本發(fā)明屬于三維數(shù)據(jù)處理分析，具體涉及一種基于擬合的地面目標分割方法。

背景技術(shù)：

1、目前，國內(nèi)外已有多種基于lidar的地表目標分割方法，主要有5種：基于網(wǎng)格、基于擬合、基于特征、基于圖形和基于學習。

2、基于網(wǎng)格的方法將點云數(shù)據(jù)投影到二維高程圖中，并在每一柵格上建立地表屬性。該方法可以快速獲得分割結(jié)果，但可能會錯誤地分割道路上的懸垂點和平面點，從而導(dǎo)致后續(xù)的感知任務(wù)缺乏足夠的點云信息。

3、基于擬合的方法通常將一個點云劃分為多個區(qū)域，并在每個區(qū)域使用平面模型或直線模型來擬合地面。這種算法對坡度較大的道路有很好的適應(yīng)性，但是其分割效果很大程度上依賴于種子點的選取。

4、基于特征的方法利用相鄰點之間的幾何關(guān)系對地表和非地表進行分類，該方法可以準確地獲得非地點，但由于噪聲點而容易發(fā)生錯誤分割。

5、基于圖形的方法通常使用圖模型來分割點，而基于學習的方法使用神經(jīng)網(wǎng)絡(luò)來分割點，這兩種方法在地面分割方面都具有優(yōu)異的性能，但都很耗時；此外，基于學習的方法需要大量的標記數(shù)據(jù)來訓練模型，并且它不能很好地用于與訓練數(shù)據(jù)集不同的不同類型的傳感器或場景。

6、地面分割作為許多感知任務(wù)的預(yù)處理任務(wù)，應(yīng)滿足以下兩個要求，首先，地表劃分必須要有足夠的速度，以便能夠更有效地操作感知系統(tǒng)；其次，對地表的分割要有較強的魯棒性。

7、綜上，目前急需一種新的基于擬合的地面目標分割方法解決現(xiàn)有的基于擬合的方法存在的欠分割問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明要解決的技術(shù)問題是提供一種能增強算法對噪聲和復(fù)雜環(huán)境的適應(yīng)能力；減少數(shù)據(jù)處理量，提高算法整體效率的基于擬合的地面目標分割方法。

2、本發(fā)明的技術(shù)方案為：一種基于擬合的地面目標分割方法，包括以下步驟：

3、(1)、初步篩選：通過垂直點濾波器去除明顯的非地面點；

4、(2)、極坐標網(wǎng)格劃分：使用極坐標網(wǎng)格圖構(gòu)建點云，激光雷達坐標系統(tǒng)的原點是坐標原點，坐標在極坐標的方向上被劃分為k段，每段劃分為l個網(wǎng)格，使用以下公式將點云數(shù)據(jù)轉(zhuǎn)換為極坐標系，并將這些數(shù)據(jù)映射到一個離散的極坐標網(wǎng)格中：

5、

6、其中，k表示極坐標網(wǎng)格中的角度索引，l表示極坐標網(wǎng)格中的徑向索引，ri,j表示點(i,j)到原點的徑向距離，θi,j表示極坐標系中的方位角角度，rmax表示點云的最大徑向距離，xi,j和yi,j分別表示點(i,j)的x和y坐標；

7、(3)、地面點分類：計算極性網(wǎng)格中每個網(wǎng)格的高度值，并采用加權(quán)均值濾波方法對地表高程值格進行光滑化，設(shè)定一個閾值，若網(wǎng)格的高度值小于該閾值則認為該點為地面點，否則為非地面點；所述計算極性網(wǎng)格中每個網(wǎng)格的高度值的計算公式為：

8、

9、其中，d表示相鄰兩個網(wǎng)格之間的距離，w表示最終的加權(quán)平均值，表示極性網(wǎng)格中每個網(wǎng)格的高度值，wu表示第u個值的權(quán)重，zu表示第u個值的地面高度，n表示鄰域點的數(shù)量；

10、(4)、迭代優(yōu)化，包括以下步驟：

11、s1、將極性網(wǎng)格中的每個網(wǎng)格的高度值更新為該網(wǎng)格點地點的最小高度值z，而不包含地點的其他網(wǎng)格的高度值保留為空；

12、s2、用線性插值法填充兩個非空網(wǎng)格之間的空網(wǎng)格；

13、s3、將極性網(wǎng)格中的每個網(wǎng)格的高度值進行平滑處理；

14、s4、將極性網(wǎng)格中的每個網(wǎng)格的高度值擴展到相鄰網(wǎng)格；

15、s5、若極性網(wǎng)格中的每個網(wǎng)格的高度值小于步驟(3)中的閾值，則將該非地面點重新分類為地面點；

16、(5)、后處理：對初步分類結(jié)果進行后處理，去除噪聲點，并修正誤分類的點。

17、進一步地，所述垂直點濾波器去除明顯的非地面點的方法為：設(shè)置一個垂直閾值，篩選出與地面相關(guān)的點云數(shù)據(jù)，即：zp<threshold，其中，zp表示點p在z軸上的坐標值，threshold表示垂直閾值。

18、進一步地，所述加權(quán)均值濾波方法對地表高程值格進行光滑化步驟中處理邊界的方法為鏡像邊界處理法，所述鏡像邊界處理法包括以下步驟：

19、(1)、確定邊界；

20、(2)、創(chuàng)建虛擬網(wǎng)格:對于每個邊界網(wǎng)格，根據(jù)邊界的方向，在其外部創(chuàng)建一個或多個虛擬網(wǎng)格；

21、(3)、賦值：虛擬網(wǎng)格的高程值設(shè)定為與最近的邊界網(wǎng)格相同的高程值；

22、(4)、計算權(quán)重：虛擬網(wǎng)格的權(quán)重根據(jù)其與邊界網(wǎng)格之間的距離確定，距離越近，權(quán)重越大；距離越遠，權(quán)重越??；

23、(5)、加權(quán)平均：將邊界網(wǎng)格及其鄰居網(wǎng)格的高程值進行加權(quán)平均，得到邊界網(wǎng)格的最終高程值。

24、更進一步地，所述加權(quán)平均的計算公式為：

25、

26、其中，表示邊界網(wǎng)格的最終高程值，n表示鄰居網(wǎng)格的數(shù)量，zi表示第i個鄰居網(wǎng)格的高程值，wi表示權(quán)重。

27、更進一步地，所述距離的計算公式為：

28、

29、其中，d表示虛擬網(wǎng)格點與邊界網(wǎng)格點之間的歐幾里得距離，rv表示虛擬網(wǎng)格點的徑向距離，rb表示邊界網(wǎng)格點的徑向距離，θv表示虛擬網(wǎng)格點的極坐標角度，θb表示邊界網(wǎng)格點的極坐標角度；

30、所述權(quán)重的計算公式為：

31、

32、其中，wi是第i個網(wǎng)格單元的權(quán)重，d表示虛擬網(wǎng)格點與邊界網(wǎng)格點之間的歐幾里得距離。

33、進一步地，所述閾值的計算公式為：

34、trect(x,y)＝μ(x,y)+k·σ(x,y)，

35、其中，trect(x,y)表示點(x,y)處的自適應(yīng)閾值，μ(x,y)表示點(x,y)處的局部均值，σ(x,y)表示點(x,y)處的局部標準差，k表示調(diào)整閾值敏感度的一個常數(shù)。

36、進一步地，所述線性插值法填充兩個非空網(wǎng)格之間的空網(wǎng)格的步驟為：

37、(1)、確定需要插值的空網(wǎng)格；

38、(2)、找到相鄰的兩個非空網(wǎng)格，設(shè)定這兩個非空網(wǎng)格為(k1,l1)和(k2,l2)，則它們的高度分別為zk1,l1和zk2,l2；

39、(3)、計算插值權(quán)重：

40、

41、其中，l1表示第一個非空網(wǎng)格的位置，,l2表示第二個非空網(wǎng)格的位置，l表示插值的位置，w1表示第一個非空網(wǎng)格的插值權(quán)重，w2表示第二個非空網(wǎng)格的插值權(quán)重；

42、(4)、計算插值高度：

43、

44、其中，zk,l表示空網(wǎng)格的高度值，w1表示第一個非空網(wǎng)格的插值權(quán)重，w2表示第二個非空網(wǎng)格的插值權(quán)重，zk1,l1表示第一個非空網(wǎng)格的高度值，zk2,l2表示第二個非空網(wǎng)格的高度值；

45、(5)、將計算得到的高度值zk,l賦值給該空網(wǎng)格；

46、(6)、對所有的空網(wǎng)格重復(fù)上述步驟(1)至步驟(5)，直到所有的空網(wǎng)格都被填充為止。

47、進一步地，所述步驟s3中的平滑處理的表達式為：

48、

49、其中，表示當前網(wǎng)格單元的地面高度值，表示當前網(wǎng)格單元左側(cè)相鄰網(wǎng)格單元的地面高度值，表示當前網(wǎng)格單元右側(cè)相鄰網(wǎng)格單元的地面高度值。

50、進一步地，所述步驟s4中將極性網(wǎng)格中的每個網(wǎng)格的高度值擴展到相鄰網(wǎng)格的表達式為：

51、

52、其中，表示當前網(wǎng)格單元的地面高度值，表示鄰近網(wǎng)格的地面高度值，(k′,l′)∈n表示鄰域中的網(wǎng)格坐標。

53、本發(fā)明的有益效果：本發(fā)明的一種基于擬合的地面目標分割方法通過垂直點濾波器(vpf)和種子點提取(spe)的聯(lián)合使用，有效減少了噪聲數(shù)據(jù)的影響，在此基礎(chǔ)上，改進了種子點選取的質(zhì)量，從而改善了地表擬合精度；基于網(wǎng)格的細化(gbr)能夠?qū)Τ醪綌M合得到的粗分割結(jié)果進行細化，解決了部分分割不足的問題，確保了最終分割結(jié)果的完整性；整體框架的設(shè)計考慮到了不同場景下的復(fù)雜性和變化性，通過多步驟的處理流程增強了算法對噪聲和復(fù)雜環(huán)境的適應(yīng)能力；通過預(yù)先過濾和基于網(wǎng)格的處理，大大減少了數(shù)據(jù)處理量，從而提高了算法的整體效率。