[发明专利]一种2D激光雷达距离图像中线段特征精确拟合方法

摘要

本发明公开了一种2D激光雷达距离图像中线段特征精确拟合方法，首先获取激光雷达距离图像数据进行数据预处理；转化为极坐标模型数据；然后对极坐标模型数据采用自适应阈值区域分割形成区域数据；进而再进行线段分割；最后对线段数据进行线段合并及输出合并线段数据，作为激光雷达距离图像的提取线段数据。本发明在传统的Split‑and‑Merge算法的基础上，先采用两级分割，再通过合并拟合得到激光雷达距离图像中的线段信息；并且分割阈值的选取采用自适应动态的方法，以及在合并的准则上进行了优化，克服了传统方法需要在不同的场景下调整参数的缺点；快速准确地提取激光雷达数据图像中的线段特征，适用于不同的室内场景，同时能够保证拟合的准确性。

主权项

一种2D激光雷达距离图像中线段特征精确拟合方法，其特征在于：包括以下步骤：S1：获取激光雷达距离图像数据进行数据预处理；S2：将数据预处理后距离图像数据转化为极坐标模型数据；S3：对极坐标模型数据采用自适应阈值区域分割形成区域数据；S4：对各区域数据进行线段分割形成分割线段数据；S5：对分割线段数据中的线段数据进行线段合并；S6：直至所有分割线段数据合并完毕并输出合并线段数据，所述合并线段数据作为激光雷达距离图像的提取线段数据；所述S1中数据预处理是通过选取中位值滤波方法来过滤距离图像数据中的随机干扰数据的；所述S3中自适应阈值区域分割具体步骤如下：S31：从极坐标模型数据中选取当前数据；S32：判断当前数据中的距离数据是否大于零，如果是，则将当前数据序号作为序号标签flag；S33：如果否，则返回步骤S31选取下一极坐标模型数据为当前数据；S34：计算当前数据与上一数据的前后变化值；计算当前数据与上一个不为零的极坐标模型数据之间含有的零数据个数；S35：判断前后变化值是否大于第一阈值theta1，或零数据个数是否大于第二阈值theta2，如果是，则将当前数据划分为第m+1个分割区域数据，并返回步骤S31选取下一极坐标模型数据为当前数据；S36：如果否，则将当前数据划分为第m个分割区域数据；并返回步骤S31选取下一极坐标模型数据为当前数据；S37：直到最后一个极坐标模型数据；S38：计算各分割区域中所含数据的个数，将个数小于预设阈值的视为干扰区域并舍弃。