基于激光雷达强度数据的点云分割算法和目标分类模型研究

摘要

三维激光雷达由于不受环境光影响，测距精度高，具有全视场等优点被广泛应用于无人系统中作为环境感知传感器。无人系统中一个重要任务就是将采集的离散点云数据分割成一个个独立的有意义的目标并对目标进行正确的分类和判断。当前对于目标分割和分类方法的研究主要基于的是点云的坐标信息。强度数据作为雷达返回的另一重要信息，能在一定程度上反映目标的反射能力，在目标分割和分类中具有重要潜能。为了充分挖掘强度数据的潜能，拓宽目标分割分类方法，本论文主要研究激光雷达强度数据在目标分割和分类中的应用。 为了研究一种快速准确的点云分割算法，实验采集了室外停车场和室内走廊场景两类点云。针对传统的k-means算法需提前知道聚类个数和DBSCAN算法运行时间较长等缺点，提出了基于投影网格二值图像连通域分析和基于距离图像和强度数据联合两种分割算法。这两种算法均能有效减少分割的时间复杂度，具有良好的实时性能。结合强度数据的分割算法还能对距离较近或互相嵌套的多个不同目标进行进一步分割，分割结果更加精细准确，对目标特征的进一步提取和环境场景建模等具有重要意义。 为了基于激光雷达强度数据建立一个目标分类的可信模型，首先从理论上分析强度数据和各个影响因素间的函数关系，以修正形式的激光雷达方程为基础建立了一个基于强度数据的目标分类模型，根据模型可以提取表征目标反射特性的参数。然后在实验室环境搭建了一套同轴激光测量系统来研究模型中的角度因子，经过实验分析，半椭圆角度因子能较好的描述目标的后向散射光随角度的变化关系。以无人系统中常用激光雷达VLP-16为设备，实验研究了目标分类模型中的信号转换函数，距离因子的具体形式，并验证了半椭圆角度因子的适用性。在实验得到的分类模型的基础上，提出了一种结合雷达运动获得同一目标多个不同方位下的强度值代入模型反演目标特性参数的分类方法，并进行了简单实验验证了模型和方法具有一定的准确性和可行性。

目录

第一个书签之前