论文部分内容阅读
近些年来,随着三维信息获取能力的不断提高,人们对三维数据的研究也越来越深入。相比于传统的二维图像,三维数据包含了更多具有空间特征和物体特性的信息。三维数据可由多种方式获取,其中激光雷达因具有高分辨率,强鲁棒性和不受环境光影响等优点,广泛应用于无人驾驶等环境感知的各个领域中,因此,研究激光点云数据的分析与处理方法具有重大意义。目前的研究中,从数量庞大的点云数据中选取并重构目标模型是激光雷达点云处理技术的关键,如何通过对去噪及分割算法的研究,提高点云数据处理效率,并保证模型的真实性,是目前研究的热点问题。针对这一问题,本文研究了激光点云数据的处理方法,主要内容包括:(1)介绍了激光雷达系统组成和激光成像原理,对激光点云数据特点和噪声进行分析,针对激光雷达在扫描时系统自身及目标物体所在环境引入的噪声,提出对于激光点云采用统计滤波与双边滤波结合的去噪方法,其中统计滤波用来去除激光点云存在的大量离群噪点,双边滤波在保持点云特性的前提下对激光点云进行光滑去噪,并对于数量较多的点云进行体素栅格滤波,在保持点云特征的同时进行点云数量精简,采用Kdtree结构作为激光点云拓扑关系,加快点云滤波速度,进而提高激光点云数据处理效率。(2)由于激光点云的分割效果对于后续目标识别、地图构建具有重要意义,在激光点云滤波后,对于含有大量地面点云的点云数据,采用随机一致采样算法提取出平面几何模型的地面点云。并针对不同场景下的激光点云进行分割处理,对于激光点云分布较为稀疏的室外场景,提出改进的自适应欧式聚类算法,使距离阈值随点云坐标改变,达到较好的分割效果,对于分布紧密甚至有重叠部分的室内内场景,采用对超体素标记凹凸关系,并沿着凸面区域生长的分割,实现激光点云的准确分割。(3)分析激光雷达测距原理,搭建点云上位机平台。将激光雷达系统测距采集到的数据和MEMS振镜二维坐标结合为激光三维点云数据,并利用PC端实现点云可视化平台搭建,实现激光雷达系统具有点云实时显示,坐标变换等功能,加入点云滤波和分割算法模块,实现激光点云数据处理的,对后续目标分类、障碍物检测、三维地图构建等提供了良好的平台,在实际应用中有良好的前景。