[发明专利]一种融合强度与时空几何特征的激光雷达去雪方法和系统

说明书

本发明提供了一种融合强度与时空几何特征的激光雷达去雪方法和系统，涉及自动驾驶环境感知技术领域，通过结合强度邻域数量的反射强度信息和时空邻域数量的空间特征信息对点云数据进行去雪处理，提高去雪算法的准确性和适应性，在有效去除激光雷达点云数据中的雪噪点的同时，降低点云数据中非雪噪点的损失，从而降低对点云数据中环境信息的破坏。能够自适应多种密度的降雪。

技术领域

本发明涉及自动驾驶环境感知技术领域，更具体地，涉及一种融合强度与时空几何特征的激光雷达去雪方法和系统。

背景技术

自动驾驶技术采用计算机对车辆进行驾驶和控制，在自动驾驶时计算机对周边环境的感知是进行驾驶决策的基础，因此可靠的环境感知数据尤为重要；目前自动驾驶汽车普遍采用激光雷达(LiDAR，Light Detection and Ranging)进行环境感知，激光雷达通过扫描周边环境得到点云数据，在雪花分布密集的大雪、暴雪等恶劣气候条件场景下，针对激光雷达传感器获取的点云数据，目前没有很好的方法能够有效去除其中的雪噪点并较好地保留环境特征。

公开号：CN113281782A，公开日为2021-08-20的一种基于无人驾驶车的激光雷达雪点滤除方法，该发明根据激光雷达点云反射强度求解阈值对点云反射强度进行粗分类，然后基于领域搜索根据邻域数量进行细分类；但该方案只考虑了反射强度和不同材质的相关性，并且基于此前提求解阈值，求解过程中没有考虑测量距离和入射角的影响；并且仅使用普通空间的点云分布进行进一步过滤，未考虑连续时间的维度，阈值求解结果和进一步过滤结果不准确。

发明内容

本发明为克服上述技术问题，提供一种能够有效识别和去除点云数据中的雪噪点，并较好地保留环境特征的融合强度与时空几何特征的激光雷达去雪方法和系统。

本发明技术方案如下：

一种融合强度与时空几何特征的激光雷达去雪方法和系统，所述方法包括步骤：

S1、获取激光雷达实际的点云数据，对实际的点云数据进行过滤，得到候选雪噪点；

S2、根据雪花在实际的点云数据单帧点云帧中的雪花周围点云分布密度特性，计算候选雪噪点在当前时刻的点云帧中的强度邻域数量；

S3、对具有候选雪噪点的点云帧以及其相邻点云帧通过主成分分析法进行降维，提取宽度-时间图像，所述相邻点云帧是指具有候选雪噪点的点云帧的前后若干帧；

S4、基于雪花的运动规律特性，根据所述宽度-时间图像，计算候选雪噪点在宽度-时间图像上的时空邻域数量；

S5、基于熵权法利用强度邻域数量和时空邻域数量计算综合评分，然后根据综合评分对候选雪噪点进行最终分类得到真雪噪点和非噪点；

S6、剔除真雪噪点实现过滤，把非噪点恢复为普通点云点实现修复。

本技术方案提出了一种融合强度与时空几何特征的激光雷达去雪方法和系统，结合强度邻域数量的反射强度信息和时空邻域数量的空间特征信息对点云数据进行去雪处理，提高去雪算法的准确性和适应性，在有效去除激光雷达点云数据中的雪噪点的同时，降低点云数据中非雪噪点的损失，从而降低对点云数据中环境信息的破坏。能够自适应多种密度的降雪。

进一步地，步骤S1得到候选雪噪点是利用自适应强度滤波器根据雪花的动态强度阈值曲线对实际的点云数据进行过滤，从而得到候选雪噪点，获得所述据雪花的动态强度阈值曲线的方法为：基于激光雷达的强度原理，得到激光脉冲在理想情况下的激光雷达强度曲线；基于雪花的物理模型和雪花的点云强度特性，根据所述激光雷达强度曲线，计算得到雪花的动态强度阈值曲线；

所述激光雷达强度曲线的公式为：