【技术实现步骤摘要】
一种基于激光雷达点云的高架边墙提取方法
[0001]本专利技术属于智能驾驶
，具体涉及到一种基于激光雷达点云的高架边墙提取方法。
技术介绍
[0002]随着智慧城市、智能交通的加快，城市市政高架道路清扫作业的范围不断扩大，道路清洁维护的要求不断的提高，而同时由于作业强度大和作业环境差的影响，市政作业人力资源也不断的增大，这一现象为智能驾驶清扫车等智能化市政作业车辆带来了机遇，目前智能清扫已经成为智能驾驶的一个重要的应用场景。
[0003]在实际清扫过程中，为了不影响白天的正常交通，保证清扫维护作业人员的安全，高架道路的清扫作业通常安排在夜间封路进行。同时为了保证不留清扫死角，在清扫的过程中就需要清扫车能够紧贴高架道路边墙进行清扫，这就要求清扫车对于自身与边墙的横向距离有准确的感知。但是夜间清扫作业时光线条件差，传统的基于视觉的识别和高架道路边沿识别准确率急剧下降。同时由于城市内部高楼林立、高架纵横，GNSS信号受到遮挡和多径效应的影响，准确度下降，因此基于高精度定位信号的循迹清扫方法也受到很大的影响，目前针对有...
【技术保护点】
【技术特征摘要】
1.一种基于激光雷达点云的高架边墙提取方法，其特征在于：包括以下步骤：步骤1：收集边墙点云数据；步骤2：对收集的点云数据进行预处理；步骤3：将预处理后的点云数据栅格化；步骤4：根据预设路径，在栅格化的数据中提取边墙的初始种子栅格；步骤5：根据边墙初始种子栅格，利用高斯过程提取边墙的栅格，得到边墙点云。2.根据权利要求1所述的一种基于激光雷达点云的高架边墙提取方法，其特征在于：步骤1中，利用清扫车搭载激光雷达，通过激光雷达进行发散扫描，得到边墙点云数据。3.根据权利要求1所述的一种基于激光雷达点云的高架边墙提取方法，其特征在于：步骤2中，通过设置距离和高度门限，对点云进行滤波处理，具体为，针对高度大于4m的点，及到测量中心点距离大于50m的点进行滤除。4.根据权利要求1所述的一种基于激光雷达点云的高架边墙提取方法，其特征在于：步骤3中，点云数据的栅格化为基于极坐标系的栅格化，并记录每个栅格中的点与清扫车横向距离最小的点、以及离地面最高的点和最低的点。5.根据权利要求4所述的一种基于激光雷达点云的高架边墙提取方法，其特征在于：步骤4中，根据边墙的高度特征，结合栅格中的点云数量，从所有栅格中筛选出边墙栅格，然后根据清扫车的清扫路径，选择离路径最近的边墙栅格作为边墙的初始种子栅格Cell，并存入备选边墙栅格Cell集合。6.根据权利要求5所述的一种基于激光雷达点云的高架边墙提取方法，其特征在于：步骤4中，具体的筛选方式为：边墙的备选栅格Cell应当满足：栅格Cell最低点高度低于cell_min_z，栅格Cell最高点高度高于cell_max_z，以及栅格Cell中的点云数量point_num大于num_th三个条件，即同时满足以下条件的栅格Cell为备选边墙栅格Cell：其中，式中，Cell
z_max
为每个栅格Cell的最高点，Cell
z_max
.z指的是此Cell
z_max
的Z坐标，Cell
z_min
为每个栅格Cell最低点，Cell
z_min
.z为Cell
z_min
的Z坐标，point
num
为此栅格Cell中包含的激光点的数量，num_th为成为备选边墙栅格Cell所需要的激光点的数量门限。7.根据权利要求5所述的一种基于激光雷达点云的高架边墙提取方法，其特征在于：步骤5中，利用高斯过程提取边墙栅格的过程为，根据边墙栅格Cell集合，利用高斯过程计算出来的备选边墙栅格Cell特征点Y坐标预测值，然后根据备选边墙栅格Cell特征点Y坐标的实际值与预测值之间的误差以及备选边墙栅格Cell特征点Y坐标预测值的方差，进而判定备选边墙栅格Cell是否属于边墙。8.根据权利要求7所述的一种基于激光雷达点云的高架边墙提取方法，其特征在于：步骤5中，具体的计算协方差包括：
其中，式中，K
s
为边墙栅格Cell集合(X
s
，Y
s...
【专利技术属性】
技术研发人员：严尉剑，王然，王哲成，杨淑君，李陆君，杨少磊，
申请(专利权)人：上海友道智途科技有限公司，
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。