[发明专利]基于速度聚类统计的三维扫描相干激光雷达点云处理方法

说明书

一种基于速度聚类统计的高精度三维扫描相干激光雷达点云处理的方法。首先利用相干激光雷达和三维扫描器获得运动目标的距离速度信息和对应的目标位置信息，然后通过数据存储单元存储构成点云数据集。最后对点云数据集中每个数据点进行速度聚类统计。经聚类后的点云数据集被统计在若干个速度子区间内。对所有速度子区间分别进行速度分层处理，通过比较速度子区间的特征速度值的大小和符号，判断目标的运动状态，通过速度实现对目标运动属性和运动行为的准确判断。与其他处理方法相比，本方法具有准确有效、计算速度快、实时性好等诸多优势。

技术领域

本发明涉及三维扫描相干激光雷达，特别是一种基于速度聚类统计的三维扫描相干激光雷达的点云处理方法。

技术背景

激光雷达作为一种可直接获取目标物体三维信息的高精度传感器，目前在无人驾驶技术、自主导航、遥感探测等环境感知方面发挥着越来越重要的作用，其测量精度可达到厘米量级，并且受外界环境影响较小。通常而言，激光雷达所获得的有效数据在无人驾驶技术等成像领域中主要以点云的形式展现出来。在路面环境下，激光雷达点云的目标检测与识别主要分为目标分割和目标识别两部分，其中由于易受到地面等环境杂散目标影响，目标分割在点云数据处理过程中占据较大比重。

现有技术文献[陈全，基于激光雷达的三维地面目标检测与识别方法研究[D].华中科技大学,2019]采用基于前视图的地面点滤除算法和分层次欧式距离聚类算法共同完成地面环境条件下，激光雷达点云的地面点滤除和目标分割操作。文献[张雪，基于聚类分析下的运动目标跟踪算法研究[D].哈尔滨工程大学,2019.]利用人眼直接区分运动目标与背景差异性的视觉特性，引入显著性检测MSS算法提出了一种改进型MOG算法，实现了运动目标与背景分离的目的。以上算法依靠对整帧点云数据点处理、视觉特性等算法，存在算法复杂、运行效率不高、实时性不强的问题。

发明内容

本发明针对现有三维扫描激光雷达点云图像分割方案中存在的算法复杂、流程繁琐的问题，提出一种基于速度聚类统计的三维扫描相干激光雷达的点云处理方法，该方法采用了速度聚类统计的方法，通过在三维扫描相干激光雷达点云数据中特有的测速特征，对速度进行统计分类处理。通过设置特定速度阈值，直接实现点云中无效数据点的分离。该发明以相干系统的速度信息作为出发点，结合目标距离速度信息和目标位置信息，采用速度聚类统计方式，分层处理，逐点滤波，实现三维扫描相干激光雷达点云与杂散背景之间的快速分离以及对目标运动状态的判断。该方法可简单直接、准确有效、快速地实现对地面点及其他无效数据点滤除，对不同目标的运动状态判断，具备更好的实时性、更高的计算速度。

本发明的具体解决方案如下：

一种基于速度聚类统计的三维扫描相干激光雷达点云处理的方法，其特点在于：包括以下几个步骤：

1)相干激光雷达发射调制激光光束，通过三维扫描器实现对特定视场范围内目标的三维扫描；

2)调制激光光束经漫反射目标的反射后，被相干激光雷达接收系统接收，并与激光雷达的本振光束相干拍频，得到特定扫描位置目标的距离L和相对速度V；

3)相干激光雷达的存储单元同时记录下三维扫描器的所有位置信息(X,Y,Z)和对应目标点的距离和速度信息(L,V),构成数据点总数为P的三维点云数据集d(X,Y,Z,L,V)；

4)根据相干激光雷达系统探测器决定速度范围[V_minth,V_maxth]，设置所需速度子区间数为n，另外速度子区间长度为ΔV＝(V_maxth-V_minth)/n，ΔV不应小于相干激光雷达探测的速度分辨率δV＝λ_c×δf/2＝λ_c×PRF/2，其中，λ_c表示激光雷达的中心波长，δf表示相干激光雷达系统的频率分辨率，PRF表示脉冲重复频率；