[发明专利]基于车载LiDAR点云的路边地上物多阶段聚类分割算法

权利要求书

1.基于车载LiDAR点云的路边地上物多阶段聚类分割算法，其特征在于，包括如下步骤：

步骤(1)、对车载LiDAR点云数据进行数据预处理，得到路边地上物点云数据；

步骤(2)、对路边地上物点云数据依次进行三维格网化和广度优先搜索，实现路边地上物点云数据的粗聚类分割；粗聚类分割得到单独地物点云和相连地物点云，单独地物点云直接作为路边地上物聚类结果输出；

步骤(3)、将相连地物点云进行欧氏聚类，分割为边界完整的粗聚类点云集；

步骤(4)、预设地物类型并进行地物分类，根据地物分类情况给定聚类阈值初值，利用多段式近邻搜索逐步聚合粗聚类点云集的所有聚类对象；评估各点云的聚合速度，并自适应调整聚类阈值，直至所有聚类对象的点云聚合速度相近，输出相连地物聚类结果，从而完成对路边地上物的聚类分割。

2.根据权利要求1所述的基于车载LiDAR点云的路边地上物多阶段聚类分割算法，其特征在于，步骤(2)中，三维格网化时，用体素将路边地上物点云数据进行空间划分，得到分块点云；对分块点云建立三维格网索引I(r,c,l)，以确定其空间拓扑关系；

对任意一个三维点(x_i,y_i,z_i)，其三维格网索引I(r,c,l)的计算公式为：

式(1)至(3)中，math.floor为向下取整函数，L为体素边长，r、c、l分别为点所在格网的行、列、层号，x_min、y_min、z_min为点云在X、Y、Z方向上的最小值。

3.根据权利要求1所述的基于车载LiDAR点云的路边地上物多阶段聚类分割算法，其特征在于，步骤(2)中，利用三维格网化后的起始格网为依据，对三维格网索引进行广度优先搜索；广度优先搜索的算法包括如下步骤：

步骤(2-1)、对每个起始格网做XOY平面上的四邻域搜索，移除搜索到的其他起始格网，使每个起始格网互不连通；

步骤(2-2)、创建开启队列和关闭队列，将一个起始格网压入开启队列；

步骤(2-3)、对开启队列中的首个元素进行六邻域搜索，获取其上下左右前后6个方向上的近邻格网；对每个近邻格网，若存在三维格网索引，未在关闭队列且未在开启队列，则将该格网压入开启队列；所有近邻格网处理完毕后，将开启队列中的首个元素移入关闭队列中；

步骤(2-4)、重复步骤(2-3)，直到开启队列为空，此时关闭队列表示为一块由三维格网索引组成的连通空间，该空间中的点云视为一个聚类对象；

步骤(2-5)、重复步骤(2-2)至步骤(2-4)，即可将点云数据粗分割为两个或两个以上的聚类对象；遍历每个对象的三维格网索引，对于仅存在单个起始格网的对象，输出格网对应的点云作为单独地物聚类结果；若起始格网数大于或等于2，则视为相连地物点云。

4.根据权利要求1所述的基于车载LiDAR点云的路边地上物多阶段聚类分割算法，其特征在于，步骤(3)中，欧氏聚类的算法过程如下：

步骤(3-1)、标记相连地物点云中的某点P；利用KD-Tree结构近邻查询离P最近的n个点，将距离小于搜索阈值T_E的点标记并存储到类Q中；

步骤(3-2)、从类Q中选取未用于搜索的某点作为新的点P，利用KD-Tree结构近邻查询离P最近的n个点，将距离小于搜索阈值T_E的点标记并存储到类Q中；

步骤(3-3)、重复步骤(3-2)，直至类Q不再有新点加入，则完成一个聚类；

步骤(3-4)、重复步骤(3-1)至步骤(3-3)，直至相连地物点云中的所有点被标记，即完成欧氏聚类。

5.根据权利要求4所述的基于车载LiDAR点云的路边地上物多阶段聚类分割算法，其特征在于，以相连地物点云中点间平均距离的两倍作为欧氏聚类搜索阈值T_E；点间平均距离的计算公式为：

式(4)中，函数math.dis计算两点间的欧氏距离，函数math.min返回数列中的最小值。