[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

说明书

本发明提供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，包含步骤：S1、获取时间、空间配准的点云数据集合；S2、滤除非地面点数据，得到地面点数据集合；S3、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。本发明用于解决复杂场景下地面目标检测与识别问题，更多的保留了目标的三维信息，提高了运算速度，更加适用于点云数据实时处理，以及更加适应于工程应用。

技术领域

本发明涉及激光成像领域，具体涉及一种激光三维成像雷达地面目标点云数据处理方法。

背景技术

激光雷达是解决三维立体成像最重要的技术手段之一，也是美、日等发达国家在地形测绘和海洋监测等多个领域长远规划中大力发展的技术。激光雷达的工作方式与微波雷达基本一致，但激光雷达却有着一系列特有的优点：高角度分辨率、高距离分辨率和高速度分辨率，且其抗干扰能力强、抗目标隐身能力强，测速范围广，成像性能更加稳定，不仅能得到目标的位置信息，还可以得到速度信息，同时具有比微波雷达体积小和重量轻的优点，这为它在各方面的应用奠定了基础。

激光三维成像雷达获取的是目标的距离信息，距离图像是通过对空间目标的离散测距形成的目标距离的分布，距离图像的点云数据描述了目标的表面几何形状，与可见光和红外图像相比，由于不受目标温度、光照阴影及目标表面纹理影响，因此可以求出更可靠的目标几何特征。

激光三维成像雷达在对目标场景的探测过程中，由于受运载平台、传感器、自然环境和目标场景等多种因素的影响，成像数据受距离反常、失落信息和距离测量误差等噪声的干扰严重。因此研究激光雷达数据的噪声抑制算法成为激光雷达目标点云数据处理中的一项重要步骤。距离反常通常均匀分布于距离选通范围内；失落信息相当于一种特殊的距离反常，其通常分布于某一设定的距离值；距离测量误差属于以实际距离值为均值、以激光雷达距离测量精度为方差的高斯噪声。距离测量误差的分布相对比较简单，误差距离值与实际距离值及其周围观测点的距离值相关性较强，可以用传统的滤波算法(如加权均值滤波等)滤除；距离反常(把失落信息也看作一种距离反常)可能出现的情况多种多样，其分布更复杂，也更难滤除，因此距离反常噪声的抑制成为激光雷达数据噪声抑制算法研究中的重点。现有算法大部分基于当前像素与邻域中多数像素的距离值相似度来判断其是否为距离反常或直接用邻域像素的统计值估计(中值滤波和均值滤波)，虽然在处理普通边缘目标时效果尚可，但在面临线状目标这种特殊情况时去噪效果不够理想；且大多算法在去噪性能和执行效率上难以兼顾。激光三维成像雷达点云数据处理，与基于传统二维图像的目标识别算法相似，主要包括数据预处理、目标检测、分割、特征提取和分类识别几个阶段。国内外相关学者和研究机构已经对基于激光雷达成像数据的目标检测方法进行了广泛研究，根据不同的成像数据和目标场景特点，发展了多种不同的目标检测方法。根据算法原理不同，大致可分为四类：基于图像处理的目标检测算法、基于相关滤波的目标检测算法、基于特征匹配的目标检测算法和基于地面数字高程模型估计的目标检测算法。

基于图像处理的目标检测算法的前提是成像目标场景中地面相对比较平坦，遮挡物较少，目标、地面及各种地物之间有明显区别，在大场景、多目标、较少遮挡情况下的激光雷达图像应用中取得了较好效果。

基于相关滤波的目标检测算法一般处理的成像数据都是二维图像，如距离像或高度像，难以直接处理三维点云数据，与基于图像处理的目标检测算法类似。

以上两种方法都是工作在二维图像空间，运算处理速度较快，占用空间相对较少，但是对于目标的空间几何特性，如空间法向量、空间曲率、空间连接关系都不能进行有效地描述，失去了激光雷达传感器的独特优势。

而三维图像处理的算法中，基于特征匹配的目标检测算法需要目标模型及其对应的旋转图像特征数据库等先验信息，一般需要通过激光雷达成像数据仿真的手段获得，目标场景数据点与目标模型进行特征匹配时，运算量较大。