基于自适应傅里叶分解对2D激光雷达点云数据提升的方法技术

本发明专利技术涉及一种基于自适应傅里叶分解对2D激光雷达点云数据提升的方法，如下：对获取的原始低精度2D激光雷达点云数据进行插值处理，以匹配高精度2D激光雷达点云数据的数据密度；将插值后的低精度2D激光雷达点云数据转为线性曲线，通过自适应傅里叶分解进行分解，提取M个分量；将M个分量分为N组，每组K个分量，从高频分量开始逐步剔除一组分量组，并合并剩余的分量，得到第二低精度2D激光雷达点云数据；计算不同剔除阶段的第二低精度2D激光雷达点云数据与获取的原始高精度2D激光雷达点云数据的均方根误差；比较不同剔除阶段对应的均方根误差，选择均方根误差的分量组合作为最优分量组合；利用最优分量组合重组低精度2D激光雷达点云数据。

【技术实现步骤摘要】

本专利技术涉及激光雷达，具体涉及一种基于自适应傅里叶分解对2d激光雷达点云数据提升的方法。

技术介绍

1、在当前的
中，二维激光雷达(2d lidar)因其能够提供环境扫描和物体检测的能力而被广泛应用于自动驾驶、机器人导航、环境监测、地形测绘等领域。随着技术的发展，对激光雷达数据的精度和可靠性要求越来越高，这推动了高精度激光雷达技术的快速发展。然而，高精度激光雷达的成本相对较高，限制了其在成本敏感型项目中的广泛应用。

2、与此同时，低成本的2d激光雷达虽然广泛应用，但面临着数据质量不足的问题，如点云数据稀疏、误差较大、噪声较多等。这些问题严重限制了其在精确应用场景中的使用效果。因此，如何在不显著增加成本的前提下提升低成本激光雷达的数据质量，成为该
亟待解决的关键技术问题。

3、目前，针对上述问题，学术界和工业界尝试了多种数据处理技术，包括但不限于数据插值、滤波去噪、特征增强等方法，以改善低精度激光雷达数据的质量。然而，这些方法往往在提升数据质量的同时也会引入新的问题，如过度平滑、特征丢失等，且在处理效率和效果上仍有待提升本文档来自技高网...

【技术保护点】

1.一种基于自适应傅里叶分解对2D激光雷达点云数据提升的方法，其特征在于：所述方法包括步骤如下：

2.根据权利要求1所述基于自适应傅里叶分解对2D激光雷达点云数据提升的方法，其特征在于：采用三次样条差值法进行插值处理。

3.根据权利要求1所述基于自适应傅里叶分解对2D激光雷达点云数据提升的方法，其特征在于：将插值处理后的低精度2D激光雷达点云数据转为线性曲线，并通过自适应傅里叶分解进行分解，提取M个分量，包括：

4.根据权利要求1所述基于自适应傅里叶分解对2D激光雷达点云数据提升的方法，其特征在于：从高频分量开始逐步剔除一组分量组，所述方法还包括：结合...

【技术特征摘要】

1.一种基于自适应傅里叶分解对2d激光雷达点云数据提升的方法，其特征在于：所述方法包括步骤如下：

2.根据权利要求1所述基于自适应傅里叶分解对2d激光雷达点云数据提升的方法，其特征在于：采用三次样条差值法进行插值处理。

3.根据权利要求1所述基于自适应傅里叶分解对2d激光雷达点云数据提升的方法，其特征在于：将插值处理后的低精度2d激光雷达点云数据转为线性曲线，并通过自适应傅里叶分解进行分解，提取m个分量，包括：

4.根据权利要求1所述基于自适应傅里叶分解对2d激光雷达点云数据提升的方法，其特征在于：从高频分量开始逐步剔除一组分量组，所述方法还包括：结合小波...

【专利技术属性】
技术研发人员：韩子天，钱涛，李玄锋，刘子鸽，黄家泓，
申请(专利权)人：珠海全信通科技有限公司，
类型：发明
国别省市：