[发明专利]一种激光点云中的无人机目标检测方法

说明书

本发明的激光点云中的无人机目标检测方法主要分为四个步骤：点云体素栅格化、地面点聚类去除、空中目标点云划分和无人机目标形态特征筛查。该方法使用激光雷达的点云成像作为原始数据，通过智能化检测方法从中检测出低慢小无人机目标，通过地面点聚类去除过程，将点云数据中产生的地面回波数据点（地面、树丛、建筑等）予以去除，减少对目标检测的干扰，使得该方法尤其适用于飞行高度较低的低慢小无人机目标，优化探测效果，可以同时准确地测定目标的方位角、俯仰角、距离、速度和目标大小及形态，具有精度高、反应快的特点，可将目标无人机的定位精度提高到厘米级，优于现有的光电、雷达和无线电探测方法。

技术领域

本发明涉及一种无人机目标检测方法，具体涉及一种激光点云中的无人机目标检测方法；属于无人机检测技术领域。

背景技术

现有的无人机目标检测技术主要分为光电检测、雷达检测和无线电侦测三种方式。光电检测是通过图像传感器对天空成像、再通过机器视觉算法从中检测出目标位置，其缺点为只能确定目标的方位和高低角度坐标，无法确定距离；雷达检测是通过对天空发射无线电波、再测量目标回波的方式来确定目标准确位置的，但在测量飞行高度较低的低慢小无人机目标时容易受到地面回波的影响，探测效果也不理想。无线电侦测是通过测量无人机自身发射的无线电信号来被动定位目标无人机的方式，但其测量精度非常依赖于微弱的无线电信号幅度，也很容易受周围地表环境的影响，测量精度不高，只能测出大致的角度方位。

发明内容

为解决现有技术的不足，本发明的目的在于提供一种从激光雷达成像得到的点云数据中检测正在飞行的低慢小无人机目标的方法，可用于地面/天空中的反无人机系统进行目标捕获/测距使用。

为了实现上述目标，本发明采用如下的技术方案：

本发明的一种激光点云中的无人机目标检测方法，包括如下步骤：

S1、点云体素栅格化：使用体素栅格化方法，将原始点云数据组织成三维空间中的体素栅格形式，这样能够简化后续的计算和检测过程；

S2、地面点聚类去除，去除对目标检测产生干扰的各类地面点：以高度判定为基础产生一系列地面点种子，以种子为根节点、采用树形结构扩展的方式划分地面点并进行聚类，标记出体素网格中所有的地面点，剩余的体素网格则属于待划分的空中目标；

S3、无人机目标点云划分：采用目标种子节点-六向领域扩展的方式进行聚类，扫描整个体素网格（待划分的空中目标），生成一系列的空中目标聚类；

S4、无人机目标形态特征筛查：搜索整个空中目标聚类，基于目标无人机的形态特征实现目标筛查。

在所述步骤S1中，所述原始点云数据已结合激光雷达自身的绝对坐标和姿态变换至东-北-天坐标系下，这是本发明的算法的前置条件。

优选地，前述步骤S1中，点云体素栅格化的具体处理过程为：将激光雷达的测量覆盖区域近似为其球体测量范围（激光雷达的理论测量范围为一球体）的外接立方体，激光雷达的最远测量距离为，该立方体的覆盖范围用集合G表示：

；

将G划分为个小立方体栅格，每个栅格用表示，其中，a表示单个栅格划分的边长；

对每个点云点p(x,y,z),通过如下方式将其划分到某个确定的体素网格G[i][j][k]：

。

更优选地，前述步骤S2包括如下两个子步骤：

S2.1 对整个体素网格G进行扫描，若某个z坐标小于判断阈值h的体素网格内部点云总数N0，即将该网格标记为一个地面种子，并对其执行步骤S2.2，该判断阈值的设定标准依赖于激光雷达自身坐标的测量精度和方法人为选定；

S2.2 六向邻接网格扩展