[发明专利]基于单线激光雷达的车辆分离方法

权利要求书

1.一种基于单线激光雷达的车辆分离方法，其特征在于：包括如下步骤：

(1)对初次安装好的单线激光雷达车辆分离器进行传感器标定：通过地面点云拟合，求得地面平面和检测水平面的夹角α；

(2)得到夹角α后，即可根据角分辨率，求取每帧数据的点云在水平坐标系下的坐标

(3)求得无车通过ETC时，地面点云的数量N和点云的聚类高度H，并将地面点云的数量N和点云的聚类高度H作为粗滤波参数,判断该帧是否有车辆数据；其中，聚类高度H为水平坐标系下的平均高度；设{M_p}为水平坐标系下经过阈值A滤波后的点集：

(4)经过(3)滤波后判断为yes的点云，对该帧点云按照x轴方向进行划分区间，均等划分为S个区间，求取点云数量最多和次多的区间，得到车辆最外面的点云所处的区间K，根据判断每帧点云数量的最多和次多的区间任一是否为K,如不为K，则判断为无车，如为K，则初判断为有车。

2.根据权利要求1所述的基于单线激光雷达的车辆分离方法，其特征在于：还包括步骤(5)，对前后帧数据的点云分布特性进行判别：基于车辆通行时，车辆外侧的点云分布相似性，判断该帧点云是否为车辆或噪点。

3.根据权利要求1所述的基于单线激光雷达的车辆分离方法，其特征在于：步骤1包括：

(1.1)采集无车辆通过ETC时的一段连续点云{N_p}，设采集点云M帧数据，初始零点接近水平朝上，首先通过设定meta数据阈值A，meta数据阈值A为dis采样距离，实际操作时，dis采样距离结合传感器检测距离和ETC车道宽度设定，通过设置的meta数据阈值A来过滤噪点,得到实际的数据点云{N'_p}

{N’_p}＝{N_p|dis_metaA}

(1.2)按照meta距离dis_meta、角度分辨率θ和帧索引i，得每帧数据点云的坐标

(1.3)设定高度阈值B，求得每帧点云最下方的点云组合{D_p}

(1.4)由点云组合{D_p}进行最小二乘平面拟合，得到拟合平面，进行计算得到平面倾角及为标定所求的地面平面和检测水平面的夹角α。

4.根据权利要求3所述的基于单线激光雷达的车辆分离方法，其特征在于：根据拟合平面，得到拟合平面和水平面的交线，然后分别从拟合平面和水平面对交线做垂线，求得两个垂线的夹角，即可得到地面平面和检测水平面的夹角α。

5.根据权利要求1所述的基于单线激光雷达的车辆分离方法，其特征在于：步骤(4)包括：

(4.1)按照等距离划分点云为S个区间，记区间索引为1～S；

(4.2)累计连续P帧点云，连续记录每帧点云数量最多和次多的区间索引，分别记为点云数量最多区间索引K1和点云数量次多区间索引K2；

(4.3)统计P帧的点云数量最多区间索引K1和点云数量次多区间索引K2的出现的次数，将出现次数最多的值赋为K；

(4.4)对连续P帧的每帧点云进行判断，如果判断点云数量最多和次多区间任一为K，则初判为车，否则为无车；

(4.5)从P+1帧数据开始，重复计算点云数量最多区间索引K1和点云数量次多区间索引K2,对K更新，重复按照上述步骤判断是否为车。

6.根据权利要求1所述的基于单线激光雷达的车辆分离方法，其特征在于：步骤(5)包括：

(5.1)求取当前帧L和前后R帧的KL距离，并形成KL距离组合{KL_2R}；

(5.2)对KL距离组合{KL_2R}进行分析：临近L帧的KL距离小于阈值C的数量满足D个,则判定为车，否则为无车。