[发明专利]一种激光雷达数据的消抖与雨雾处理方法

说明书

本发明公开了一种激光雷达数据的消抖与雨雾处理方法，包括以下步骤：1)输入激光雷达的点云图像数据；2)对所述点云图像数据进行矫正处理；3)对所述点云图像数据进行预处理，得到点云数据集；4)将所述点云数据集输入至深度学习卷积神经网络进行模型训练；5)优化损失函数；6)验证目标识别的准确率M是否＞95％，若是，则雨雾处理结束，若否，则返回步骤5)，直至准确率M＞95％。本发明通过对收集的点云数据进行矫正起到消抖的效果，利用深度学习卷积神经网络，对在雨天和雾天获得的点云图像进行处理，使激光雷达在雨雾天气，目标物识别的准确率提高,达到雨雾处理的效果。

技术领域

本发明涉及激光雷达数据图像处理技术，更具体地说，涉及一种激光雷达数据的消抖与雨雾处理方法。

背景技术

随着科学技术的发展和进步，以及计算机计算能力的提高，诸如激光雷达这类距离传感器在机器人的避障和目标识别上的应用也越来越广泛，激光雷达可以在雾天、雨天等一些恶劣条件下得到点云图像，但是由于激光雷达扫描频率低，固定的激光雷达在移动过程中会发生抖动及天气的影响，得到的这些点云图像比较稀疏、不完整，导致目标物体的识别及分类的准确率下降。

而现在有的关于点云图像数据消抖和雨雾处理方法，主要利用人工对图像局部特征进行提取和标定，但这些都得依靠非常专业的知识和个人的经验，十分耗费人力且提取的特征有限，图像雨雾处理的效果不好，导致目标物识别的准确率下降。

因此，通过激光雷达获得的雨雾点云图像，如何对点云图像数据进行矫正及自动的进行雨雾点云图像特征提取，使目标物的识别精度提高，是急需要解决的问题。

发明内容

针对现有技术中存在的上述缺陷，本发明的目的是提供一种激光雷达数据的消抖与雨雾处理方法，通过对收集的点云数据进行矫正起到消抖的效果，利用深度学习卷积神经网络，对在雨天和雾天获得的点云图像进行处理，使激光雷达在雨雾天气，目标物识别的准确率提高,达到雨雾处理的效果。

为实现上述目的，本发明采用如下技术方案：

一种激光雷达数据的消抖与雨雾处理方法，包括以下步骤：

1)输入激光雷达的点云图像数据；

2)对所述点云图像数据进行矫正处理；

3)对所述点云图像数据进行预处理，得到点云数据集；

4)将所述点云数据集输入至深度学习卷积神经网络进行模型训练；

5)优化损失函数；

6)验证目标识别的准确率M是否＞95％，若是，则雨雾处理结束，若否，则返回步骤5)，直至准确率M＞95％。

较佳的，所述点云图像数据包括所述激光雷达获得的三维点云的雨图和雾图。

较佳的，所述步骤3)中，所述预处理包括点云图像的去燥、点云图像的简化、点云图像的配准和点云图像的补洞。

较佳的，所述步骤4)中，所述点云数据集分为训练集和测试集；

所述训练集输入至所述深度学习卷积神经网络进行模型训练，用以调节所述深度学习卷积神经网络中模型训练的参数；

所述测试集用以观察所述深度学习卷积神经网络中模型训练，根据在所述雨图和所述雾图上目标物识别的正确率，判断是否需调节所述深度学习卷积神经网络中模型训练的参数和初始化值。

较佳的，所述步骤4)中，所述深度学习卷积神经网络中模型训练包括前向学习阶段和反向传播阶段。