【技术实现步骤摘要】
本申请涉及自动驾驶，尤其涉及一种基于激光雷达的灰尘检测方法、系统及介质。
技术介绍
1、随着自动驾驶技术的发展，自动驾驶车辆在港口、高速、矿区等场景落地运营，人们对自动驾驶车辆的要求也越来越高。
2、自动驾驶车辆在矿区等封闭园区驾驶时，需要以激光雷达获取点云数据进行环境感知，识别周围障碍物信息，以确定驾驶路线。但矿区环境下存在大量的灰尘粒子，这些细小的颗粒会散布在空气中并通过自然风吹散，最终落在地面上。由此产生的灰尘点云会影响激光雷达的点云数据采集质量，导致车辆自动驾驶系统出现明显的误差和偏差。因此，需要使用激光点云灰尘滤除算法对激光雷达收集到的点云数据进行处理，从而消除灰尘点云的干扰，并提高数据的质量和准确性。现有技术中检测灰尘点云的方式大致有三种：第一种是在车辆上增设毫米波雷达等设备，利用多模态的交叉验证进行灰尘点云的检测；第二种是利用投影深度图像的方式进行灰尘点云的检测；第三种是将激光雷达设置为多回波模式进行灰尘点云的检测。但是，这三种检测方式均存在缺点：利用多模态进行检测的方式，需要在车辆上增加设备，提高了成本，并且检测过程复杂；利用投影深度图像进行检测的方式，丢失了一部分空间维度的信息，模型效果上限较低，具有一定的局限性，检测准确性差；利用多回波模式进行检测的方式，尽管能够准确检测灰尘点云，但多回波模式反而对点云数据的采集带来了更多的干扰。
3、因此，需要一种能够简单、准确地检测出灰尘点云，从而提高车辆自动驾驶感知的准确性的基于激光雷达的灰尘检测方案。
技术实现思路<
1、本申请提供一种基于激光雷达的灰尘检测方法、系统及介质，用以解决现有的灰尘检测方法复杂、准确性差，导致车辆自动驾驶感知的准确性差的技术问题。
2、第一方面，本申请提供一种基于激光雷达的灰尘检测方法，包括：
3、获取车载激光雷达扫描到的点云数据，并对所述点云数据进行预处理，以得到非地面点云栅格；
4、确定所述非地面点云栅格的栅格特征值，并根据所述栅格特征值对所述非地面点云栅格进行聚类，以得到点云簇；
5、计算所述点云簇的簇特征值，并对所述点云簇进行目标跟踪，以得到所述点云簇的时间序列矩阵，所述时间序列矩阵包括所述点云簇在不同时刻下的簇特征值；
6、将所述点云簇的时间序列矩阵输入至训练好的分类模型中进行分类，以得到灰尘点云簇，并在所述点云数据中删除所述灰尘点云簇。
7、在一种可能的实施方式中，所述对所述点云数据进行预处理，以得到非地面点云栅格，具体包括：
8、根据道路边界信息，确定所述点云数据中的感兴趣区域；
9、利用第一栅格尺寸，对所述感兴趣区域进行体素化处理，以得到多个栅格；
10、利用平面栅格算法，对每一栅格内的点云数据进行计算，以确定非地面点云栅格。
11、在一种可能的实施方式中，所述确定所述非地面点云栅格的栅格特征值，具体包括：
12、根据所述非地面点云栅格的点云数量、点云密度、点云密度方差以及点云位置方差，确定所述非地面点云栅格的栅格特征值。
13、在一种可能的实施方式中，所述根据所述非地面点云栅格的点云数量、点云密度、点云密度方差以及点云位置方差，确定所述非地面点云栅格的栅格特征值，具体包括：
14、当所述非地面点云栅格为非空栅格时，确定所述非地面点云栅格中的点云数量nxyz，其中，所述xyz表示所述非地面点云栅格在激光雷达自身坐标系下的空间坐标位置；
15、根据所述第一栅格尺寸以及所述点云数量，确定所述非地面点云栅格的点云密度ρxyz＝nxyz/i3，其中，所述i表示所述第一栅格尺寸；
16、利用第二栅格尺寸，对所述非地面点云栅格进行划分，以得到多个子栅格，计算每一子栅格对应的点云密度ρi，并根据每一子栅格对应的点云密度计算得到所述非地面点云栅格的平均点云密度根据每一子栅格对应的点云密度以及所述平均点云密度，计算所述非地面点云栅格的点云密度方差其中，所述第二栅格尺寸小于所述第一栅格尺寸，所述ρi表示第i个子栅格对应的点云密度，n表示子栅格的数量；
17、根据所述非地面点云栅格中每一点云的位置，计算所述非地面点云栅格的点云位置方差其中，所述aj表示所述非地面点云栅格中第j个点云的位置，所述表示所述非地面点云栅格的几何中心；
18、对所述非地面点云栅格的点云数量、点云密度、点云密度方差以及点云位置方差进行向量归一化处理，以得到所述非地面点云栅格的四维栅格特征向量。
19、在一种可能的实施方式中，所述计算所述点云簇的簇特征值，具体包括：
20、根据所述点云簇的栅格数量、簇体积、簇密度、簇空间均匀度、栅格位置方差、不同高度比例下的点云含量百分比以及不同体积包围内的点云含量百分比，计算得到所述点云簇的簇特征值。
21、在一种可能的实施方式中，所述根据所述点云簇的栅格数量、簇体积、簇密度、簇空间均匀度、栅格位置方差、不同高度比例下的点云含量百分比以及不同体积包围内的点云含量百分比，计算得到所述点云簇的簇特征值，具体包括：
22、根据所述点云簇中非空栅格的数量，确定所述点云簇的栅格数量mxyz，其中，所述xyz表示所述点云簇在激光雷达自身坐标系下的空间坐标位置；
23、根据所述栅格数量以及所述第一栅格尺寸，确定所述点云簇的簇体积vxyz＝mxyz×i3；
24、根据所述点云簇中每一非空栅格中的点云数量以及所述簇体积，确定所述点云簇的簇密度其中，所述nxyz,e表示第e个非空栅格中的点云数量；
25、根据所述点云簇中每一非空栅格的点云密度方差计算得到所述点云簇的平均点云密度方差并根据每一非空栅格的点云密度方差以及所述平均点云密度方差，确定所述点云簇的簇空间均匀度其中，所述表示第e个非空栅格的点云密度方差；
26、根据所述点云簇中每一非空栅格的点云位置方差，计算所述点云簇的栅格位置方差其中，所述表示第e个非空栅格的点云位置方差，所述表示所述点云簇的几何中心；
27、确定所述点云簇在不同高度比例下的点云含量百分比，以及在不同体积包围内的点云含量百分比；
28、对所述点云簇的栅格数量、簇体积、簇密度、簇空间均匀度、栅格位置方差、不同高度比例下的点云含量百分比以及不同体积包围内的点云含量百分比进行向量归一化处理，以得到所述点云簇对应的七维簇特征向量。
29、在一种可能的实施方式中，所述将所述点云簇的时间序列矩阵输入至训练好的分类模型中进行分类，以得到灰尘点云簇，具体包括：
30、对于每一点云簇，
31、对所述点云簇的时间序列矩阵进行标准化处理，以得到标准化时间序列矩阵；
32、将所述标准化时间序列矩阵输入至训练好的分类模型中，以得到所述点云簇在每一预设类别的置信度分数，所述预设类别包括灰尘类别和非灰尘类别；
33、若所述点云簇在灰尘类别的置信度分本文档来自技高网...
【技术保护点】
1.一种基于激光雷达的灰尘检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述点云数据进行预处理，以得到非地面点云栅格，具体包括：
3.根据权利要求2所述的方法，其特征在于，所述确定所述非地面点云栅格的栅格特征值，具体包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述非地面点云栅格的点云数量、点云密度、点云密度方差以及点云位置方差，确定所述非地面点云栅格的栅格特征值，具体包括：
5.根据权利要求4所述的方法，其特征在于，所述计算所述点云簇的簇特征值，具体包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述点云簇的栅格数量、簇体积、簇密度、簇空间均匀度、栅格位置方差、不同高度比例下的点云含量百分比以及不同体积包围内的点云含量百分比，计算得到所述点云簇的簇特征值，具体包括：
7.根据权利要求6所述的方法，其特征在于，所述将所述点云簇的时间序列矩阵输入至训练好的分类模型中进行分类，以得到灰尘点云簇，具体包括：
8.一种车辆控制系统，其特征在于，包括：<...
【技术特征摘要】
1.一种基于激光雷达的灰尘检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述点云数据进行预处理，以得到非地面点云栅格，具体包括：
3.根据权利要求2所述的方法，其特征在于，所述确定所述非地面点云栅格的栅格特征值，具体包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述非地面点云栅格的点云数量、点云密度、点云密度方差以及点云位置方差，确定所述非地面点云栅格的栅格特征值，具体包括：
5.根据权利要求4所述的方法，其特征在于，所述计算所述点云簇的簇特征值，具体包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述点云簇的栅...
【专利技术属性】
技术研发人员：赵承辉，孙心洁，田磊，赵玉超，杨孟，
申请(专利权)人：中国重汽集团济南动力有限公司，
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。