[发明专利]一种基于直升机机载激光雷达的地物语义分割方法

说明书

本发明涉及一种基于直升机机载激光雷达的地物语义分割方法，涉及直升机机载激光雷达实时处理技术领域，包括以下步骤：通过激光雷达获取实时点云，进行点云数据的采集，将采集的点云数据进入降采样模块，保留点云特征的同时减少点云数据量，得到有效数据，把经过降采样后获得的有效数据经过预处理将三维点云编码为二维鸟瞰图，利用深度学习网络的方式将点分为地点和物点，只在物点内进行障碍物检测，将物点集合分成无数个孤立的点云簇，利用点云簇特点分类，对聚类后的属于同一目标的点云计算其外接多面体，得到区分待检测物。其优点在于，可以同时满足实时性和低功耗要求，检测性能较佳，保障了直升机飞行的安全需要。

技术领域

本发明涉及直升机机载激光雷达实时处理技术领域，更具体地说，涉及一种基于直升机机载激光雷达的地物语义分割方法。

背景技术

激光雷达具有高测量精度、精细的时间和空间分辨率和远测量距离等优点，而直升机可以做低空、低速和机头方向不变的飞行及升降、悬停、俯仰、偏转等各种复杂动作，具有机动灵活的特点，很适合对各种复杂地形进行测量。因此，直升机载激光雷达在大地测量、森林勘探、城市建模、灾害评估等许多方面获得了日益广泛的应用。

随着人工智能以及直升机领域的快速发展，场景理解对于复杂动态场景中机器自动感知的安全性和有效性至关重要。直升机中通常配备有各种传感器，特别是激光雷达传感器在理解视觉环境中起着重要的作用，激光雷达系统用于收集稀疏的3D点云以重建实际场景中的环境并帮助自动系统做出决策以更好地理解场景，因此点云的场景语义理解对于直升机飞行至关重要；同时，研究发现，地面可以提供有用的信息，有效的消除数据稀疏性造成的模糊性，物体与地面之间的关系有利于语义分割预测，所以如何针对直升机飞行场景的点云语义进行有效分割以及如何分割地面并获得物体与地面之间的关系是研究的重点。

现有的方法分为基于深度学习和基于非深度学习两类，基于深度学习的方法对算力需求高、机载条件下难以同时满足实时性和低功耗要求；基于非深度学习的方法检测性能不佳，难以保障直升机飞行安全需要。

前面的叙述在于提供一般的背景信息，并不一定构成现有技术。

发明内容

本发明的目的在于提供一种基于直升机机载激光雷达的地物语义分割方法，可以同时满足实时性和低功耗要求，检测性能较佳，保障了直升机飞行的安全需要。

本发明提供一种一种基于直升机机载激光雷达的地物语义分割方法，其特征在于，包括以下步骤：

S1：通过激光雷达获取实时点云，进行点云数据的采集，并进入S2步骤；

S2：将采集的点云数据进入降采样模块，保留点云特征的同时减少点云数据量，得到有效数据，并进入S3步骤；

S3：把经过降采样后获得的有效数据经过预处理将三维点云编码为二维鸟瞰图，并进入S4步骤；

S4：利用深度学习网络的方式将点分为地点和物点，只在物点内进行障碍物检测，并进入S5步骤；

S5：利用欧式聚类的方式将物点集合分成无数个孤立的点云簇，并进入S6步骤；

S6：利用点云簇特点分类，对聚类后的属于同一目标的点云计算其外接多面体，根据外接多面体的属性对其进行分类，得到区分待检测物。

进一步地，步骤S1包括以下步骤：

S11：激光雷达发送udp包；

S12：server端收包解包进行舍去坏点进行坐标系转换；

S13：完成点云数据的采集。

进一步地，步骤S2中通过体素滤波进行降采样。

进一步地，步骤S3包括以下步骤：

S31：在roi范围内，将三维点云编码为二维鸟瞰图；