一种多特征融合的矿区粉尘滤除方法技术

一种多特征融合的矿区粉尘滤除方法，包括：S1:在回波检测模块通过传感器获取点云数据，同一束激光光线产生多次回波信号，通过分析每一束激光光线对应的不同回波的点云数据判断障碍物的穿透特性，分析多次回波获得输出点云数据；S2:将所述输出点云数据输入点云语义检测模块中的点云语义检测网络，学习特征，构建并输出点云数据；S3:将点云语义检测模块输出的点云数据输入强度检测模块，进行强度分析获得分析结果；S4:将强度分析后的分析结果输入感知模块，感知模块处理后输出感知结果，将该感知结果作为最终目标点云输入后处理模块，并由后处理模块进行曲率分析，输出决策级结果。结果。结果。

【技术实现步骤摘要】
一种多特征融合的矿区粉尘滤除方法


[0001]本专利技术涉及矿区环境中进行粉尘滤除的自动化系统，更具体地涉及一种利用多特征融合的矿区粉尘滤除方法。

技术介绍

[0002]21世纪以来，以车载激光雷达无人驾驶技术为支撑，实现矿区工作高度自动化，是发展的重要课题。然而，高浓度的粉尘，恶劣的环境，对无人矿车的激光雷达传感器提出了更高的挑战。利用新兴技术，解决矿区粉尘问题，实现矿区自动化工作，显得十分重要。
[0003]现有粉尘分析方法包括使用传感器检测并返回信息，可与数据样本进行比较，以识别粉尘。然而，矿区复杂多样，恶劣的工作环境，使得多传感的稳定工作受限，而且当部分传感器出现问题时，整个系统的可靠性不能得到保障；矿区粉尘密度高，使用现有分析方法,仍然不能实现所期望的滤除效果；当车辆到达新的环境时，依赖于数据样本的现有方法对于粉尘的处理能力就会减弱。
[0004]基于此，本领域需要一种能够适应新的环境，且在高浓度的粉尘，恶劣的环境能够稳定准确地进行粉尘自动滤除的新的融合方法。

技术实现思路

[0005]为了解决上述现有技术中的问题，为克服现有技术的不足，本专利技术的实施方式提供了一种多特征融合的矿区粉尘滤除方法，以提高矿车，特别是无人矿车，在特殊场景的工作效率。
[0006]根据本专利技术的实施方式提供的一种多特征融合的矿区粉尘滤除方法，包括以下步骤：
[0007]S1:在回波检测模块通过传感器获取点云数据，同一束激光光线产生多次回波信号，通过分析每一束激光光线对应的不同回波的点云数据判断障碍物的穿透特性，分析多次回波获得输出点云数据；
[0008]S2:将所述输出点云数据输入点云语义检测模块中的点云语义检测网络，学习特征，构建并输出点云数据；
[0009]S3:将点云语义检测模块输出的点云数据输入强度检测模块，进行强度分析获得分析结果；
[0010]S4:将强度分析后的分析结果输入感知模块，感知模块处理后输出感知结果，将该感知结果作为最终目标点云输入后处理模块，并由后处理模块进行曲率分析，输出决策级结果。
[0011]在可选的实施方式中，所述步骤S1可进一步包括以下步骤：
[0012]S1
‑
1:使用激光雷达传感器获取回波数据，对激光雷达传感器获取的两次回波数据进行分析，使用飞行时间测距法TOF(Time Of Flight)进行测距，其中距离d为：
[0013]d＝(v*t)/2,
[0014]其中v表示光速，t表示飞行时间，d表示障碍物的距离,
[0015]对于同一时刻的双回波，测得距离分别为d1和d2，其距离差值S为：
[0016]s＝|d2‑
d1|
[0017]将距离差值s与阈值进行比较，如果s>阈值，保留较远处的激光数据，否则否则如果s<阈值，则保留最强回波信号的数据，所保留的回波信号数据为输出点云数据。
[0018]在可选的实施方式中，所述步骤S2可进一步包括以下步骤：
[0019]S2
‑
1:通过激光雷达传感器采集矿区的工作车辆在不同场景下粉尘的点云数据，经过回波检测模块输出得到的输出点云数据，进行数据库制作，作为训练数据；
[0020]S2
‑
2:将传感器采集的点云数据进行球面映射，将回波检测模块输出的点云数据映射至伪图像中，包括
[0021]设空间中某一点的坐标为p＝(x,y,z)，传感器的垂直感受野用f
down
和f
up
表示，f
down
和f
up
分别为垂直感受野的竖直方向的最大值和最小值，点p对应的像素坐标系的坐标(u，v)表示为:
[0022][0023]其中，r为p到原点的距离，f是传感器的垂直感受范围且f＝|f
down
|+|f
up
|，f
down
和f
up
分别为垂直感受野的竖直方向的最大值和最小值，w和h分别表示伪图像的宽度和高度，最终获取三维坐标与像素坐标系的映射关系，即空间任意点p与像素坐标系下坐标(u,v)的对应关系，通过此关系，将x,y,z,intensity,r，存放在像素坐标系对应位置，形成w*h*5的伪图像，其中intensity表示反射强度；
[0024]S2
‑
3：通过上下文特征提取层对所述w*h*5的伪图像进行处理获取更全面的特征信息；
[0025]S2
‑
4:编码器使用空洞卷积实现对获取的更全面的特征信息的降采样并输入反编码器，反编码器通过反卷积操作实现对所述特征信息的上采样得到反编码器结果，输出层对反编码器结果进行1*1的卷积，将通道数修改为和实际类别相符，并输出具有点云类别信息的点云。
[0026]在可选的实施方式中，所述步骤S3可进一步包括以下步骤：
[0027]S3
‑
1：将点云语义检测模块输出的点云数据输入强度检测模块，强度检测模块对所述点云数据进行有效区域划分，要求
[0028]‑
15≤x≤15，同时
[0029]‑
15≤y≤15，
[0030]其中，x、y是表示点云的坐标，以此方式遍历有效范围内的点云，如果该点云的反射强度在粉尘的反射强度阈值区间内则抛弃该点云，否则保留该点云，从而获得强度分析的分析结果。
[0031]在可选的实施方式中，所述步骤S4可进一步包括以下步骤:
[0032]S4
‑
1：获得所述分析结果，后处理模块进行进一步处理，对所述分析结果中的任一点p，获取n
‑
1(n>3)个最近点，对该n个离散点进行去中心化，并求解其协方差矩阵，
[0033]设n个离散点的坐标数据为
[0034][0035]求各个方向上的坐标的均值
[0036][0037]去中心化后的结果为
[0038][0039]构建协方差矩阵
[0040][0041]其中，x、y、z为三维空间点在三个方向上的坐标，n为点的数量，D为构建协方差矩阵C的中间变量，C为协方差矩阵，
[0042]S4
‑
2：对所述协方差矩阵C进行奇异值分解，获得特征值λ0、λ1、λ2，λ0为最小特征值，λ1为第二大特征值，λ2为最大特征值，使用曲面变分得到各个点的近似曲率δ
[0043]δ＝λ0/(λ0+λ1+λ2)，
[0044]设最终的感知结果点云为S＝S
i
(i＝1,2
…
,n),其中，S
i
为感知结果目标点云，对S
i
求解点云曲率的均值，对均值较大的结果进行滤除，从而对障碍物进行判断，滤除扬尘，实现决策级滤除粉尘。本专利技术的实施方式所提供的多特征融合的矿区粉尘滤除方法与现有技术相比至少具有以下有益效果本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多特征融合的矿区粉尘滤除方法，其特征在于包括以下步骤：S1:在回波检测模块通过传感器获取点云数据，同一束激光光线产生多次回波信号，通过分析每一束激光光线对应的不同回波的点云数据判断障碍物的穿透特性，分析多次回波获得输出点云数据；S2:将所述输出点云数据输入点云语义检测模块中的点云语义检测网络，学习特征，构建并输出点云数据；S3:将点云语义检测模块输出的点云数据输入强度检测模块，进行强度分析获得分析结果；S4:将强度分析后的分析结果输入感知模块，感知模块处理后输出感知结果，将该感知结果作为最终目标点云输入后处理模块，并由后处理模块进行曲率分析，输出决策级结果。2.如权利要求1所述的一种多特征融合的矿区粉尘滤除方法，其特征在于所述步骤S1进一步包括以下步骤：S1
‑
1:使用激光雷达传感器获取回波数据，对激光雷达传感器获取的两次回波数据进行分析，使用飞行时间测距法TOF(Time Of Flight)进行测距，其中距离d为：d＝(v*t)/2,其中v表示光速，t表示飞行时间，d表示障碍物的距离,对于同一时刻的双回波，测得距离分别为d1和d2，其距离差值s为：s＝|d2‑
d1|将距离差值s与阈值进行比较，如果s>阈值，保留较远处的激光数据，否则否则如果s<阈值，则保留最强回波信号的数据，所保留的回波信号数据为输出点云数据。3.如权利要求1所述的一种多特征融合的矿区粉尘滤除方法，其特征在于所述步骤S2进一步包括以下步骤：S2
‑
1:通过激光雷达传感器采集矿区的工作车辆在不同场景下粉尘的点云数据，经过回波检测模块输出得到的输出点云数据，进行数据库制作，作为训练数据；S2
‑
2:将传感器采集的点云数据进行球面映射，将回波检测模块输出的点云数据映射至伪图像中，包括设空间中某一点的坐标为p＝(x,y,z)，传感器的垂直感受野用f
down
和f
up
表示，f
down
和f
up
分别为垂直感受野的竖直方向的最大值和最小值，点p对应的像素坐标系的坐标(u，v)表示为:其中，r为p到原点的距离，f是传感器的垂直感受范围且f＝|f
down
|+|f
up
|，f
down
和f
up
分别为垂直感受野的竖直方向的最大值和最小值，w和h分别表示伪图像的宽度和高...

【专利技术属性】
技术研发人员：刘润森，韩蕾，邬海杰，郭旭东，王杰，
申请(专利权)人：北京踏歌智行科技有限公司，
类型：发明
国别省市：