[发明专利]一种基于多线激光雷达的3D点云2D化数据处理方法

说明书

本发明涉及一种基于多线激光雷达的3D点云2D化数据处理的方法，其包含有如下步骤：S1：以多线激光雷达输出的原始数据作为输入，接收3D的点云数据并进行筛选感兴趣的数据区域；S2：采用统计离群值滤波算法，将筛选后的数据区域内超过设定阈值的点云数据当做离群值进行滤除；S3：以滤波后的点云数据作为输入，采用体素栅格滤波器进行进行缩减采样处理，减少点云的数据量；S4：以缩减采样完的点云作为输入，在平面上进行投影映射、按规律筛选进行平面2D化处理。克服3D处理方法中数据量过大，2D方法中信息不全面的缺点，在2D图像上投影出3D障碍物，降低硬件要求，用于用户低速无人驾驶智能车在行驶过程中的障碍物检测和导航地图的建立。

技术领域

本发明属于无人驾驶技术领域，具体是涉及一种基于多线激光雷达的3D点云2D化数据处理的方法。

背景技术

无人驾驶车辆必须稳定行进，不能违背安全原则。多线激光雷达(Lidar)是无人汽车上广泛应用的一种传感器件。通过多线激光雷达，可获得周围环境的3D点云数据。随着激光传感器测量精度的不断提高，3D点云数据正在以惊人的速度增长，多者可达百兆/秒，导致地图重建时间长，计算机处理的负担增加。单线激光传感器相对于多线激光传感器，价格便宜，数据量小，产生的是2D数据，易于处理和建图,但是只能扫描一定高度某一个水平面的场景，在感知方面存在无法回避的缺陷。本专利涉及的就是将大规模的3D点云数据放到2D平面上进行处理以实现建图和避障的方法。

经对现有技术的文献检索发现，中国发明专利“一种基于多线激光雷达的3D点云分割方法”(申请号201610529212.8)公开了一种点云的分割的方法，利用多线激光雷达扫描360°范围内的3D点云数据,建立笛卡尔坐标系OXYZ，利用近邻点的统计特性滤除感兴趣区域中的悬空障碍点，将滤除悬空障碍点后的3D点云数据映射到极坐标网格地图中，然后分割出非地面点云数据，最后将非地面点云数据利用八叉树进行体素化，采用基于八叉树体素网格的区域生长方法进行聚类分割。

中国发明专利“一种3D点云的数据处理方法”(申请号201410509881.X)公开了3D点云的数据处理方法，其中的3D点云中的地面滤波方法通过构建3D栅格地图和拟合地平面曲线完成，提出的分割方法采用柱坐标栅格地图中的搜索窗口聚类方法，提出的训练样本标记方法将点云分割结合适当的显示和存储方法而形成，可以在每帧点云数据中标记多个类别的样本，大大提高了样本的标记效率。

中国发明专利“一种轨道建筑空间3D点云数据转换方法”(申请号201210262436.9)提供一种专用于轨道建筑空间的数据转化方法，该方法通过车载激光扫描仪镜头转动一圈的时间内车辆二侧轮子的行走距离，求得在这段时间内车辆轮子在轨道上行走轨迹弧线的二个起始点对应的二条等效弯曲半径及其转动夹角，将前一时刻至当前时刻内的扫描点近似地投影至当前时刻的等效半径线上，求得当前等效弯曲半径线上的点与前一时刻等效半径线上相同点的关系，从而完成坐标转换。

通过以上资料可以看出，现有的3D点云的数据处理中，基本都是在三维空间基础下进行处理，处理的步骤一般较为复杂，所需要的计算量较大。而没有公开的方法将3D点云数据进行2D化处理。

综上所述，为了改善现有方法存在的不足之处，本发明提供一种基于多线激光雷达的3D点云2D化数据处理的方法，可将3D数据处理为2D数据。避免了3D数据处理算法的复杂运算，处理所得的结果数据相比于普通2D数据在障碍物检测和导航地图建立等方面具有更高的可靠性，可以应用在低速无人驾驶车辆感知和决策领域中。

发明内容

本发明的目的就是为了解决以上问题，提供一种将3D数据处理为2D数据的方法，克服3D处理方法中数据量过大，2D方法中信息不全面的缺点，在2D图像上投影出3D障碍物，降低硬件要求，用于用户低速无人驾驶智能车在行驶过程中的障碍物检测和导航地图的建立。

为实现上述目的，本发明解决技术问题的技术方案是：