[发明专利]一种激光三维成像雷达地面目标点云数据处理方法

权利要求书

1.一种激光三维成像雷达地面目标点云数据处理方法，用于对激光三维成像雷达点云数据进行地面目标检测与识别，输出疑似感兴趣目标，其特征在于，包含步骤：

S1、基于所述激光三维成像雷达点云数据，获取时间、空间配准的点云数据集合；

S2、基于所述时间、空间配准的点云数据集合，滤除非地面点数据，得到地面点数据集合；

S3、基于所述地面点数据集合，提取并分割汇总各所述地面目标的数据并分别聚类划入各自的数据子集，得到地面目标聚类集合；

S4、基于所述地面目标聚类集合进行感兴趣目标识别，输出所述疑似感兴趣目标。

2.如权利要求1所述的激光三维成像雷达地面目标点云数据处理方法，其特征在于，步骤S2中包含：

S21、基于所述时间、空间配准的点云数据集合，滤除噪声点和异常点，得到正常点数据集合；

S22、基于所述正常点数据集合，滤除非地面点数据，得到所述地面点数据集合。

3.如权利要求2所述的激光三维成像雷达地面目标点云数据处理方法，其特征在于，步骤S21包含：

S211、基于所述时间、空间配准的点云数据集合，采用k-d树算法，构建k-d树点云数据集合；

S212、基于所述k-d树点云数据集合，滤除噪声点和异常点，得到所述正常点数据集合。

4.如权利要求3所述的激光三维成像雷达地面目标点云数据处理方法，其特征在于，步骤S212是通过k最近邻查询算法实现的。

5.如权利要求2所述的激光三维成像雷达地面目标点云数据处理方法，其特征在于，步骤S22是通过改进的扩大窗口高程阈值滤波算法实现的，包含步骤：

S221、初始化：

设置迭代序数：i＝1；

设置正常点数据集合中的首个正方形单元C_i：选取所述正常点数据集合中高程最小的数据点，以该数据点为C_i的底边中点，再将感兴趣车辆目标的高度设置为C_i的边长设置C_i；

设置C_i中的初始倾斜度值S_i；

S222、在C_i中选取高程最小的点，设置为种子点；

S223、基于C_i的边长和S_i，计算高程差阈值H_i，计算公式为：

S224、计算C_i中每个数据点与种子点的高程差h，并将高程差h与H_i比较：

如果hH_i，则将该数据点舍弃；

否则，将该数据点加入地面点数据集合；

S225、更新S_i；

S226、i＝i+1；

将正方形单元C_i-1扩展为C_i，其中，C_i以C_i-1的中心为中心，C_i的面积为C_i-1面积的2倍；

判断C_i是否超出正常点数据集合的范围：

是，则退出迭代，此时生成地面点数据集合；

否，则返回S222。

6.如权利要求5所述的激光三维成像雷达地面目标点云数据处理方法，其特征在于，步骤S225包含：

A1、选取C_i中的高程最大点p_max和高程最小点p_min，求取C_i的地面点均值p_ave；

A2、求取p_max相对于p_ave的倾斜度S_max，以及p_ave相对于p_min的倾斜度S_min；

A3、计算S_i，计算公式为：

S_i＝(S_max+S_min)/2。