激光点云数据的去噪方法、装置和雷达扫描装置制造方法及图纸

本申请提供了一种激光点云数据的去噪方法、装置和雷达扫描装置，该方法包括：将第一点云数据进行分割得到多个第二点云数据；根据第一点云数据通过KD tree算法对第一点云数据进行划分得到多个第三点云数据；根据目标半径和第三点云数据通过DBSCAN算法依次对第二点云数据进行聚类得到第四点云数据；基于第四点云数据确定各数据点的第一目标邻域，根据第一目标邻域计算空间距离权重因子和特征保持因子并根据第一目标邻域拟合得到目标平面；根据空间距离权重因子、特征保持因子和目标平面通过双边滤波算法对第四点云数据进行过滤得到目标点云数据。该方法解决了现有技术中缺乏一种高速精准的点云数据去噪方法的问题。

【技术实现步骤摘要】

本专利技术涉及图像识别，具体而言，涉及一种激光点云数据的去噪方法、装置、计算机可读存储介质和雷达扫描装置。

技术介绍

1、激光雷达在获得隔离开关点云数据时会不可避免地混杂各种噪声，尤其是在雨雪、大雾、沙尘等恶劣天气环境下更容易产生噪声干扰，对激光雷达点云数据进行去噪可以提高数据质量，减少噪声干扰，对提高点云数据精度以及隔离开关姿态的正确识别具有极其重要的作用。

2、经典的点云聚类算法有dbscan算法、optics算法、k-means算法等。dbscan算法是一种典型的基于密度的聚类算法，该算法采用空间索引技术来搜索对象的邻域，引入了“核心对象”和“密度可达”等概念，从核心对象出发，把所有密度可达的对象组成一个簇；optics算法结合了聚类的自动性和交互性，先生成聚类的次序，可以对不同的聚类设置不同的参数，来得到满意的聚类结果；k-means是一种典型的划分聚类算法，它用一个聚类的中心来代表一个簇，即在迭代过程中选择的聚点不一定是聚类中的一个点，该算法只能处理数值型数据。

3、点云数据去噪的滤波方法包括双边滤波、高斯滤波、体素滤波、本文档来自技高网...

【技术保护点】

1.一种激光点云数据的去噪方法，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，获取目标半径，包括：

3.根据权利要求2所述的方法，其特征在于，根据所述第一点云数据通过KD tree算法对所述第一点云数据进行划分得到多个第三点云数据，包括：

4.根据权利要求2所述的方法，其特征在于，根据所述目标半径和所述第三点云数据通过DBSCAN算法依次对所述第二点云数据进行聚类得到第四点云数据，包括：

5.根据权利要求3所述的方法，其特征在于，基于所述第四点云数据确定所述第四点云数据中各数据点的第一目标邻域，包括：p>

6.根据权...

【技术特征摘要】

1.一种激光点云数据的去噪方法，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，获取目标半径，包括：

3.根据权利要求2所述的方法，其特征在于，根据所述第一点云数据通过kd tree算法对所述第一点云数据进行划分得到多个第三点云数据，包括：

4.根据权利要求2所述的方法，其特征在于，根据所述目标半径和所述第三点云数据通过dbscan算法依次对所述第二点云数据进行聚类得到第四点云数据，包括：

5.根据权利要求3所述的方法，其特征在于，基于所述第四点云数据确定所述第四点云数据中各数据点的第一目标邻域，包括：

6.根据权利要求5所述的方法，其特征在于，根据各所述数据点对应的所述第一目标邻域计算空间距离权重因子和特征保持因子并根据各所述数据点对应的所述第一...

【专利技术属性】
技术研发人员：李福鹏，江玉欢，谢幸生，林洪栋，朱兴旺，蔡永智，朱浩，张勇志，汤晓辉，张永挺，林冠颖，
申请(专利权)人：广东电网有限责任公司中山供电局，
类型：发明
国别省市：