【技术实现步骤摘要】
本专利技术涉及道路巡检，具体涉及一种基于车载激光雷达的道路巡检方法及系统、电子设备与计算设备。
技术介绍
1、智能驾驶技术在汽车行业的应用越来越广泛，激光雷达作为智能驾驶技术的核心传感器，也得到了越来越广泛的应用。其中，自动驾驶中的道路障碍物检测是至关重要的，因为准确识别障碍物是车辆安全行驶的前提。
2、现有的障碍物检测方法主要包括：超声波检测：利用超声波传感器向周围发射声波，并接收反射回来的声波，通过分析声波的传播时间和回波的幅度，可以确定障碍物的距离和形状。这种方法在低速时具有较高的精度和可靠性，但不适用于高速运动和复杂环境。计算机视觉检测：计算机视觉通过分析摄像头拍摄的图像，识别出障碍物。这种方法成本较低，且能提供丰富的环境信息。但受光照和视线条件影响较大，对阴影和反光等干扰敏感。激光或毫米波雷达检测：激光雷达通过发射激光束并测量反射回来的时间，获取周围环境的详细三维信息。毫米波雷达利用毫米波段的电磁波检测障碍物，这种方法能够提供高精度和高分辨率的障碍物位置和形状信息。然而，车载激光雷达障碍物巡检技术也存在一些缺点，数据处理难度大：激光雷达获取的三维点云数据量非常大，需要进行高效和准确的处理和分析，因此对数据处理技术要求较高。
3、因此，如何提高车载激光雷达的道路巡检效率的问题亟需解决。
技术实现思路
1、鉴于上述问题，提出了本专利技术以便提供一种克服上述基于车载激光雷达的道路巡检方法检测效率较低问题的基于车载激光雷达的道路巡检方法及系统、电子设备与计
2、根据本专利技术的一个方面，提供了一种基于车载激光雷达的道路巡检方法，包括：
3、通过控制激光发射器的发射频率、功率、角度以及方向发射激光束；
4、接收所述发射激光束反射回来的信号，以获取所述道路表面的三维数据；
5、对所述三维数据进行滤波预处理操作，根据特征提取模型提取预处理后的所述三维数据的障碍物的特征；
6、根据自适应滤波与非局部滤波算法判断是否存在障碍物，并输出障碍物的位置信息。
7、在一种可选的方式中，所述根据特征提取模型提取预处理后的所述三维数据的障碍物的特征进一步包括：
8、所述特征提取模型采用自注意力机制，通过计算所述三维数据中不同位置之间的相关性，生成每个位置的加权系数；
9、将所述每个位置的加权系数应用于所述三维数据，得到加权后的特征表示，通过多层自注意力机制的堆叠，实现对所述三维数据的多层次特征提取。
10、在一种可选的方式中，所述根据自适应滤波与非局部滤波算法判断是否存在障碍物进一步包括：
11、判断经过自适应滤波和非局部滤波之后的三维数据与原三维数据的差异和相似度是否超过或低于预设阈值；
12、如果差异或相似度超过或低于阈值，则判断存在障碍物。
13、在一种可选的方式中，所述自适应滤波的计算公式为：
14、
15、其中，w(n+1)为时刻n+1的权重向量值，w(n)为时刻n的权重向量值，e(n)为误差向量，μ为预设常数，控制权重更新的速度和幅度，d(n)为目标向量在时刻n的值，x(n)为输入向量在时刻n的值，x(n)t为x(n)的转置。
16、在一种可选的方式中，所述非局部滤波算法的计算公式为：
17、
18、其中，d(i,j)为输出图像在坐标(i,j)位置的像素值，f(k,l)为输入图像在坐标(k,l)位置的像素值，m为像素值的均值，g(k,l)为与f(k,l)相似的图像块，w(k,l,i,j)为相似度权重，z为归一化常数。
19、在一种可选的方式中，所述对所述三维数据进行滤波预处理操作进一步包括：
20、应用傅里叶变换将所述三维数据从时域转换到频域，在频域中对所述三维数据进行低通滤波处理，去除高频噪声；
21、应用逆傅里叶变换将滤波后的所述三维数据从频域转换回时域，输出滤波处理后的三维数据。
22、在一种可选的方式中，所述傅里叶变换的表达式为：
23、
24、所述逆傅里叶变换的表达式为：
25、
26、其中，x(k)为频率域的复数序列，x(n)为时域的复数序列，w(k×n)为n次单位根的复数序列，n为向量的长度。
27、根据本专利技术的另一方面，提供了一种基于车载激光雷达的道路巡检系统，包括：
28、激光雷达发射模块，用于发射激光束，包括激光发射器、控制装置和调节装置，其中，所述激光发射器用于发射激光束，所述控制装置用于控制激光发射器的发射频率和功率，所述调节装置用于调节激光发射器的角度和方向；
29、激光雷达接收模块，用于接收所述发射激光束反射回来的信号，以获取所述道路表面的三维数据；
30、道路识别模块，包括预处理单元和识别单元，所述预处理单元用于对所述三维数据进行滤波预处理操作，所述识别单元用于根据实时特征提取模型提取预处理后的所述三维数据的障碍物的特征，根据自适应滤波与非局部滤波算法判断是否存在障碍物，并输出障碍物的位置信息。
31、根据本专利技术的又一方面，提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述基于车载激光雷达的道路巡检方法。
32、根据本专利技术的再一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
33、所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述基于车载激光雷达的道路巡检方法对应的操作。
34、根据本专利技术提供的方案，通过控制激光发射器的发射频率、功率、角度以及方向发射激光束；接收所述发射激光束反射回来的信号，以获取所述道路表面的三维数据；对所述三维数据进行滤波预处理操作，根据特征提取模型提取预处理后的所述三维数据的障碍物的特征；根据自适应滤波与非局部滤波算法判断是否存在障碍物，并输出障碍物的位置信息。本专利技术根据根据自适应滤波与非局部滤波算法判断是否存在障碍物，无需依靠人工巡查，提高了道路巡检的效率，能够及时发现道路隐蔽隐患，对于保障道路安全具有重要意义。
35、上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
本文档来自技高网...【技术保护点】
1.一种基于车载激光雷达的道路巡检方法，其特征在于，包括：
2.根据权利要求1所述的基于车载激光雷达的道路巡检方法，其特征在于，所述根据特征提取模型提取预处理后的所述三维数据的障碍物的特征进一步包括：
3.根据权利要求1所述的基于车载激光雷达的道路巡检方法，其特征在于，所述根据自适应滤波与非局部滤波算法判断是否存在障碍物进一步包括：
4.根据权利要求3所述的基于车载激光雷达的道路巡检方法，其特征在于，所述自适应滤波的计算公式为：
5.根据权利要求3所述的基于车载激光雷达的道路巡检方法，其特征在于，所述非局部滤波算法的计算公式为：
6.根据权利要求1所述的基于车载激光雷达的道路巡检方法，其特征在于，所述对所述三维数据进行滤波预处理操作进一步包括：
7.根据权利要求6所述的基于车载激光雷达的道路巡检方法，其特征在于，所述傅里叶变换的表达式为：
8.一种基于车载激光雷达的道路巡检系统，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程
10.一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
...【技术特征摘要】
1.一种基于车载激光雷达的道路巡检方法，其特征在于，包括：
2.根据权利要求1所述的基于车载激光雷达的道路巡检方法，其特征在于，所述根据特征提取模型提取预处理后的所述三维数据的障碍物的特征进一步包括：
3.根据权利要求1所述的基于车载激光雷达的道路巡检方法，其特征在于，所述根据自适应滤波与非局部滤波算法判断是否存在障碍物进一步包括：
4.根据权利要求3所述的基于车载激光雷达的道路巡检方法，其特征在于，所述自适应滤波的计算公式为：
5.根据权利要求3所述的基于车载激光雷达的道路巡检方法，其特征在于，所述非局部滤波算法的计算公式为：
6.根据权利要求1所述的基于...
【专利技术属性】
技术研发人员：凌铭，凌琳，石荣洲，陈浩，王晓丽，奚峥皓，
申请(专利权)人：上海工程技术大学，
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。