[发明专利]一种矿区路面凹坑的识别方法、系统及无人驾驶货车

权利要求书

1.一种矿区路面凹坑的识别方法，其特征是，包括：

获取道路的点云数据；

对获取的点云数据进行下采样，得到第一数据集；

对第一数据集进行聚类，得到聚类点云；

从聚类点云中分割出地面点云；

对地面点云进行平面拟合，得到拟合平面；

计算各聚类点云的质心投影到拟合平面的高度值，并将高度值小于设定值的地面点云输出为凹坑。

2.根据权利要求1所述的矿区路面凹坑的识别方法，其特征是，所述下采样的方法为：采用基于VoxelGrid体素滤波器的体素栅格法进行下采样，将输入的点云数据建立一个三维立体栅格，在每个体素栅格里，用重心表示栅格中其他点云。

3.根据权利要求1所述的矿区路面凹坑的识别方法，其特征是，所述聚类，具体包括：

采用欧式聚类法对第一数据集中的点云数据进行粗聚类；

计算出粗聚类点云的轮廓、质心、质心与激光雷达的欧式距离；

根据粗聚类的精度、调节比例、质心与激光雷达的欧式距离计算出精聚类所需的精度运算因数；

根据所求的精度运算因数进行欧式精聚类，得到精聚类点云；

遍历精聚类点云，更新精聚类点云的质心坐标和轮廓。

4.根据权利要求3所述的矿区路面凹坑的识别方法，其特征是，所述精度运算因数，通过以下公式获得：

其中，W表示精度运算因数，D表示粗聚类精度，R表示聚类精度调节比例，L表示粗聚类距离。

5.根据权利要求1所述的矿区路面凹坑的识别方法，其特征是，所述从聚类点云中分割出地面点云，具体为：采用cropBox滤波器对所有聚类点云进行直通滤波，将cropBox滤波器的包围盒内的聚类点云视为地面点云，包围盒外的聚类点云视为非地面点云。

6.根据权利要求1所述的矿区路面凹坑的识别方法，其特征是，遍历所有聚类点云数据，筛除无效空点云数据，再通过建立KD-tree搜索k个最近邻域聚类点云数据，筛选出地面点云。

7.根据权利要求1所述的矿区路面凹坑的识别方法，其特征是，采用最小二乘法对地面点云进行平面拟合，得到拟合平面。

8.一种矿区路面凹坑的识别系统，其特征是，包括：

数据采集模块，用于获取道路的点云数据；

第一数据处理模块，用于对获取的点云数据进行下采样，得到第一数据集；

第二数据处理模块，用于对第一数据集进行聚类，得到聚类点云；

第三数据处理模块，用于从聚类点云中分割出地面点云；

第四数据处理模块，用于对地面点云进行平面拟合，得到拟合平面；

判断模块，用于计算各聚类点云的质心投影到拟合平面的高度值，并将高度值小于设定值的地面点云输出为凹坑。

9.一种矿区路面凹坑的识别系统，其特征是，包括处理器和存储设备，所述存储设备中存储有多条指令，用于所述处理器加载并执行权利要求1～7任一项所述方法的步骤。

10.一种运输矿石的无人驾驶货车，其特征是，所述货车配置有权利要求8所述的矿区路面凹坑的识别系统。