[发明专利]一种基于道路交通点云数据的背景滤除方法

说明书

本发明涉及一种基于道路交通点云数据的背景滤除方法，步骤如下：通过路侧激光雷达获取道路上的所有目标，得到待处理的三维点云数据；将待处理的三维点云数据按照每帧进行提取，选取第1帧为初始帧1，并对其余所有帧顺次进行编号，在初始帧1中选取一点作为初始点a；根据编号顺序将其余所有帧与初始帧1进行比对，探寻初始点a在其它帧中是否均出现；其余所有帧中，若初始点a均出现在搜索范围内，则认为初始点a属于背景点，若初始点a均未出现在搜索范围内，则认为初始点a为非背景点。本发明以路侧激光雷达点云数据为基础，通过背景滤除算法，将点云中的静态目标与动态目标进行区分，以减少高精度数字地图建图过程中动态目标带来的影响。

技术领域

本发明涉及一种基于道路交通点云数据的背景滤除方法，属于交通安全技术领域。

背景技术

道路交通安全一直是困扰交通领域的难点问题，计算机技术的发展为交通安全带来了新的解决方案，基于三维点云数据的高精度数字地图应运而生，为突破传统道路交通安全管控方式带来新的思路。

激光雷达作为一种新型智能感知设备，具有体积小、3D成像、信息实时感知、不受光照影响、精度高等特点，目前被应用于道路交通领域的研究。将激光雷达安装在路侧，可以获取在途用户(行人、机动车、非机动车)的速度、位置等信息，也可以对静态目标(建筑、交通设施、树木等)进行识别扫描。为解决道路交通安全问题，亟需一套完整的高精度数字地图构建技术，背景滤除算法作为构建高精度数字地图的基础，背景点提取的完整度直接影响到数字地图的精度。以激光雷达点云数据为数字地图基本框架，由于点云数据中存在静态目标与动态目标，动态目标易对高精地图的构建产生干扰，因此建图过程中需要将静态目标(即背景点)保留，剔除动态目标，以提高数字地图的精确度。

传统的背景滤除算法仅考虑目标未受遮挡时的情况，为此提出本发明，当某目标受到遮挡时，判断其属于动态目标还是静态目标，从而使整个背景滤除过程更加完善准确。

发明内容

针对现有技术的不足，本发明提供一种基于道路交通点云数据的背景滤除方法，以路侧激光雷达点云数据为基础，通过背景滤除算法，将点云中的静态目标(背景点)与动态目标进行区分，以减少高精度数字地图建图过程中动态目标带来的影响。

术语解释：

RANSAC(Random Sample Consensus)：它是根据一组包含异常数据的样本数据集，计算出数据的数学模型参数，得到有效样本数据的算法。

DBSCAN(Density-Based Spatial Clustering of Applications with Noise)：是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类。

遍历算法：即点云遍历，选定一点a，计算空间中其余各点与点a的距离，计算完毕后，再选取除a外任意一点b，计算空间中其余各点(除点a外)与点b的距离，重复上述步骤可将空间中任意两点的距离计算出来。

本发明的技术方案如下：

一种基于道路交通点云数据的背景滤除方法，操作步骤如下：

(1)通过路侧激光雷达获取道路上的所有目标(行人、机动车、非机动车、静态目标)，得到待处理的三维点云数据；

(2)将待处理的三维点云数据按照每帧进行提取，选取第1帧为初始帧1，并对其余所有帧顺次进行编号，编号按时间顺序分别为帧2、帧3、帧4、…、帧j、…、帧n，在初始帧1中选取一点作为初始点a；

(3)根据编号顺序将其余所有帧与初始帧1进行比对，探寻初始点a在其它帧中是否均出现；