用于轨道监测激光雷达的点云雨雾去噪方法技术

本发明专利技术公开了用于轨道监测激光雷达的点云雨雾去噪方法，包括步骤：获取激光雷达单帧点云，提取防区内的点云数据作为第一目标点云；以激光雷达为原点，采用半径自适应滤波法对第一目标点云进行滤波；以晴好天气下无障碍物的单帧点云为标定点云，利用分割算法和标定点云对滤波后的第一目标点云中的疑似障碍物进行分割，得到第二目标点云；设置判定阈值，滤除所述第二目标点云中的颗粒噪声点云，得到第三目标点云。本发明专利技术可以滤除极端天气下的雨雾及其他细小物体对激光雷达点云的噪声干扰，使后续的障碍物点云分割、匹配和分类更加准确、快速。快速。快速。

【技术实现步骤摘要】
用于轨道监测激光雷达的点云雨雾去噪方法


[0001]本专利技术涉及一种轨道交通安全
，尤其涉及用于轨道监测激光雷达的点云雨雾去噪方法。

技术介绍

[0002]针对高铁和旅客列车安全为重点的铁路周界安全监测是目前铁路安全领域的发展重点，涉及铁路周界的安全问题的发生具有突发性和偶然性，而传统的巡查、管控的工作模式已不能满足现阶段铁路运营安全需求，因此迫切需要先进的技术手段全面、及时的发现铁路周界环境安全隐患，减轻人工排查沿线隐患的工作量及难度，为列车的安全运行提供有力保障。
[0003]基于非接触障碍物检测技术的周界安全监测是目前较为先进的技术，其主要是基于两类传感器：激光雷达传感器和视觉传感，它们都是通过监测物体侵入过程中的遮挡从而实现监测。对于基于激光雷达的铁路周界安全监测，其获得监测数据是包含背景和障碍物的点云数据，为了对障碍物完成识别和处理，需要将障碍物从点云中分割出来，以便于单独处理。
[0004]在实际应用中，除了正常晴好天气下的采集点云数据能正常被检出外，雨雾等天气也不可避免。而在雨雾天气的影响下，激光雷达采集到的点云数据存在一些雨滴云雾的干扰数据，尤其是在恶劣天气下，甚至出现地面水滴溅起被雷达采集的情况；在这些雨雾干扰下，导致算法检测得到的障碍物可能存在漏报或者误报；而传统的直通滤波、均匀采样滤波、统计离散点滤波只能简单的进行去噪平滑处理，对较大颗粒的噪声点云无法进行处理。

技术实现思路

[0005]为了解决上述现有技术中存在的不足，本专利技术提供了一种用于轨道监测激光雷达的点云雨雾去噪方法，可以很好的滤除原始点云数据中的雨雾噪声，使后续的障碍物识别和报警步骤更加高效、准确。
[0006]为了实现以上专利技术目的，本专利技术的技术方案如下：
[0007]用于轨道监测激光雷达的点云雨雾去噪方法，包括步骤：
[0008]获取激光雷达单帧点云，提取防区内的点云数据作为第一目标点云；
[0009]以激光雷达为原点，采用半径自适应滤波法对第一目标点云进行滤波；
[0010]以晴好天气下无障碍物的单帧点云为标定点云，利用分割算法和标定点云对滤波后的第一目标点云中的疑似障碍物进行分割，得到第二目标点云；
[0011]设置判定阈值，滤除所述第二目标点云中的颗粒噪声点云，得到第三目标点云。
[0012]在一些较优的实施例中，在提取防区内的点云数据作为第一目标点云前，还包括步骤：
[0013]根据单帧点云创建下采样最小立方栅格，设定栅格边长l，所述边长l与邻近点个数k成正比，与点云的平均密度成反比；
[0014]将单帧点云数据划分到m*n*l个下采样最小立方栅格中，其中，m＝ceil(Lx/l)，n＝ceil(Ly/l)，z＝ceil(Lz/l)，Lx表示点云X轴方向最大范围，Ly表示点云Y轴方向最大范围，Lz表示点云Z轴方向最大范围；对于任一点pi，其所属下采样最小立方栅格号为(m
pi
,n
pi
,l
pi
)，
[0015][0016]将下采样最小立方栅格号相同的点云数据分别归集为若干栅格点云集合；
[0017]依次计算各栅格点云集合的中心坐标，保留该中心坐标所代表的点云数据，删除该栅格内其他点云数据。
[0018]在一些较优的实施例中，所述半径自适应滤波法包括步骤：
[0019]设置初始搜索圆半径R，设置每个激光点在搜索圆半径R内的邻域中至少包含的近邻点数量K；
[0020]计算第一目标点云中每个点到原点的X方向的距离L
Xi
，计算邻阈半径系数λ，其中L
min
为第一目标点云中离原点最近的点的X方向距离，α为调整系数且α∈(0,1)；
[0021]对第一目标点云中每个点计算其自适应半径阈值R
′
＝RλL
Xi
，然后以R
′
为半径进行圆内邻近点搜索，保留圆内的点，删除圆外的点。
[0022]在一些较优的实施例中，所述判定阈值包括疑似障碍物最小长宽高值、点占比。
[0023]在一些较优的实施例中，在对滤波后的第一目标点云中的疑似障碍物进行分割前，对所述滤波后的第一目标点云进行上采样插值填充。
[0024]有益效果
[0025]本专利技术可以滤除极端天气下的雨雾及其他细小物体对激光雷达点云的噪声干扰，使后续的障碍物点云分割、匹配和分类更加准确、快速。
附图说明
[0026]图1为本专利技术一种较优实施例中的方法流程示意图；
[0027]图2为本专利技术一种较优实施例中激光雷达获取的单帧点云示意图；
[0028]图3本专利技术一种较优实施例中经过半径自适应滤波处理的第一目标点云示意图；
[0029]图4为本专利技术一种较优实施例中的雷达点云具有近密远疏特点示意图；
[0030]图5本专利技术一种较优实施例中经过分割处理的第二目标点云示意图；
[0031]图6本专利技术一种较优实施例中滤除颗粒噪声后的第三目标点云示意图；
具体实施方式
[0032]为了使本专利技术的目的、技术方案和优点更加清楚，下面结合附图对本专利技术作进一步阐述。在本专利技术的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便
于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。
[0033]如图1所示，本专利技术提供了一种用于轨道监测激光雷达的点云雨雾去噪方法，其特征在于，包括步骤：
[0034]S1.获取激光雷达单帧点云，如图2所示，提取防区内的点云数据作为第一目标点云。其中，所述防区是指根据铁道管理部门的侵限要求和现场的周界条件所设定的固定监测区域，激光雷达所获得点云数据在删除防区外的所有点云后作为第一目标点云。应当理解的是，即使对于防区内的原始点云数据来说，其包含的数据量也是巨大的，因此考虑在不破坏原始点云几何结构的情况下，对其进行一定幅度的下采样数据压缩处理，以减少后续步骤的数据处理量，提高数据处理效率。所述下采样的具体步骤包括：
[0035]S101.根据单帧点云创建下采样最小立方栅格，设定栅格边长l。所述边长l与邻近点个数k成正比，与点云的平均密度成反比；栅格边长l的设定是基于以下考虑：
[0036]过大的栅格会降低搜索效率，过小的栅格则会出现空的栅格。因此设定下采样最小立方栅格的边长l与邻近点个数k成正比，与点云的平均密度成反比；此时，当点云的平均密度小时，表示在固定空间内的点云数量少，那么应将l取大些来提高后续步骤的搜索的范围，以保证有足够多的点云进行后续步骤的计算；当点云的平均密度大时，则表示在固定空间内的点云数量较多，应将l取小些，以保证在最适当的范围内搜索，降低搜索的时间。
[0037]S1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于轨道监测激光雷达的点云雨雾去噪方法，其特征在于，包括步骤：获取激光雷达单帧点云，提取防区内的点云数据作为第一目标点云；以激光雷达为原点，采用半径自适应滤波法对第一目标点云进行滤波；以晴好天气下无障碍物的单帧点云为标定点云，利用分割算法和标定点云对滤波后的第一目标点云中的疑似障碍物进行分割，得到第二目标点云；设置判定阈值，滤除所述第二目标点云中的颗粒噪声点云，得到第三目标点云。2.如权利要求1所述的用于轨道监测激光雷达的点云雨雾去噪方法，其特征在于，在提取防区内的点云数据作为第一目标点云前，还包括步骤：根据单帧点云创建下采样最小立方栅格，设定栅格边长l，所述边长l与邻近点个数k成正比，与点云的平均密度成反比；将单帧点云数据划分到m*n*l个下采样最小立方栅格中，其中，m＝ceil(Lx/l)，n＝ceil(Ly/l)，z＝ceil(Lz/l)，Lx表示点云X轴方向最大范围，Ly表示点云Y轴方向最大范围，Lz表示点云Z轴方向最大范围；对于任一点pi，其所属下采样最小立方栅格号为(m
pi
,n
pi
,l
pi
)，将下采样最小立方栅格号相同的点云...

【专利技术属性】
技术研发人员：王成，武玉琪，潘泽民，
申请(专利权)人：四川西南交大铁路发展股份有限公司，
类型：发明
国别省市：