【技术实现步骤摘要】
一种基于三维点云的飞行器捕获与识别方法
[0001]本专利技术属于激光雷达物体检测识别及测量领域，具体涉及一种基于三维点云的飞行器捕获与识别方法。
技术介绍
[0002]激光雷达由于受环境因素影响小，能够输出丰富的三维点云信息，这使得其应用场景越来越广泛。飞行器泊位引导系统是以激光雷达为感知器，通过点云处理技术分析激光雷达获取的泊位场景点云数据，捕获飞行器目标及提取特征参数以识别目标机型、检测目标速度、距离、方位角等信息，高效引导飞行器准确停靠到机坪的系统设备。
[0003]现有技术对激光雷达扫描获取的激光点云数据，通常是经过平面分割、点云聚类、特征提取流程来实现点云目标的检测与识别，或是基于点云深度学习网络，训练模型，进行目标检测和识别。
[0004]现有技术存在如下缺陷：对于激光雷达获取的点云数据存在分布不均匀，尤其是对于外形轮廓复杂的飞行器目标难以稳定捕获，同时对于激光雷达受环境影响产生的随机噪点难以稳定滤除导致难以精确引导飞行器，对于点云稀疏及旋转倾斜导致点云数据变化难以稳定检测到空间圆影响机型识别的...
【技术保护点】
【技术特征摘要】
1.一种基于三维点云的飞行器捕获与识别方法，其特征在于，步骤如下：1)获取原始点云数据；2)对获取到的原始点云数据进行预处理；3)采用二阶反馈聚类包络飞行器目标外接轮廓；4)对飞行器目标外接轮廓进行修正；5)飞行器引擎特征提取并识别机型。2.根据权利要求1所述的基于三维点云的飞行器捕获与识别方法，其特征在于，所述步骤1)中通过激光雷达获取泊位场景原始点云数据。3.根据权利要求1所述的基于三维点云的飞行器捕获与识别方法，其特征在于，所述步骤2)中的预处理具体包括：21)依据机坪泊位的实际区域大小，通过引射线法直通滤波裁剪得到检测区域；22)对直通滤波裁剪得到的检测区域的点云数据，基于随机采样一致性算法分割滤除地面点云数据，保留地面以上的点云数据。4.根据权利要求1所述的基于三维点云的飞行器捕获与识别方法，其特征在于，所述步骤3)具体包括：31)设置欧式聚类初始邻域半径系数，一阶聚类分析泊位检测区域内预处理后的点云数据，提取点云簇目标的3D检测框，迭代增大邻域半径系数，直至区域内点云簇目标的3D检测框体积不再增长停止增大邻域半径系数，以保证3D检测框内包含有区域内所有点云目标；32)对激光雷达覆盖区域根据与激光雷达距离远近进行划分，设置不同大小的二阶聚类邻域半径系数，区域越近对应的邻域半径系数越小，在运动的3D检测框空间内基于行进到各分块区域内预设的邻域半径系数欧式聚类出各分散的点云簇，同时遍历计算各点云簇间的中心间距，合并小间隔的邻近点云簇，形成稳定的各类目标点云簇；33)对二阶聚类得到的各类目标点云簇在各相应邻域内持续跟踪建立帧间运动关联，采用帧间运动关联跟踪方法分析计算出各类目标点云簇的运动速度及运动方向，剔除其中运动速度及运动方向差异大的飞行器外的目标，缩小3D检测框空间，以保证3D检测框内的所有点云簇为具备一致运动状态的飞行器从属；34)对经二阶聚类运动分析反馈处理缩小修正得到的3D检测框空间，在飞行器行进方向按预设步长距离进行划分，对各子区域基于卡壳法提取出当前部分的外接长方体，合并各子区域对应的3D检测包络框，形成飞行器整体点云目标结构完整轮廓包络空间区域；35)基于二阶反馈聚类的点云目标外接轮廓包络方法即可在泊位检测区域内动态包络出入位的飞行器目标外接轮廓，实时监测泊位引导目标的运动状态及异常入侵告警。5.根据权利要求1所述的基于三维点云的飞行器捕获与识别方法，其特征在于，所述步骤4)具体包括：41)计算飞行器目标外接轮廓区域内各目标点云簇的密度：基于Kd
‑
tree空间索引计算目标点云簇内各点间距，统计平均值作为点云簇密度ρ；42)遍历目标点云簇的每个点，并以当前点为种子点搜索其K近邻域内点，形成分块子区域，K＝n/ρ，n为经验值，取值为3；43)对于各块状子区域，扣除其种子点，通过对剩余点进行高阶多项式插值逼近拟合子
区域曲面；44)计算种子点和近邻点的连线与拟合曲面上过该近邻点法向量的夹角，若与90度的差值小于经验阈值则认为该种子点属于目标点云，否则为离群点，进行剔除。6.根据权利要求5所述的基于三维点云的飞行器捕获与识别方法，其特征在于，所述步骤43)具体包括：431)局部拟合的子区域的拟合函数f(x)表示为式中，m为基函数的项数，α(x)＝[α1(x),α2(x),
…
α
m
(x)]为待求系数，p(x)＝[p1(x),p2(x),
…
p
m
(x)]为多项式函数的基函数，p
...
【专利技术属性】
技术研发人员：顾昕，严璐，席玉华，程晓悦，刘科岢，许琴，钱城，
申请(专利权)人：南京莱斯信息技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。