一种基于激光雷达的背景自动更新方法技术

本发明专利技术公开了一种基于激光雷达的背景自动更新方法，包括以下步骤：S1：利用激光雷达采集当前环境的点云数据，并根据点云数据确定当前天气状况；S2：根据当前天气状况，更新当前环境的背景，生成当前背景数据；S3：将当前背景数据和历史背景数据进行融合，得到最新背景，完成背景更新。本发明专利技术结合点云数据与天气状况进行背景更新，使得更新得到的背景图像完整性好；通过提出背景数据融合，增加了信息含量，能够实现背景数据对环境缓慢变化的渐近更新，保持背景数据与真实环境的同步；通过判断不同的天气状况，避免恶劣天气点云上产生许多悬空的点而导致后续的异物侵限监测结果不准确，从而提高了背景帧的可靠性。提高了背景帧的可靠性。提高了背景帧的可靠性。

【技术实现步骤摘要】
一种基于激光雷达的背景自动更新方法


[0001]本专利技术属于背景更新
，具体涉及一种基于激光雷达的背景自动更新方法。

技术介绍

[0002]在基于3D激光雷达的异物侵限监测系统中，需要利用激光雷达返回的点云对监测范围内的三维空间进行抽象描述，这个抽象描述被称为背景。
[0003]高质量的背景数据是检测算法正确检测的基础。不恰当的背景数据可能导致检测算法产生错误的结果(误报/漏报)。常见的背景检测算法通过周期性定时更新强制进行，然后直接使用最新的背景数据，以保持背景数据的实时性。然而在基于3D激光雷达的异物侵限监测系统中，背景数据的干扰主要来自于三方面：第一，恶劣天气，如雨雾等，在点云上产生许多悬空的点；第二，外部光源，如太阳光，车灯等，对点云数据产生随机干扰；第三，激光雷达在运行过程中产生的短暂的随机噪点。这些干扰会造成背景的局部或整体异常，进而影响后续的异物侵限监测。

技术实现思路

[0004]本专利技术为了解决上述问题，提出了一种基于激光雷达的背景自动更新方法。
[0005]本专利技术的技术方案是：一种基于激光雷达的背景自动更新方法包括以下步骤：
[0006]S1：利用激光雷达采集当前环境的点云数据，并根据点云数据确定当前天气状况；
[0007]S2：根据当前天气状况，更新当前环境的背景，生成当前背景数据；
[0008]S3：将当前背景数据和历史背景数据进行融合，得到最新背景，完成背景更新。
[0009]进一步地，步骤S1包括以下子步骤：r/>[0010]S11：利用激光雷达采集当前环境的点云数据，并生成点云数据对应的点云反射强度特征图像；
[0011]S12：提取点云反射强度特征图像中的反射强度特征；
[0012]S13：根据反射强度特征，确定当前天气状况。
[0013]进一步地，步骤S11中，生成点云数据对应的点云反射强度特征图像的具体方法为：将点云数据所处三维坐标系投影至二维像素平面，得到点云反射强度特征图像。
[0014]进一步地，步骤S12中，反射强度特征G(x)的计算公式为：
[0015][0016]式中，Δx
p_p+1
表示像素点x
p
和相邻像素点x
p+1
的灰度差值。
[0017]进一步地，步骤S13中，确定当前天气状况的具体方法为：设定聚类区间，利用k均值聚类算法确定反射强度特征的聚类值，若聚类值不属于聚类区间且聚类值小于聚类区间的下限，则当前天气状况为浓雾；若聚类值属于聚类区间，则当前天气状况为正常；若聚类值不属于聚类区间且聚类值大于聚类区间的上限，则当前天气状况为下雨。
[0018]进一步地，步骤S2中，若当前天气状况为正常，则按照设定的更新周期阈值更新当前环境的背景，生成当前背景数据；
[0019]若当前天气状况为浓雾或下雨，则将更新周期降低至设定的更新间隔阈值，重新确定当前天气状况，直至天气状况为正常，并按照设定的更新周期阈值更新当前环境的背景，生成当前背景数据。
[0020]进一步地，步骤S3包括以下子步骤：
[0021]S31：设定第一权重值、第二权重值、第一点云数量阈值和第二点云数量阈值，并确定当前背景数据和历史背景数据对应的权重值；
[0022]S32：根据当前背景数据和历史背景数据对应的权重值，将当前背景数据和历史背景数据进行融合，得到最新背景，完成背景更新。
[0023]进一步地，步骤S31中，若当前背景数据对应的点云数据数量小于等于第一点云数量阈值且历史背景数据对应的点云数据大于等于第二点云数量阈值，则当前背景数据采用第一权重值，历史背景数据采用第二权重值；
[0024]若历史背景数据对应的点云数据数量小于等于第一点云数量阈值且当前背景数据对应的点云数据大于等于第二点云数量阈值，则历史背景数据采用第一权重值，当前背景数据采用第二权重值；
[0025]若历史背景数据和当前背景数据对应的点云数据数量均大于第一点云数量阈值且小于第二点云数量阈值，则历史背景数据和当前背景数据均采用第一权重值和第二权重值的均值；
[0026]若历史背景数据和当前背景数据对应的点云数据数量均小于第一点云数量阈值，则历史背景数据和当前背景数据均采用第一权重值；
[0027]若历史背景数据和当前背景数据对应的点云数据数量均大于第二点云数量阈值，则历史背景数据和当前背景数据均采用第二权重值。
[0028]进一步地，步骤S32中，进行融合的计算公式为：
[0029][0030]式中，Q表示融合得到的最新背景数据，w1表示历史背景数据的权重值，w2表示当前背景数据的权重值，Y
i
表示第i个当前背景数据，y
j
表示第j个历史背景数据。
[0031]本专利技术的有益效果是：本专利技术结合点云数据与天气状况进行背景更新，使更新得到的背景图像完整性好；通过提出背景数据融合，增加了信息含量，能够实现背景数据对环境缓慢变化的渐近更新，保持背景数据与真实环境的同步；通过判断不同的天气状况，避免恶劣天气点云上产生许多悬空的点而导致后续的异物侵限监测结果不准确，从而提高了背景帧的可靠性。
附图说明
[0032]图1为背景自动更新方法的流程图。
具体实施方式
[0033]下面结合附图对本专利技术的实施例作进一步的说明。
[0034]如图1所示，本专利技术提供了一种基于激光雷达的背景自动更新方法，包括以下步骤：
[0035]S1：利用激光雷达采集当前环境的点云数据，并根据点云数据确定当前天气状况；
[0036]S2：根据当前天气状况，更新当前环境的背景，生成当前背景数据；
[0037]S3：将当前背景数据和历史背景数据进行融合，得到最新背景，完成背景更新。
[0038]在本专利技术实施例中，步骤S1包括以下子步骤：
[0039]S11：利用激光雷达采集当前环境的点云数据，并生成点云数据对应的点云反射强度特征图像；
[0040]S12：提取点云反射强度特征图像中的反射强度特征；
[0041]S13：根据反射强度特征，确定当前天气状况。
[0042]在本专利技术实施例中，步骤S11中，生成点云数据对应的点云反射强度特征图像的具体方法为：将点云数据所处三维坐标系投影至二维像素平面，得到点云反射强度特征图像。
[0043]在本专利技术实施例中，步骤S12中，反射强度特征G(x)的计算公式为：
[0044][0045]式中，Δx
p_p+1
表示像素点x
p
和相邻像素点x
p+1
的灰度差值。
[0046]当环境没有发生变化时，点云点数基本没有变化，每个点的反射强度也不会发生明显变化。
[0047]在本专利技术实施例中，步骤S13中，确定当前天气状况的具体方法为：设定聚类区间，利用k均值聚类算法确定反射强度特征的聚类值，若本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于激光雷达的背景自动更新方法，其特征在于，包括以下步骤：S1：利用激光雷达采集当前环境的点云数据，并根据点云数据确定当前天气状况；S2：根据当前天气状况，更新当前环境的背景，生成当前背景数据；S3：将当前背景数据和历史背景数据进行融合，得到最新背景，完成背景更新。2.根据权利要求1所述的基于激光雷达的背景自动更新方法，其特征在于，所述步骤S1包括以下子步骤：S11：利用激光雷达采集当前环境的点云数据，并生成点云数据对应的点云反射强度特征图像；S12：提取点云反射强度特征图像中的反射强度特征；S13：根据反射强度特征，确定当前天气状况。3.根据权利要求2所述的基于激光雷达的背景自动更新方法，其特征在于，所述步骤S11中，生成点云数据对应的点云反射强度特征图像的具体方法为：将点云数据所处三维坐标系投影至二维像素平面，得到点云反射强度特征图像。4.根据权利要求2所述的基于激光雷达的背景自动更新方法，其特征在于，所述步骤S12中，反射强度特征G(x)的计算公式为：式中，Δx
p_p+1
表示像素点x
p
和相邻像素点x
p+1
的灰度差值。5.根据权利要求2所述的基于激光雷达的背景自动更新方法，其特征在于，所述步骤S13中，确定当前天气状况的具体方法为：设定聚类区间，利用k均值聚类算法确定反射强度特征的聚类值，若聚类值不属于聚类区间且聚类值小于聚类区间的下限，则当前天气状况为浓雾；若聚类值属于聚类区间，则当前天气状况为正常；若聚类值不属于聚类区间且聚类值大于聚类区间的上限，则当前天气状况为下雨。6.根据权利要求5所述的基于激光雷达的背景自动更新方法，其特征在于，所述步骤S2中，若当前天气状况为正常，则按照设定的更新周期阈值更新当前环境的背景，生成当前背景数据；若当前天气状况为浓雾或下雨，则将更新周期降低至设...

【专利技术属性】
技术研发人员：袁海东，孙正宗，周广勇，余位驰，
申请(专利权)人：成都极客通科技有限公司，
类型：发明
国别省市：