较。