一种降雨天气下激光雷达点云质量测试方法技术

本发明专利技术涉及一种降雨天气下激光雷达点云质量测试方法，属于感知测试领域。本发明专利技术分为三部分：针对激光束在传播过程中发生距离衰减的问题，设计提出一种基于BEV视角的多协同目标距离信息测试工况方法，来获取不同降雨情况下目标距离的衰减程度；针对无降雨、小雨、中雨、大雨、暴雨、大暴雨、特大暴雨七种情况下保存的激光雷达点云图数据量过大的问题，设计提出一种基于区域空间的极坐标网格分割机制，针对激光雷达点云近密远疏的问题将其分割成不同大小的区域空间，用来解决数据量过大的问题；针对基于区域空间的极坐标网格分割机制划分的体素网格，设计提出一种基于迭代投票机制的点云匹配方法，来获取不同降雨情况下点云噪声的比例。声的比例。声的比例。

【技术实现步骤摘要】
一种降雨天气下激光雷达点云质量测试方法


[0001]本专利技术属于感知测试领域，涉及一种降雨天气下激光雷达点云质量测试方法。

技术介绍

[0002]激光雷达是一种常用的三维感知设备，利用通过发射激光束并接收其回波来获取周围环境的三维点云数据。激光雷达具有高分辨率、高精度和远距离测量等优势，在自动驾驶等领域得到广泛应用。
[0003]然而在降雨天气条件下，激光雷达面临着一系列挑战。雨滴会对激光束的传播和接收产生干扰，从而影响点云数据的质量。这主要包括两方面的问题：一是雨滴散射导致点云中出现噪声和无效点，使得目标物体的边缘模糊不清；二是激光束在传播过程中发生距离衰减，使得点云中的距离信息产生误差。
[0004]目前人们主要在反射强度和点云密度这两个方向进行研究并提出了一系列研究方法。由于降雨天气会导致激光束被雨滴散射，研究者们通过分析接收到激光雷达回波信号的反射强度来分辨是否是雨滴引起的噪声，例如通过设计适当的阈值和滤波算法，可以做出有效地区分。由于雨滴散射会使点云数据中目标物体的边缘模糊不清，影响其几何特征的提取和分析。研究者们通过分析点云的密度、分布均匀性、形状等几何特征，可以评估降雨天气下点云数据的质量，例如通过针对特定目标物体的形状和结构进行建模和匹配，可以进一步检测出点云数据的精确性和可靠性。
[0005]降雨天气下激光雷达点云质量测试方法的研究对于提高激光雷达在复杂天气条件下的应用性能具有重要意义，然而到目前为止还没有一整套的测试方案来解决这类问题。通过对降雨天气下激光雷达点云质量进行有效的测试和改进，可以提高激光雷达的感知能力，确保自动驾驶系统的安全性和可靠性。这对于推动自动驾驶技术的发展，实现智能交通系统的普及，提升城市规划和设计的精确性都具有重要意义。此外降雨天气下激光雷达点云质量测试方法的研究也为相关领域的学术研究和工程实践提供了有益的探索。通过深入了解雨滴干扰机制、分析点云数据的特征以及开发相应的算法和模型，可以为激光雷达在降雨天气下的性能优化和改进提供理论和方法支持。同时，积累和分享降雨天气下的激光雷达数据集和测试结果，有助于构建更完善的数据集和评估标准，推动该领域的进一步发展。

技术实现思路

[0006]有鉴于此，本专利技术的目的在于提供一种降雨天气下激光雷达点云质量测试方法，解决了火车站等共同场所的垃圾自动分类问题，提高垃圾分类回收的准确性。
[0007]为达到上述目的，本专利技术提供如下技术方案：
[0008]一种降雨天气下激光雷达点云质量测试方法，该方法包括以下步骤：
[0009]S1：建立激光雷达点云质量评价指标，分析不同强度降雨情况下激光雷达点云中噪点出现的比例和目标对应的距离信息的衰减程度；
[0010]所述激光雷达点云质量评价指标包括点云噪声和目标距离信息点云噪声；
[0011]其中点云噪声包括受不同降雨影响噪声点和无效点的比例；目标距离信息点云噪声包括对于不同目标激光雷达测量的目标距离的衰减程度；
[0012]S2：搭建激光雷达点云质量测试场，该质量测试场满足变量一致原则，根据降雨强度大小采用气象局公布的降雨量等级划分把降雨划分为小雨、中雨、大雨、暴雨、大暴雨和特大暴雨六个等级，根据测试的目的和被测试目标的尺度，在封闭场景下使测试场长度大于500m，宽度大于20m，任意位置的降雨强度保持相等；将激光雷达安装于智能网联汽车的感知系统装置里并做相应的防水处理，测试场景安装测试软件设备，记录每帧情况下的激光雷达三维点云图；
[0013]S3：针对激光束在传播过程中发生距离衰减的问题，设计基于BEV视角的多协同目标距离信息测试工况方法；
[0014]S4：针对无降雨、小雨、中雨、大雨、暴雨、大暴雨和特大暴雨七种情况下保存的激光雷达点云图数据量过大的问题，设计基于区域空间的极坐标网格分割方法；
[0015]S5：针对基于区域空间的极坐标网格分割机制划分的体素网格，设计基于迭代投票机制的点云匹配方法。
[0016]可选的，所述S3具体包括以下步骤：
[0017]S301：在不同降雨情况下在被测试智能网联汽车的前方、后方、左方、右方四个方位分不同场景分别放置汽车、卡车、自行车、人，使其按一定得运动规律运行；
[0018]S302：保持被测试汽车SV静止，分别施加无降雨、小雨、中雨、大雨、暴雨、大暴雨、特大暴雨这七种不同强度的降雨，在SV的周围设置测试汽车，左方和右方测试汽车按照20km/h、60km/h、80km/h的速度驶入SV的感知范围，后方和前方测试汽车保持静止，测试汽车在感知范围内存在一段时间，感知设备记录一段时间中激光雷达点云每帧的BEV点云图；
[0019]S303：保持被测试汽车SV静止，分别施加无降雨、小雨、中雨、大雨、暴雨、大暴雨、特大暴雨这七种不同强度的降雨，在SV的周围设置测试卡车，左方和右方测试卡车按照10km/h、30km/h、60km/h的速度驶入SV的感知范围，后方和前方测试卡车保持静止，测试卡车在感知范围内存在一段时间，感知设备记录一段时间中激光雷达点云每帧的BEV点云图；
[0020]S304：保持被测试汽车SV静止，分别施加无降雨、小雨、中雨、大雨、暴雨、大暴雨、特大暴雨这七种不同强度的降雨，在SV的周围设置测试行人，测试行人按照4km/h、10km/h、18km/h的速度驶入SV的感知范围，并在感知范围内存在一段时间，感知设备记录一段时间中激光雷达点云每帧的BEV点云图；
[0021]S305：保持被测试汽车SV静止，分别施加无降雨、小雨、中雨、大雨、暴雨、大暴雨和特大暴雨这七种不同强度的降雨，在SV的周围设置测试自行车，测试自行车按照10km/h、20km/h、30km/h的速度驶入SV的感知范围，并在感知范围内存在一段时间，感知设备记录一段时间中激光雷达点云每帧的BEV点云图；
[0022]S306：根据激光雷达点云质量评价指标中目标距离信息类型，测试不同降雨情况下不同类型目标的距离信息，测试其在降雨情况下的距离衰减程度；
[0023][0024]其中d
r
为降雨情况下目标的距离，d为无降雨情况下目标的距离，β为距离信息评
价指标。
[0025]可选的，所述S4具体包括以下步骤：
[0026]S401：由于激光雷达点云近密远疏的特点，对激光雷达点云在XOY平面上进行划分，模型区域定义如下：
[0027][0028]其中C为激光雷达点云区域，Z
m
为第m个区域，N为划分的激光雷达点云区域个数；
[0029]S402：对于大于80m的感知区域，将其划分成一整个空间；对于小于5m的感知区域，也将其划分为一整个区域；
[0030]S403：对于大于5m小于80m的感知区域，将其划分成不同大小的网格，每个网格S
i，j，m
的定义如下：
[0031][0032]其中L
m，min
和L
m，max...

【技术保护点】

【技术特征摘要】
1.一种降雨天气下激光雷达点云质量测试方法，其特征在于：该方法包括以下步骤：S1：建立激光雷达点云质量评价指标，分析不同强度降雨情况下激光雷达点云中噪点出现的比例和目标对应的距离信息的衰减程度；所述激光雷达点云质量评价指标包括点云噪声和目标距离信息点云噪声；其中点云噪声包括受不同降雨影响噪声点和无效点的比例；目标距离信息点云噪声包括对于不同目标激光雷达测量的目标距离的衰减程度；S2：搭建激光雷达点云质量测试场，该质量测试场满足变量一致原则，根据降雨强度大小采用气象局公布的降雨量等级划分把降雨划分为小雨、中雨、大雨、暴雨、大暴雨和特大暴雨六个等级，根据测试的目的和被测试目标的尺度，在封闭场景下使测试场长度大于500m，宽度大于20m，任意位置的降雨强度保持相等；将激光雷达安装于智能网联汽车的感知系统装置里并做相应的防水处理，测试场景安装测试软件设备，记录每帧情况下的激光雷达三维点云图；S3：针对激光束在传播过程中发生距离衰减的问题，设计基于BEV视角的多协同目标距离信息测试工况方法；S4：针对无降雨、小雨、中雨、大雨、暴雨、大暴雨和特大暴雨七种情况下保存的激光雷达点云图数据量过大的问题，设计基于区域空间的极坐标网格分割方法；S5：针对基于区域空间的极坐标网格分割机制划分的体素网格，设计基于迭代投票机制的点云匹配方法。2.根据权利要求1所述的一种降雨天气下激光雷达点云质量测试方法，其特征在于：所述S3具体包括以下步骤：S301：在不同降雨情况下在被测试智能网联汽车的前方、后方、左方、右方四个方位分不同场景分别放置汽车、卡车、自行车、人，使其按一定得运动规律运行；S302：保持被测试汽车SV静止，分别施加无降雨、小雨、中雨、大雨、暴雨、大暴雨、特大暴雨这七种不同强度的降雨，在SV的周围设置测试汽车，左方和右方测试汽车按照20km/h、60km/h、80km/h的速度驶入SV的感知范围，后方和前方测试汽车保持静止，测试汽车在感知范围内存在一段时间，感知设备记录一段时间中激光雷达点云每帧的BEV点云图；S303：保持被测试汽车SV静止，分别施加无降雨、小雨、中雨、大雨、暴雨、大暴雨、特大暴雨这七种不同强度的降雨，在SV的周围设置测试卡车，左方和右方测试卡车按照10km/h、30km/h、60km/h的速度驶入SV的感知范围，后方和前方测试卡车保持静止，测试卡车在感知范围内存在一段时间，感知设备记录一段时间中激光雷达点云每帧的BEV点云图；S304：保持被测试汽车SV静止，分别施加无降雨、小雨、中雨、大雨、暴雨、大暴雨、特大暴雨这七种不同强度的降雨，在SV的周围设置测试行人，测试行人按照4km/h、10km/h、18km/h的速度驶入SV的感知范围，并在感知范围内存在一段时间，感知设备记录一段时间中激光雷达点云每帧的BEV点云图；S305：保持被测试汽车SV静止，分别施加无降雨、小雨、中雨、大雨、暴雨、大暴雨和特大暴雨这七种不同强度的降雨，在SV的周围设置测试自行车，测试自行车按照10km/h、20km/h、30km/h的速度驶入SV的感知范围，并在感知范围内存在一段时间，感知设备记录一段时间中激光雷达点云每帧的BEV点云图；S306：根据激光雷达点云质量评价指标中目标距离信息类型，测试不同降雨情况下不
同类型目标的距离信息，测试其...

【专利技术属性】
技术研发人员：蒋建春，石文浩，杨良义，杨枫，李柏汗，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：