[发明专利]目标点云提取的方法

权利要求书

1.一种目标点云提取的方法，其特征在于，所述方法包括：

获取第一点云数据，对所述第一点云数据进行去噪处理生成第二点云数据；

计算所述第二点云数据的法向量；

选取基准法向量；

计算所述第二点云数据的法向量与所述基准法向量的夹角；

将所述夹角小于第一阈值的第二点云数据判断为外点；将所述夹角大于等于第一阈值的第二点云数据判断为内点，并生成第三点云数据；

基于随机抽样一致性RANSAC算法对所述第三点云数据进行目标点云提取；

所述对所述第一点云数据进行去噪处理生成第二点云数据具体为：

提取所述第一点云数据的深度数据，建立二维点云矩阵；

提取所述二维点云矩阵的K个3×3子矩阵；

建立所述3×3子矩阵的中心元素在所述二维点云矩阵中的位置索引；

将所述3×3子矩阵内的中心元素分别与其它元素差的绝对值相加，记做M；

如果所述M大于第二阈值，判定所述中心元素为噪点，根据所述位置索引找到所述噪点在所述二维点云矩阵中的位置，并舍弃所述噪点对应的元素；

如果所述M小于或等于第二阈值，则保留所述中心元素在所述二维点云矩阵中的位置所对应的元素；

将所述二维点云矩阵中保留下来的元素对应的第一点云数据生成所述第二点云数据；

所述如果所述M大于第二阈值，则：

提取所述3×3子矩阵的4个2×2子矩阵；

比较每个所述2×2子矩阵中的元素与所述中心元素差的绝对值大小，最小值记N；

如果N大于或等于第三阈值，则判定所述中心元素为噪点，根据所述位置索引找到所述噪点在所述二维点云矩阵中的位置，并舍弃所述噪点对应的元素；

如果N小于第三阈值，则保留所述中心元素在所述二维点云矩阵中的位置所对应的元素；

将在M小于或等于第二阈值，N小于第三阈值时所述二维点云矩阵中保留下来的元素对应的第一点云数据生成所述第二点云数据。

2.根据权利要求1所述的目标点云提取的 方法，其特征在于，所述第一点云数据是通过飞行时间传感器捕获的三维坐标。

3.根据权利要求1所述的目标点云提取的方法，其特征在于，所述第三阈值不大于所述第二阈值的一半。

4.根据权利要求1所述的目标点云提取的方法，其特征在于，所述选取基准法向量具体为：

根据需要提取出的物体的法向量特征选取基准法向量。

5.根据权利要求1所述的目标点云提取的方法，其特征在于，所述K个3×3子矩阵中，K的个数为所述二维点云矩阵的第一行、最后一行、第一列和最后一列所包围的内部元素的个数。

6.根据权利要求1所述的目标点云提取的方法，其特征在于，所述建立所述3×3子矩阵的中心元素在所述二维点云矩阵中的位置索引具体为：

标记每个所述3×3子矩阵的中心元素在所述二维点云矩阵中的行标和列标，根据所述行标和列标匹配到所述二维点云矩阵中对应的深度数据。

7.根据权利要求1所述的目标点云提取的 方法，其特征在于，所述基于随机抽样一致性RANSAC算法对所述第三点云数据进行目标点云提取具体步骤为：

从所述第三点云数据中随机选取一个子集作为内群；

用所述子集生成估计模型；

用所述估计模型遍历所述第三点云数据；

将满足约束条件的所述第三点云数据划为所述内群；

循环上述步骤，所述估计模型中内群点最多的选为最优模型，提取出所有符合所述最优模型的第三点云数据。

8.根据权利要求7所述的目标点云提取的 方法，其特征在于，所述循环上述步骤的终止条件为：当无法随机选取新的子集时跳出循环，或者设定符合所述估计模型的内群点数阈值，如果大于或等于所述内群点数阈值，则认定所述估计模型为最优模型并跳出循环。