一种基于多线激光雷达的3D点云2D化数据处理方法技术

本发明专利技术涉及一种基于多线激光雷达的3D点云2D化数据处理的方法，其包含有如下步骤：S1：以多线激光雷达输出的原始数据作为输入，接收3D的点云数据并进行筛选感兴趣的数据区域；S2：采用统计离群值滤波算法，将筛选后的数据区域内超过设定阈值的点云数据当做离群值进行滤除；S3：以滤波后的点云数据作为输入，采用体素栅格滤波器进行进行缩减采样处理，减少点云的数据量；S4：以缩减采样完的点云作为输入，在平面上进行投影映射、按规律筛选进行平面2D化处理。克服3D处理方法中数据量过大，2D方法中信息不全面的缺点，在2D图像上投影出3D障碍物，降低硬件要求，用于用户低速无人驾驶智能车在行驶过程中的障碍物检测和导航地图的建立。

A data processing method for 3D point cloud 2D based on multi line lidar

The present invention relates to a method of 3D point cloud data processing based on multi-line lidar. The method comprises the following steps: S1: taking the original data of multi-line lidar output as input, receiving 3D point cloud data and screening the interested data regions; S2: adopting statistical outlier filtering algorithm, filtering the selected number. The outlier is filtered according to the point cloud data exceeding the set threshold in the region; S3: taking the filtered point cloud data as the input, the voxel grid filter is used to reduce the sampling data to reduce the amount of point cloud data; S4: using the reduced sampling point cloud as the input, projecting on the plane, according to the law. Screening for planar 2D processing. To overcome the shortcomings of large amount of data and incomplete information in 3D processing method, 3D obstacles are projected on the 2D image to reduce the hardware requirements, which can be used for obstacle detection and navigation map building of low-speed unmanned intelligent vehicle.

【技术实现步骤摘要】
一种基于多线激光雷达的3D点云2D化数据处理方法
本专利技术属于无人驾驶
，具体是涉及一种基于多线激光雷达的3D点云2D化数据处理的方法。
技术介绍
无人驾驶车辆必须稳定行进，不能违背安全原则。多线激光雷达(Lidar)是无人汽车上广泛应用的一种传感器件。通过多线激光雷达，可获得周围环境的3D点云数据。随着激光传感器测量精度的不断提高，3D点云数据正在以惊人的速度增长，多者可达百兆/秒，导致地图重建时间长，计算机处理的负担增加。单线激光传感器相对于多线激光传感器，价格便宜，数据量小，产生的是2D数据，易于处理和建图,但是只能扫描一定高度某一个水平面的场景，在感知方面存在无法回避的缺陷。本专利涉及的就是将大规模的3D点云数据放到2D平面上进行处理以实现建图和避障的方法。经对现有技术的文献检索发现，中国专利技术专利“一种基于多线激光雷达的3D点云分割方法”(申请号201610529212.8)公开了一种点云的分割的方法，利用多线激光雷达扫描360°范围内的3D点云数据,建立笛卡尔坐标系OXYZ，利用近邻点的统计特性滤除感兴趣区域中的悬空障碍点，将滤除悬空障碍点后的3D点云数据映射到极坐标网格地图中，然后分割出非地面点云数据，最后将非地面点云数据利用八叉树进行体素化，采用基于八叉树体素网格的区域生长方法进行聚类分割。中国专利技术专利“一种3D点云的数据处理方法”(申请号201410509881.X)公开了3D点云的数据处理方法，其中的3D点云中的地面滤波方法通过构建3D栅格地图和拟合地平面曲线完成，提出的分割方法采用柱坐标栅格地图中的搜索窗口聚类方法，提出的训练样本标记方法将点云分割结合适当的显示和存储方法而形成，可以在每帧点云数据中标记多个类别的样本，大大提高了样本的标记效率。中国专利技术专利“一种轨道建筑空间3D点云数据转换方法”(申请号201210262436.9)提供一种专用于轨道建筑空间的数据转化方法，该方法通过车载激光扫描仪镜头转动一圈的时间内车辆二侧轮子的行走距离，求得在这段时间内车辆轮子在轨道上行走轨迹弧线的二个起始点对应的二条等效弯曲半径及其转动夹角，将前一时刻至当前时刻内的扫描点近似地投影至当前时刻的等效半径线上，求得当前等效弯曲半径线上的点与前一时刻等效半径线上相同点的关系，从而完成坐标转换。通过以上资料可以看出，现有的3D点云的数据处理中，基本都是在三维空间基础下进行处理，处理的步骤一般较为复杂，所需要的计算量较大。而没有公开的方法将3D点云数据进行2D化处理。综上所述，为了改善现有方法存在的不足之处，本专利技术提供一种基于多线激光雷达的3D点云2D化数据处理的方法，可将3D数据处理为2D数据。避免了3D数据处理算法的复杂运算，处理所得的结果数据相比于普通2D数据在障碍物检测和导航地图建立等方面具有更高的可靠性，可以应用在低速无人驾驶车辆感知和决策领域中。
技术实现思路
本专利技术的目的就是为了解决以上问题，提供一种将3D数据处理为2D数据的方法，克服3D处理方法中数据量过大，2D方法中信息不全面的缺点，在2D图像上投影出3D障碍物，降低硬件要求，用于用户低速无人驾驶智能车在行驶过程中的障碍物检测和导航地图的建立。为实现上述目的，本专利技术解决技术问题的技术方案是：本专利技术提出一种基于多线激光雷达的3D点云2D化数据处理方法，其包含有如下步骤：S1：以多线激光雷达输出的原始数据作为输入，接收3D的点云数据并进行筛选感兴趣的数据区域；S2：采用统计离群值滤波算法，将筛选后的数据区域内超过设定阈值的点云数据当做离群值进行滤除；S3：以滤波后的点云数据作为输入，采用体素栅格滤波器进行进行缩减采样处理，减少点云的数据量；S4：以缩减采样完的点云作为输入，在平面上进行投影映射、按规律筛选进行平面2D化处理。由于采用了以上的方案，可实现以下优点：1)该方法处理所得的结果数据量大大缩小，相比于原始3D点云缩减约93％。避免了3D点云数据计算量大、算法复杂度高的弊端。2)该方法处理所得的结果数据相比于普通2D数据能够将悬空障碍物及在距离范围内的障碍物反应到2D图上，保留了关键空间信息，避免了普通2D数据只能扫描单一水平面的不足，可以更好的应用在低速无人驾驶车辆避障和导航领域中。附图说明图1是本专利技术实施例的流程示意图。图2是本专利技术的3D原始点云示例图。图3是本专利技术经过滤波处理后的点云图。图4是本专利技术经过缩减采样后的点云图。图5是本专利技术经过2D化处理后的点云图。图6是相同场景下直接取一线雷达数据的普通2D点云图。具体实施方式下面结合附图对本专利技术的实施例进行说明：本实施例在以本技术方案为前提下进行实施，给出了详细的实施方式和过程，但本专利技术的保护范围不限于下述的实施例。图2至图5中，五角星代表16线激光雷达所处位置，图6中五角星代表单线激光雷达所处位置。本实施例以16线激光雷达为例，图2给出了3D原始点云示例图，场景为激光雷达处于距离地面1.2米高度，水平放置所采集的结果，所选场景高度、凹凸分布错落有致；滤波部分接收3D原始点云进行统计离群值剔除处理，得到结果如图3所示；缩减采样部分接收滤波后的点云数据，使用体素栅格滤波器下采样处理，得到结果如图4所示；2D化处理部分接收缩减采样后的点云数据，进行上述系列2D化处理，处理的结果如图5所示。另外，图6给出了相同场景下直接取一线雷达数据的普通2D点云图，该激光雷达同样水平放置、距离地面1.2米高度。据图5、图6可得，相比于直接取一线雷达数据的普通2D点云，本专利技术由多线激光雷达处理所得的2D点云能够将悬空障碍物及在距离范围内的障碍物反应到2D图上，保留了关键空间信息，可以供低速无人驾驶车辆检测障碍物、建立2D导航地图等方面使用。本实施例中的数据处理包括以下步骤：筛选感兴趣的数据区域(ROI)、滤波、缩减采样和2D化处理，具体如下：1)筛选感兴趣的数据区域(ROI)是以多线激光雷达输出的原始数据作为输入，接收3D点云。多线激光雷达扫描范围一般在100米左右，但是对于低速无人驾驶智能车来说，由于行进速度较慢，所以无需过长距离的探测范围来做预估和行为判断，探测的高度范围也应限定在一定范围内。这样筛选ROI可以使数据量大大减小，以减轻处理器的计算负担。本专利技术提出在X、Y、Z方向都应根据工程应用情况限定一个阈值，在阈值以外的数据作为无关值删除。例如2)滤波是接收筛选完感兴趣数据区域(ROI)的点云数据作为输入，采用统计离群值滤波算法。激光扫描通常产生不同点云密度的数据集，测量误差也会导致一些稀疏异常值，同时还有原始数据也会有一些噪声，这些都非理想数据点，应该通过滤波的方法滤除，以保证得到可靠的结果。如果不经过统计处理，既不能凭经验、也不能想当然把一些测得的过大或者过小的数据直接舍弃，因为他们往往有很大可能是该组样本的极值。具体的统计方法分为以下步骤：为ROI中的N个点的每个点计算平均距离，该平均距离是每个点和其n个相邻点之间的平均距离，可表示为其中，i属于区间[0，N]，j属于区间[0，n]]，Xi为点云i的坐标X值，Yi为点云i的坐标X值，Zi为点云i的坐标X值，n应该根据工程实际情况，考虑处理器的计算能力选择一个合理的值；例如取n＝10。接下来计算N个点的平均距离的均值μ和标准差σ，本文档来自技高网...

【技术保护点】
1.一种基于多线激光雷达的3D点云2D化数据处理方法，其包含有如下步骤：S1：以多线激光雷达输出的原始数据作为输入，接收3D的点云数据并进行筛选感兴趣的数据区域；S2：采用统计离群值滤波算法，将筛选后的数据区域内超过设定阈值的点云数据当做离群值进行滤除；S3：以滤波后的点云数据作为输入，采用体素栅格滤波器进行进行缩减采样处理，减少点云的数据量；S4：以缩减采样完的点云作为输入，在平面上进行投影映射、按规律筛选进行平面2D化处理。

【技术特征摘要】
1.一种基于多线激光雷达的3D点云2D化数据处理方法，其包含有如下步骤：S1：以多线激光雷达输出的原始数据作为输入，接收3D的点云数据并进行筛选感兴趣的数据区域；S2：采用统计离群值滤波算法，将筛选后的数据区域内超过设定阈值的点云数据当做离群值进行滤除；S3：以滤波后的点云数据作为输入，采用体素栅格滤波器进行进行缩减采样处理，减少点云的数据量；S4：以缩减采样完的点云作为输入，在平面上进行投影映射、按规律筛选进行平面2D化处理。2.根据权利要求1所述的基于多线激光雷达的3D点云2D化数据处理方法，其特征在于，所述S1步骤中筛选感兴趣的数据区域包括：S11，在坐标系的X、Y、Z方向上分别都设定一个阈值，阈值包括有一个最大值和一个最小值；S12：将点云数据的坐标值与阈值比较，保留阈值内的点，将阈值以外的点云数据进行删除。3.根据权利要求1所述的基于多线激光雷达的3D点云2D化数据处理方法，其特征在于，所述S2步骤具体包括：S21：在筛选后的数据区域内选择N个点，并计算每个点和其n个相邻点之间的平均距离，其计算公式为其中，i属于区间[0，N]，j属于区间[0，n]，Xi为点云i的坐标X值，Yi为点云i的坐标X值，Zi为点云i的坐标X值，j表示相邻的点云，n应该根据工程实际情况，考虑处理器的计算能力选择一个合理的值；S22：计算N个点的平均距离的均值μ和标准差σ，其计算公式为S23：根据计算出的均值和标准差，计算确定一个阈值TR...

【专利技术属性】
技术研发人员：王小华，苗中华，何创新，张智强，
申请(专利权)人：上海大学，
类型：发明
国别省市：上海,31