[发明专利]一种车辆三维点云数据滤波方法

说明书

本申请提供一种车辆三维点云数据滤波方法，利用几何特征滤波方法，能够很好的滤除水花噪声、尾气噪声、尘埃噪声、激光反射噪声等各类噪声点云，得到准确的车辆三维点云数据。包括步骤：(a)通过安装在路端的激光雷达，获得视场角的三维点云数据；(b)将步骤(a)中的三维点云数据去除环境点云并初步提取车辆位置和轮廓信息，获得车辆原始三维点云信息；(c)将车辆原始三维点云信息的所有点投影为多个平面视图，利用区间过滤法分别滤除每个平面视图的噪声，得到精准的车辆轮廓信息。

技术领域

本发明涉及点云数据处理的技术领域，更具体地，涉及一种车辆三维点云数据滤波方法。

背景技术

车辆的激光雷达数据是以点云的形式存放的，车辆点云数据由特定空间内的一定数量的点云构成，这些点云之间存在空间关系。处理车辆三维点云数据除了需要对数据的不同排列和某些空间转换保持不变性，更重要的是，需要过滤车辆点云数据中的各种噪声点云。

在现有技术中，激光雷达已经广泛用于路端的车辆检测中，其成像特性不受白天黑夜的光照影响，正常情况能够获取到的车辆点云图像噪声极少，比较清晰。但是如果由于天气原因，比如地面产生积水，车辆行驶过程中会产生大量水花，对于车辆的精确的轮廓检测会产生极大影响，使得车辆轮廓的测量准确度大幅下降。

有鉴于此，本发明提供一种车辆三维点云数据滤波方法，能够很好的滤除各类噪声点云，得到准确的车辆三维点云数据。

发明内容

本发明的目的在于，提供一种车辆三维点云数据滤波方法，利用几何特征滤波方法，能够很好的滤除水花噪声、尾气噪声、尘埃噪声、激光反射噪声等各类噪声点云，得到准确的车辆三维点云数据。

一种车辆三维点云数据滤波方法，包括步骤：

(a)通过安装在路端的激光雷达，获得视场角的三维点云数据；

(b)将步骤(a)中的三维点云数据去除环境点云并初步提取车辆位置和轮廓信息，获得车辆原始三维点云信息；

(c)将车辆原始三维点云信息的所有点投影为多个平面视图，利用区间过滤法分别滤除每个平面视图的噪声，得到精准的车辆轮廓信息。

在一些实施方式中，在步骤(a)中，所述激光雷达为多线束激光雷达，多线束激光雷达能够进行竖直方向的积分，识别车辆的高度信息。

进一步的，所述多线束激光雷达安装于路侧或者路中，多线束激光雷达的安装高度大于车辆的高度，多线束激光雷达能够扫描检测到车辆的车头或车尾、车辆侧面和车顶。

进一步的，所述多线束激光雷达安装在路侧装置或龙门架上，多线束激光雷达的安装角度能够扫描探测车辆的侧前方或侧后方。

在一些实施方式中，在步骤(b)中，通过三维点云去背景技术去除环境点云，并初步提取车辆位置和轮廓信息。

进一步的，三维点云去背景技术包括：动态点云提取或者地面背景点去除，初步提取车辆位置和轮廓信息的方法包括：聚类方式或者3D深度学习检测方式。

进一步的，动态点云提取为绘制一个3D长方体框，该长方体底面位于地面临界处，其余几个面为点云提取范围，判断点是否在长方体框的内部，内部的所有点云即为去除了背景点云的地面车辆、行人等动态点云；地面背景点去除是取感兴趣范围内的所有点云，拟合计算地面的曲面方程，然后将所有感兴趣范围内的点带入地面曲面函数，通过函数值判断该点和地面的关系，如果函数值大于0说明点在地面上，则保留，否则删除，得到的所有点就是地面上的车辆、行人等动态点云。

进一步的，聚类方式是对原始点云各个点之间的离度量分析(如选用欧氏距离)，将小于一定阈值(如1米)的点聚为一个类别，再由聚类后的每簇点云的长宽高、位置特征，分类为车辆、行人；3D深度学习检测的需要对大量人工标注数据进行训练，训练完成后得到权重参数，能够直接识别地面上车辆、行人的位置和大小。