[发明专利]一种基于激光扫描的目标识别方法及装置

说明书

本发明提供一种基于激光扫描的目标识别方法及装置，方法包括获取通过激光雷达对待识别场景进行激光扫描反射得到的各个点的数据，并根据各个点的数据计算各个点的三维坐标值；数据包括激光雷达扫描到的采样点与激光雷达之间的直线距离值；根据各个点的三维坐标值获取各个点的二维坐标值，并根据各个点的直线距离值和各个点的二维坐标值对各个点进行聚类，生成多个类别；根据聚类形成的各个类别的点的二维坐标值计算各个目标信息；根据各个目标信息确定待识别场景中的各个目标。本发明针对车载激光雷达水平分辨率和垂直分辨率不相同问题，采用密度聚类算法进行聚类，聚类半径是关于直线距离的自适应，获得的聚类结果较好，从而提高目标识别精度。

技术领域

本发明涉及计算机处理技术领域，特别涉及一种基于激光扫描的目标识别方法及装置。

背景技术

随着汽车行业的不断发展，无人驾驶技术已经成为智能交通和人工智能领域的一个研究热点，其发展将会大大提高交通系统的效率和安全性，对现代交通系统和智慧城市有着重要的意义。

在大部分无人驾驶汽车中，激光雷达作为环境感知的传感器已经成为不可或缺的一部分。无人驾驶汽车中的目标识别，一类方案仅采用激光雷达的点云数据进行目标识别，但是没有考虑激光的水平分辨率和垂直分辨率不同的特点，激光扫描到的目标点云分布不均匀，目标聚类效果差导致目标识别精度低；一类方案是激光雷达和其他传感器的融合做目标识别，例如摄像头、毫米波雷达，该方案的缺点在于复杂度高。

发明内容

本发明提供一种至少部分解决上述技术问题的基于激光扫描的目标识别方法及装置。

第一方面，本发明提供一种基于激光扫描的目标识别方法，包括：

获取通过激光雷达对待识别场景进行激光扫描反射得到的各个点的数据，并根据各个点的数据，计算各个点的三维坐标值；所述数据包括：激光雷达扫描到的采样点与激光雷达之间的直线距离值；

根据所述各个点的三维坐标值，获取各个点的二维坐标值，并根据各个点的所述直线距离值和各个点的二维坐标值，对各个点进行聚类，生成多个类别；

根据聚类形成的各个类别的点的二维坐标值，计算各个目标信息；

根据各个目标信息，确定待识别场景中的各个目标。

优选的，根据各个点的所述直线距离值和各个点的二维坐标值，对各个点进行聚类，生成多个类别，包括：

根据各个点的所述直线距离值，计算与各个点对应的激光雷达x方向的聚类半径、与各个点对应的激光雷达y方向的聚类半径以及与各个点对应的类别所包含的最小点数；

根据与各个点对应的激光雷达x方向的聚类半径、与各个点对应的激光雷达y方向的聚类半径、与各个点对应的类别所包含的最小点数以及各个点的二维坐标值，对各个点进行聚类，生成多个类别。

优选的，根据各个点的所述直线距离值，计算与各个点对应的激光雷达x方向的聚类半径、与各个点对应的激光雷达y方向的聚类半径以及与各个点对应的类别所包含的最小点数，包括：

根据各个点的所述直线距离值，分别通过公式(一)、(二)和(三)计算与各个点对应的激光雷达x方向的聚类半径、与各个点对应的激光雷达y方向的聚类半径以及与各个点对应的待聚类的各个类别所包含的最小点数

EpsX_i＝A*D_i*tan(α)(一)

EpsY_i＝B*D_i*tan(β)(二)

MinPts_i＝f(D_i)(三)