[发明专利]一种基于点云的矿区灰尘滤除方法、装置、设备及介质

权利要求书

1.一种基于点云的矿区灰尘滤除方法，其特征在于，包括：

根据接收到的矿区中的激光雷达的点云数据，得到点云投影深度图像；

对位于所述点云投影深度图像上的各个点云数据的投影点进行聚类，得到与各个障碍物对应的聚类簇；

提取每个所述聚类簇在所述点云投影深度图像上的特征；

将每个所述聚类簇对应提取到的特征输入到训练好的分类模型中，得到每个所述聚类簇分别对应的灰尘概率，并将所述灰尘概率高于预设阈值的聚类簇所对应的障碍物从障碍物序列中去除。

2.根据权利要求1所述的方法，其特征在于，所述对位于所述点云投影深度图像上的各个点云数据的投影点进行聚类，得到与各个障碍物对应的聚类簇，包括：

基于所述点云投影深度图像的平面尺寸，将所述点云投影深度图像分割为多个栅格；

根据各个所述栅格对应的各个点云数据的投影点的高度差、以及相邻两个所述栅格之间的高度差滤除地面栅格，得到非地面栅格；

对所述非地面栅格根据其所在平面的相对位置进行聚类，得到与各个所述障碍物所对应的聚类簇，并生成各个所述聚类簇各自对应的簇标签。

3.根据权利要求2所述的方法，其特征在于，所述将每个所述聚类簇对应提取到的特征输入到训练好的分类模型中，得到每个所述聚类簇分别对应的灰尘概率，包括：

对各个所述聚类簇所属的障碍物类别进行分析，并将所属的障碍物类别为灰尘的所述聚类簇对应的簇标签、以及将所属的障碍物类别为非灰尘的所述聚类簇对应的簇标签进行区分标定；

将对所述簇标签的标定结果输入到预设的分类模型中进行训练，获得所述训练好的分类模型。

4.根据权利要求1所述的方法，其特征在于，所述提取每个所述聚类簇在所述点云投影深度图像上的特征，包括：

确定每个所述聚类簇在所述点云投影深度图像上的分布范围图像；

根据预设的特征提取规则对位于每个所述分布范围图像对应的点云投影深度图像进行特征提取。

5.根据权利要求4所述的方法，其特征在于，所述特征包括行稀疏性特征、列密度非均匀性特征和平均密度特征中的至少一个，所述根据预设的特征提取规则对位于每个所述分布范围图像对应的点云投影深度图像进行特征提取，包括：

根据每个所述聚类簇在所述点云投影深度图像上的分布范围图像，将每个所述分布范围图像进行行划分，获得行范围图像；

基于所述行范围图像中的所述点云数据的投影点的可容纳的投影数量和实际投影数量，获得所述行稀疏性特征；

基于所述行范围图像的数量、以及所述行范围图像中的所述点云数据的投影点的实际投影数量之间的方差，获得所述列密度非均匀性特征；

基于每个所述聚类簇在所述点云投影深度图像上的分布范围图像、以及所述分布范围图像中的所述点云数据的投影点的可容纳的投影数量和实际投影数量，获得所述平均密度特征。

6.根据权利要求5所述的方法，其特征在于，所述根据每个所述聚类簇在所述点云投影深度图像上的分布范围图像，将每个所述分布范围图像进行行划分，获得行范围图像，包括：

基于位于所述分布范围图像上的最高位置和最低位置分别对应的所述行范围图像的预设权重、以及所述分布范围图像内的行范围图像的数量，确定每一所述行范围图像对应的加权比例；

根据每一所述行范围图像对应的加权比例对此所述行范围图像的行宽进行加权计算，获得此所述行范围图像的加权行宽；

基于每一所述行范围图像的加权行宽，对所述分布范围图像进行行划分，获得各个行范围图像。