[发明专利]基于高斯过程回归算法的地面滤波方法

权利要求书

1.以高斯分布为基础结合高斯过程回归算法提取地面点，进而分离非地面点与地面点。同时改进地面校正算法，解决地面校正时存在的过度校正问题。

主要分为三步。

1)采用高斯分布的方法提取初始地面点。使用高斯分布方法，以本车为中心向外扩张，适当增加方差范围，尽可能多的提取初始地面点为训练集做准备。

2)采用最小二乘法及旋转矩阵对点云进行校正。

由于雷达安装时并不完全水平，因此探测结果自带偏角，需要进行校正，让地面尽量达到一个水平的状态。步骤如下：

步骤1：

设所求拟合平面方程为Ax+By+Cz＝D(C≠0)，令

其误差模型为：

令S取最小值，其中a₀,a₁,a₂为未知数，应满足求解方程组就可以知道a₀,a₁,a₂的值，从而求得平面得法向量l(a,b,c)。

步骤2：

地面校正时采用旋转矩阵，对所有点云进行坐标变换，校正标准轴为z轴，其方向向量为z(0,0,1)，可知旋转轴为：

r(x,y,z)＝l(a,b,c)×z(0,0,1)

根据根据向量夹角的余弦值求得旋转角θ。

步骤3：

计算旋转矩阵R，其中m＝1-cosθ：

3)利用高斯过程回归提取地面点。首先将初始地面点作为训练集进行模型训练。考虑到目标值含有噪声，因此定义：

y＝f(x)+ε

其中的高斯白噪声。

我们选择平方指数协方差函数

作为高斯过程回归的核函数。

根据高斯过程回归特点可知，训练集若给定测试集(X^*,Y^*)，则有：

由此可知测试集Y^*服从分布如下：

其中为信号方差，l为特征长度尺度。

根据拟牛顿法对参数l进行求解，得到最优超参数，从而得到预测点的预测均值和预测方差。

最后保留预测方差与真实方差绝对差值小于阈值的点为地面点。

2.根据权利要求1所述的高斯过程回归算法提取地面点，其特征在于，结合了最小二乘拟合法校正地面，有效解决地面过度校正的问题。

3.根据权利要求1所述的高斯过程回归算法提取地面点，其特征在于，用核函数将数据映射到高维空间，解决了噪声点分离不干净的问题。