CN109959910A - 基于高斯分布的地面滤波算法 - Google Patents
基于高斯分布的地面滤波算法 Download PDFInfo
- Publication number
- CN109959910A CN109959910A CN201910201715.6A CN201910201715A CN109959910A CN 109959910 A CN109959910 A CN 109959910A CN 201910201715 A CN201910201715 A CN 201910201715A CN 109959910 A CN109959910 A CN 109959910A
- Authority
- CN
- China
- Prior art keywords
- point
- ground
- ground point
- grid
- vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明的目的是为智能驾驶中的目标识别提供更优质的数据,减小地面点对识别造成的影响。结合传统的地面滤波方法,并在此基础上增加了高斯分布来判断某一点属于地面点的概率,以解决原有算法在距离本车较远处允许范围过高从而将非地面点识别为地面点的问题。实施过程主要分为三步,包括采用传统的方法选取初始地面点、对数据进行扇形网格划分和利用高斯分布判断地面点。
Description
技术领域
本发明涉及智能驾驶中的地面滤波领域,实现了地面点与非地面点的分离。
背景技术
智能驾驶是当前社会的热门研究方向,许多人在这个方向上提出了一系列的算法,主要是对车载激光雷达所探测到的点云进行处理,识别出道路上的实际交通情况。激光雷达在路面信息探测上有着突出的优势,不受光线的影响,可以适用于绝大多数场景。而地面点滤波是雷达点云处理的基础,可以为点云的识别提供很大的帮助,减少地面点对识别造成的影响。
发明内容
本发明的目的是为智能驾驶中的目标识别提供更优质的数据,减小地面点对识别造成的影响;
本发明结合传统的地面滤波方法,并在此基础上增加了高斯分布来判断地面点概率,以解决原有算法在距离本车较远处将非地面点识别为地面点的问题;
本发明主要分为三步:
1、采用传统的方法选区初始地面点:以本车为圆心向外扩展,通过判断同一方上相邻两个点的高度差是否在允许范围内来确定该点是否是地面点,这种逐级扩充地面点的方法对任何地面都具有很强的适用性,但是经过实际测试证明在据车较远出,存在将非地面点识别为地面点的情况,而且很普遍,因此这里只用来定位初始地面点,判断离本车距离较近的点是否为地面点;
2、对数据进行网格划分:雷达探测的点云数据为扇形分布,用扇形网格存储数据可以降低数据量,同时可以将无序的点云转化为有序的网格方便处理,网格通过半径及偏角进行编号,将点按照编号分布到不同的网格中,以每一个网格中点的高度平均值当作当前网格高度,点的编号计算方法如下:
其中r_div为半径编号,theat_div为角度编号,r为点到车的距离
r_min为雷达可识别的最近点到车的距离,r_dis为最小网格的宽度,theat为点到车的连线与y轴正方向的夹角,theat_min为雷达的最小方位角,theat_dis为最小网格的角度;
3、利用高斯分布判断地面点:首先求出初始地面点所属网格的期望和方差,我们遍历所有网格,对遍历到的每一个网格计算它属于地面点的概率P(x),如果该点是地面点的概率在额定范围内,则将该点加入地面点,同时更新期望和方差,同时记录并不断更新最大方差,当某一点属于地面点的概率超出额定范围内时,再次判断该点是否在最大方差的允许范围内,如果满足则该点为地面点,但此时不进行期望和方差的更新;
。
附图说明
图1为整个算法实现的整体流程图。
图2为用扇形网格存储数据的流程图。
图3为使用高斯分布筛选并扩充地面点的流程图。
图4为初始地面点选取的流程图。
Claims (2)
1.本发明结合传统的地面滤波方法,并在此基础上增加了高斯分布来判断地面点概率,以解决原有算法在距离本车较远处将非地面点识别为地面点的问题;
本发明主要分为三步:
、采用传统的方法选区初始地面点:以本车为圆心向外扩展,通过判断同一方上相邻两个点的高度差是否在允许范围内来确定该点是否是地面点,这种逐级扩充地面点的方法对任何地面都具有很强的适用性,但是经过实际测试证明在据车较远出,存在将非地面点识别为地面点的情况,而且很普遍,因此这里只用来定位初始地面点,判断离本车距离较近的点是否为地面点;
、对数据进行网格划分:雷达探测的点云数据为扇形分布,用扇形网格存储数据可以降低数据量,同时可以将无序的点云转化为有序的网格方便处理,网格通过半径及偏角进行编号,将点按照编号分布到不同的网格中,以每一个网格中点的高度平均值当作当前网格高度,点的编号计算方法如下:
其中r_div为半径编号,theat_div为角度编号,r为点到车的距离
r_min为雷达可识别的最近点到车的距离,r_dis为最小网格的宽度,theat为点到车的连线与y轴正方向的夹角,theat_min为雷达的最小方位角,theat_dis为最小网格的角度;
、利用高斯分布判断地面点:首先求出初始地面点所属网格的期望和方差,我们遍历所有网格,对遍历到的每一个网格计算它属于地面点的概率P(x),如果该点是地面点的概率在额定范围内,则将该点加入地面点,同时更新期望和方差,同时记录并不断更新最大方差,当某一点属于地面点的概率超出额定范围内时,再次判断该点是否在最大方差的允许范围内,如果满足则该点为地面点,但此时不进行期望和方差的更新
。
2.本发明特征在于在原本的地面滤波算法基础上加入了高斯分布,解决了原本算法对远距离点的误分类情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910201715.6A CN109959910A (zh) | 2019-03-18 | 2019-03-18 | 基于高斯分布的地面滤波算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910201715.6A CN109959910A (zh) | 2019-03-18 | 2019-03-18 | 基于高斯分布的地面滤波算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109959910A true CN109959910A (zh) | 2019-07-02 |
Family
ID=67024465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910201715.6A Pending CN109959910A (zh) | 2019-03-18 | 2019-03-18 | 基于高斯分布的地面滤波算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109959910A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110490812A (zh) * | 2019-07-05 | 2019-11-22 | 哈尔滨理工大学 | 基于高斯过程回归算法的地面滤波方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104298998A (zh) * | 2014-09-28 | 2015-01-21 | 北京理工大学 | 一种3d点云的数据处理方法 |
CN106408604A (zh) * | 2016-09-22 | 2017-02-15 | 北京数字绿土科技有限公司 | 一种点云数据的滤波方法及装置 |
CN106530380A (zh) * | 2016-09-20 | 2017-03-22 | 长安大学 | 一种基于三维激光雷达的地面点云分割方法 |
CN108375761A (zh) * | 2018-02-08 | 2018-08-07 | 电子科技大学 | 针对多发多收雷达系统的单目标异步信号检测方法 |
CN109188459A (zh) * | 2018-08-29 | 2019-01-11 | 东南大学 | 一种基于多线激光雷达的坡道小障碍物识别方法 |
-
2019
- 2019-03-18 CN CN201910201715.6A patent/CN109959910A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104298998A (zh) * | 2014-09-28 | 2015-01-21 | 北京理工大学 | 一种3d点云的数据处理方法 |
CN106530380A (zh) * | 2016-09-20 | 2017-03-22 | 长安大学 | 一种基于三维激光雷达的地面点云分割方法 |
CN106408604A (zh) * | 2016-09-22 | 2017-02-15 | 北京数字绿土科技有限公司 | 一种点云数据的滤波方法及装置 |
CN108375761A (zh) * | 2018-02-08 | 2018-08-07 | 电子科技大学 | 针对多发多收雷达系统的单目标异步信号检测方法 |
CN109188459A (zh) * | 2018-08-29 | 2019-01-11 | 东南大学 | 一种基于多线激光雷达的坡道小障碍物识别方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110490812A (zh) * | 2019-07-05 | 2019-11-22 | 哈尔滨理工大学 | 基于高斯过程回归算法的地面滤波方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109188459B (zh) | 一种基于多线激光雷达的坡道小障碍物识别方法 | |
CN106503678A (zh) | 基于移动激光扫描点云的道路标线自动检测和分类方法 | |
CN111079611B (zh) | 一种道路面及其标志线的自动提取方法 | |
CN102997928B (zh) | 一种城际路网索引和匹配方法 | |
CN105426864A (zh) | 一种基于等距边缘点匹配的多车道线检测方法 | |
CN102879788B (zh) | 一种基于机载LiDAR数据的输电线路的电力线提取方法 | |
CN111861933B (zh) | 基于空间划分的点云去噪方法及装置 | |
CN106028446B (zh) | 室内停车场定位方法 | |
CN102608589B (zh) | 基于仿生模式识别理论的雷达目标识别方法 | |
CN103500329B (zh) | 基于车载移动激光扫描点云的路灯自动提取方法 | |
CN109407097B (zh) | 一种车辆可行驶区域的检测方法及装置 | |
CN102436644A (zh) | 基于自适应边缘配准的非结构化道路检测方法 | |
CN103697895A (zh) | 基于自适应a星算法的飞行器最优路径确定方法 | |
JP2017125802A (ja) | 物体検出装置および物体検出方法 | |
CN109801236A (zh) | 一种基于混合高斯模型的光子点云去噪方法 | |
CN111291144B (zh) | 一种道路交叉口位置和覆盖范围检测框架方法 | |
CN109410265B (zh) | 一种基于往期dem辅助的tin滤波改进算法 | |
CN107977664B (zh) | 一种基于单幅图像的道路消失点检测方法 | |
CN103425764A (zh) | 一种基于视频的车辆匹配方法 | |
CN109959910A (zh) | 基于高斯分布的地面滤波算法 | |
CN104408400B (zh) | 一种基于单幅图像频域信息的不可分辨多目标检测方法 | |
CN113866762A (zh) | 一种基于雷达探测信息的无人机威胁判定方法 | |
CN104794723A (zh) | 一种基于概率的遥感影像建筑物位置检测方法 | |
CN111239702B (zh) | 一种目标对象运动状态确定方法及装置 | |
Pu et al. | Road intersection detection based on direction ratio statistics analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190702 |