[发明专利]基于激光雷达和图像数据融合的地形地貌特征构建方法

权利要求书

1.基于激光雷达和图像数据融合的地形地貌特征构建方法，其特征在于，该方法包括如下步骤：

步骤一、获取当前时刻地面无人移动平台周围环境的3D激光点云和全景图像；

所获得3D激光点云为平台周围环境的特征点集，包括各特征点的三维坐标值以及反射率；

步骤二、对3D激光点云和全景图像进行匹配，获得匹配图像：

步骤三、对于3D激光点云中各激光点，选取其对应的不同分布特征，对3D激光点云进行划分，并根据各分布特征的动态聚类算法进行聚类，获得多个区域类；

其中，所选取分布特征包括：激光点所在面法向量、反射率以及该点映射到图像上的颜色特征；

步骤四、根据地面无人移动平台的行驶能力，对多个区域类的地形进行判断，获得可通行区域类；

步骤五、使用稠密SIFT算法获得可通行区域类的地貌识别向量；

步骤六、采用分类器按照地貌识别向量对可通行区域类进行地貌分类，最终获得地面无人移动平台周围可通行区域的地貌。

2.如权利要求1所述的基于激光雷达和图像数据融合的地形地貌特征构建方法，其特征在于，所述步骤三具体分为如下步骤：

步骤301、建立3D激光点云坐标系oxyz：该坐标系以激光雷达为原点，以水平面作为xoy平面，以垂直于xoy平面的方向作为z轴方向；

将3D激光点云中各激光点的在oxyz坐标系下的坐标转化为以激光雷达为原点的球坐标系下的表示其中，r为激光点距原点的距离，θ和分别为激光点所在的纬度和经度；

对于所获得的3D激光点云进行如下处理：

在经度方向上，按照0.5度的步长将大致均匀分布在360度的激光点划分进720个经度组；

在纬度方向上，按照0.45度的步长将大致均匀分布在180度的激光点划分进400个纬度组；

对于3D激光点云中每个激光点，找到其在经度方向上同属于一个经度组的相邻激光点作拟合直线，再找到其在纬度方向上同属于一个纬度组的相邻激光点作拟合直线，两拟合直线的单位向量叉乘获得该激光点的面法向量；

步骤302、在经度组中，将激光点依据z轴坐标差异和其在经度方向上拟合直线的斜率差异划分成子类，在进行子类划分时：若两激光点z方向坐标差异超过一定阈值，或者拟合直线的斜率差异达到一定程度，则两点划分入不同的子类；

针对划分出每个子类，统计其如下子类特征的特征值：法向量、中心点坐标、颜色和反射率；

其中各子类特征值的计算方法如下：

子类法向量：子类中每个点的面法向量进行相加并归一化，得到该子类的所在平面的法向量；

子类中心点坐标：获取每个子类中心点的经度、纬度和距激光雷达原点的距离，作为中心点坐标；

子类颜色：获取每个激光点在全景图像上对应的0到255的rgb三维颜色向量；将0至255均匀划分为8段，在一个子类中，统计各维颜色向量的8段中激光点出现的频率，进行直方图统计，获得该子类的24维颜色向量；

子类反射率：通过3D激光雷达获得每个激光点的反射率，该反射率是一个0-255的整数，将0-255均匀划分为8个区域，在每一个子类中，统计反射率的8个区域中激光点出现的概率，进行直方图统计，获得该子类的8维反射率向量；

步骤303、计算每个子类与相邻子类之间各特征值的相似度，选取相似度最大的子类进行合并，获得簇，计算簇内的类间凝聚度，若凝聚度超过一定阈值，则取消合并；

步骤304、经过步骤303之后，激光点的聚类包括簇与子类两种，计算每一簇和每一子类的物理空间大小，将物理空间最大的簇或子类作为区域类，将除区域类以外的剩余的簇或子类返回步骤303进行聚类，直到剩余的簇或子类个数小于一定数值，最终获得多个区域类。

3.如权利要求1所述的基于激光雷达和图像数据融合的地形地貌特征构建方法，其特征在于，所述步骤四中，采用如下方法对区域类进行地形判断：

根据地面无人移动平台的行驶能力，建立地形分类模糊表；

地形分类模糊表将地形中所有区域分为可通行和不可通行两大类，其中可通行中分为平路，上坡，下坡；不可通行分为凸障碍和凹障碍，共五小类，地形分类模糊表以每一区域类的径向坡度和起始点为依据进行模糊分类，分类的结果即为地形判断的结果。