基于多传感器融合的点云强度自适应滤波方法技术

本发明专利技术公开的基于多传感器融合的点云强度自适应滤波方法，涉及矿井无人驾驶点云滤波技术领域。该方法针对井下多水雾、多粉尘环境激光雷达点云识别效果差的问题，引入了基于PCA的雾尘浓度识别算法，构建雾尘浓度点云强度滤波参数自适应调整模型，模型可根据环境自适应调整点云强度滤波参数，实现不同浓度雾尘下对激光雷达点云数据的高精度滤波。下对激光雷达点云数据的高精度滤波。下对激光雷达点云数据的高精度滤波。

【技术实现步骤摘要】
基于多传感器融合的点云强度自适应滤波方法


[0001]本专利技术涉及矿井无人驾驶点云滤波
，具体涉及基于多传感器融合的点云强度自适应滤波方法。

技术介绍

[0002]无人驾驶领域常采用激光雷达判断路径上的障碍物信息，激光雷达对于障碍物信息的准确判断是实现安全无人驾驶的关键。
[0003]目前，在井下多水雾、多粉尘环境中，水雾颗粒、粉尘颗粒会散射光线并返回到雷达接收器，激光雷达感知性能会受到影响，导致无法得到准确的点云数据，从而造成障碍物误识别。在点云滤波领域，鲜有方法能处理过滤井下多水雾、多粉尘环境下的点云数据，这导致井下无人驾驶车辆无法准确识别判断障碍物。
[0004]因此，亟需研发一种恶劣环境下滤波性能好、环境适应度强的滤波技术。

技术实现思路

[0005]针对上述问题，本专利技术提供了基于多传感器融合的点云强度自适应滤波方法，利用摄像仪图像数据，捕捉量化当前场景雾尘浓度，自适应控制雾尘浓度参数滤除雾尘点云，实现激光雷达在高水雾、高粉尘环境中对于无尘点云的有效滤除。
[0006]根据本专利技术的目的提出的一种基于多传感器融合的点云强度自适应滤波方法，包括以下步骤：
[0007]步骤1、采集解析激光雷达传感器点云数据、双目相机图像数据；
[0008]步骤2、根据相机图像数据，通过基于PCA的大气光值计算法来计算当前环境下大气光值；
[0009]步骤3、根据实测大气光值AT、标准大气光值A计算雾尘浓度D
c
；
[0010]步骤4、标定不同雾尘浓度点云强度滤波参数，构建雾尘浓度点云强度滤波参数自适应调整模型；
[0011]步骤5、根据系统采集信息，基于自适应调整点云强度滤波模型实时输出最优强度滤波参数I。
[0012]优选的，步骤2中大气光值计算方法，包括以下步骤：
[0013]步骤2.1、计算雾尘图像指标参数矩阵的协方差矩阵：
[0014]将雾尘图片的亮度、饱和度、对比度、方差、信息熵、均方误差、相关性纹理、信噪比、平滑度、噪声分析、平均梯度、偏移量作为指标参数，将各个图像指标参数拉成一维行向量组成指标参数矩阵，指标参数矩阵的行数为指标参数个数，对指标参数矩阵求协方差矩阵，公式如下：
[0015][0016]其中，∑是指标参数的协方差矩阵；X是雾尘图像的标准参数矩阵；是各指标参
数减去该指标参数的均值后组成的矩阵；
[0017]计算协方差矩阵的特征值λ，∑的前m个特征值就是前m个原变量的方差；
[0018]步骤2.2、根据指标参数矩阵的协方差矩阵求综合指标，公式如下：
[0019][0020]其中，F是综合指标参数，X是指标参数矩阵，α是综合指标参数代替指标参数的变换矩阵；已知F
m
之间互不相关，并有Var(F
i
)＝α
′
i
∑α
i
，i＝1，2
…
m；m是综合指标参数个数，p是指标参数个数；F1是F1，F2，
…
F
m
中方差最大的；
[0021]步骤2.3、根据式3计算方差贡献度，选择综合指标：
[0022][0023]步骤2.4、根据式4通过计算方差累计贡献率G
(m)
确定主成分变量：
[0024][0025]当主成分累计贡献率大于85％，可确认选择前m个综合指标为主成分；
[0026]步骤2.5、根据式5计算大气光值：
[0027][0028]其中，ω
i
为权重，
[0029]优选的，步骤3中，雾尘浓度D
c
的计算方法，包括以下步骤：
[0030]步骤3.1、将矿井上部车场图像的大气光值作为标准大气光值A，通过步骤2即可计算得到；
[0031]步骤3.2、根据实测大气光值A
T
、标准大气光值A判断雾尘浓度D
c
；
[0032]根据式(6)计算D
c
：
[0033]D
c
＝1
‑
(A
T
‑
A)/A
ꢀꢀꢀꢀꢀꢀꢀꢀ
(6)。
[0034]优选的，步骤4中，采集不同雾尘浓度对应的最优滤波参数I，数据采集形式为(D
c
，I)；将采集到的数据通过最小二乘法拟合得到点云强度滤波参数自适应调整模型：
[0035]I＝f(D
c
，k)；
[0036]k是最小二乘法拟合得到的系数。
[0037]与现有技术相比，本专利技术公开的基于多传感器融合的点云强度自适应滤波方法的优点是：
[0038]本专利技术针对井下多水雾、多粉尘环境激光雷达点云识别效果差的问题，引入了基于PCA的雾尘浓度识别算法，构建雾尘浓度点云强度滤波参数自适应调整模型，模型可根据环境自适应调整点云强度滤波参数，实现不同浓度雾尘下对激光雷达点云数据的高精度滤波。
附图说明
[0039]为了更清楚的说明本专利技术实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做简单的介绍，显而易见的，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域中的普通技术人员来说，在不付出创造性劳动的前提下，还可根据这些附图获得其他附图。
[0040]图1为本专利技术实施例提供的滤波方法流程图。
[0041]图2为本专利技术公开的滤波系统结构图。
[0042]图3为本专利技术实施例提供的点云滤波前后效果对比图。
[0043]图中：1
‑
激光雷达传感器；2
‑
双目相机；3
‑
工控机；4
‑
交换机。
具体实施方式
[0044]下面结合附图对本专利技术的具体实施方式做简要说明。显然，所描述的实施例仅仅是本专利技术的一部分实施例，而不是全部实施例，基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，均属于本专利技术保护的范围。
[0045]图1
‑
图3示出了本专利技术较佳的实施例，对其进行了详细的剖析。
[0046]如图2所示的基于多传感器融合的点云强度自适应滤波方法，所使用系统包括用于采集三维点云数据的激光雷达传感器1；用于采集图像信息数据的双目相机2；用于连接双目相机2、激光雷达传感器1和工控机3的交换机4；用于与交换机4直接连接，采集计算数据的工控机3。
[0047]如图1所示，本专利技术另外公开的基于多传感器融合的点云强度自适应滤波方法，包括以下步骤：
[0048]步骤1、采集解析激光雷达传感器1点云数据、双目相机2图像数据。
[0049]步骤2、根据相机图像数据，通过基于PCA的大气光值计算法来计算当前环境下大气光值。
[0050]步骤2.1、计算雾尘图像指标参数矩阵的协方差矩本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多传感器融合的点云强度自适应滤波方法，其特征在于，包括以下步骤：步骤1、采集解析激光雷达传感器(1)点云数据、双目相机(2)图像数据；步骤2、根据相机图像数据，通过基于PCA的大气光值计算法来计算当前环境下大气光值；步骤3、根据实测大气光值A
T
、标准大气光值A计算雾尘浓度D
c
；步骤4、标定不同雾尘浓度点云强度滤波参数，构建雾尘浓度点云强度滤波参数自适应调整模型；步骤5、根据系统采集信息，基于自适应调整点云强度滤波模型实时输出最优强度滤波参数I。2.根据权利要求1所述的基于多传感器融合的点云强度自适应滤波方法，其特征在于，步骤2中大气光值计算方法，包括以下步骤：步骤2.1、计算雾尘图像指标参数矩阵的协方差矩阵：将雾尘图片的亮度、饱和度、对比度、方差、信息熵、均方误差、相关性纹理、信噪比、平滑度、噪声分析、平均梯度、偏移量作为指标参数，将各个图像指标参数拉成一维行向量组成指标参数矩阵，指标参数矩阵的行数为指标参数个数，对指标参数矩阵求协方差矩阵，公式如下：其中，∑是指标参数的协方差矩阵；X是雾尘图像的标准参数矩阵；是各指标参数减去该指标参数的均值后组成的矩阵；计算协方差矩阵的特征值λ，∑的前m个特征值就是前m个原变量的方差；步骤2.2、根据指标参数矩阵的协方差矩阵求综合指标，公式如下：其中，F是综合指标参数，X是指标参数矩阵，α是综合指标参数代替指标参数的变换矩阵；已知F
m
之间互不相关，并有Var(F
i
)＝α
′
i
∑...

【专利技术属性】
技术研发人员：闫万梓，张益东，陈秋航，李会军，李泽鑫，张鑫，宋子儒，何艳，程敬义，张宇，薛民体，王玥，撒韫洁，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：