[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

说明书

本发明公开了一种基于点云的矿区灰尘滤除方法、装置、设备及介质，通过将激光雷达点云数据投射到深度图像上，获得投影深度图像，克服笛卡尔坐标系下点云密度受距离影响的难点，且投影后，再结合笛卡尔坐标系下获得的障碍物聚类信息，在点云分布投影图上对聚类簇在点云投影深度图像上的特征进行提取，再通过提取到的特征输入到训练好的分类模型中，得到每个聚类簇分别对应的灰尘概率，以实现根据获取的灰尘概率将簇标签为灰尘所对应的障碍物从障碍物序列中移除，达到滤除灰尘的效果。

技术领域

本发明涉及矿区障碍物信息获取技术领域，尤其涉及一种基于点云的矿区灰尘滤除方法、装置、设备及介质。

背景技术

矿区环境下扬尘是一种极为常见的现象，危害矿区无人驾驶车辆的安全。使用激光雷达的无人驾驶车辆易将扬尘产生的点云作为障碍物点云，由此引发的预障停车或紧急避障等行为在重载状态下易引发安全事故。因此，激光雷达点云的灰尘滤除是一项十分重要的工作。因公开道路或其他复杂场景下路面以混凝土为主，基于激光雷达的点云质量提升以噪点滤除为主，主要利用笛卡尔坐标系下点云的空间密度对密度较小的噪点或噪点簇进行滤除。

而在现有技术中，一般是通过激光雷达获取点云，对点云进行降采样并计算其点云密度作为参考阈值，通过遍历求解每个点邻域范围内的点云密度并与参考阈值做对比取得噪点集合，对噪点集合进行聚类后，滤除噪点聚类簇中少于参考阈值的簇作为去噪结果。但是，该方法未考虑到反射点距离对激光雷达所获点云密度的影响，且邻域空间范围内的计算存在复杂度高、耗时的问题，适合噪点较少且对实时性能要求不高的场景，在矿区扬尘较大且受天气影响扬尘强度波动的环境中，会导致性能不足且性能不稳定的结果。

发明内容

本发明提供一种基于点云的矿区灰尘滤除方法、装置、计算机设备及介质，以实现在扬尘较多的矿山环境下，辅助无人驾驶感知功能对障碍物进行误检障碍物的纠正和灰尘滤除的效果。

第一方面，提供了一种基于点云的矿区灰尘滤除方法，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。

进一步的，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平面相对位置进行聚类，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。

进一步的，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。

进一步的，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；