[发明专利]基于高斯分布的地面滤波算法

说明书

本发明的目的是为智能驾驶中的目标识别提供更优质的数据，减小地面点对识别造成的影响。结合传统的地面滤波方法，并在此基础上增加了高斯分布来判断某一点属于地面点的概率，以解决原有算法在距离本车较远处允许范围过高从而将非地面点识别为地面点的问题。实施过程主要分为三步，包括采用传统的方法选取初始地面点、对数据进行扇形网格划分和利用高斯分布判断地面点。

技术领域

本发明涉及智能驾驶中的地面滤波领域，实现了地面点与非地面点的分离。

背景技术

智能驾驶是当前社会的热门研究方向，许多人在这个方向上提出了一系列的算法，主要是对车载激光雷达所探测到的点云进行处理，识别出道路上的实际交通情况。激光雷达在路面信息探测上有着突出的优势，不受光线的影响，可以适用于绝大多数场景。而地面点滤波是雷达点云处理的基础，可以为点云的识别提供很大的帮助，减少地面点对识别造成的影响。

发明内容

本发明的目的是为智能驾驶中的目标识别提供更优质的数据，减小地面点对识别造成的影响；

本发明结合传统的地面滤波方法，并在此基础上增加了高斯分布来判断地面点概率，以解决原有算法在距离本车较远处将非地面点识别为地面点的问题；

本发明主要分为三步：

1、采用传统的方法选区初始地面点：以本车为圆心向外扩展，通过判断同一方上相邻两个点的高度差是否在允许范围内来确定该点是否是地面点，这种逐级扩充地面点的方法对任何地面都具有很强的适用性，但是经过实际测试证明在据车较远出，存在将非地面点识别为地面点的情况，而且很普遍，因此这里只用来定位初始地面点，判断离本车距离较近的点是否为地面点；

2、对数据进行网格划分：雷达探测的点云数据为扇形分布，用扇形网格存储数据可以降低数据量，同时可以将无序的点云转化为有序的网格方便处理，网格通过半径及偏角进行编号，将点按照编号分布到不同的网格中，以每一个网格中点的高度平均值当作当前网格高度，点的编号计算方法如下：

其中r_div为半径编号，theat_div为角度编号，r为点到车的距离

r_min为雷达可识别的最近点到车的距离，r_dis为最小网格的宽度，theat为点到车的连线与y轴正方向的夹角，theat_min为雷达的最小方位角，theat_dis为最小网格的角度；

3、利用高斯分布判断地面点：首先求出初始地面点所属网格的期望和方差，我们遍历所有网格，对遍历到的每一个网格计算它属于地面点的概率P(x)，如果该点是地面点的概率在额定范围内，则将该点加入地面点，同时更新期望和方差，同时记录并不断更新最大方差，当某一点属于地面点的概率超出额定范围内时，再次判断该点是否在最大方差的允许范围内，如果满足则该点为地面点，但此时不进行期望和方差的更新；

。

附图说明

图1为整个算法实现的整体流程图。

图2为用扇形网格存储数据的流程图。

图3为使用高斯分布筛选并扩充地面点的流程图。

图4为初始地面点选取的流程图。