CN111208491A - 一种高分辨率固态激光雷达点云的杂点消除方法 - Google Patents

一种高分辨率固态激光雷达点云的杂点消除方法 Download PDF

Info

Publication number
CN111208491A
CN111208491A CN202010049941.XA CN202010049941A CN111208491A CN 111208491 A CN111208491 A CN 111208491A CN 202010049941 A CN202010049941 A CN 202010049941A CN 111208491 A CN111208491 A CN 111208491A
Authority
CN
China
Prior art keywords
points
point
scanning area
miscellaneous
cou
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.)
Granted
Application number
CN202010049941.XA
Other languages
English (en)
Other versions
CN111208491B (zh
Inventor
路静峰
芮明昭
林坚
黎洪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lingwei Technology Xiamen Co ltd
Original Assignee
Lingwei Technology Xiamen Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Lingwei Technology Xiamen Co ltd filed Critical Lingwei Technology Xiamen Co ltd
Priority to CN202010049941.XA priority Critical patent/CN111208491B/zh
Publication of CN111208491A publication Critical patent/CN111208491A/zh
Application granted granted Critical
Publication of CN111208491B publication Critical patent/CN111208491B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01S7/495—Counter-measures or counter-counter-measures using electronic or electro-optical means

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种高分辨率固态激光雷达点云的杂点消除方法，包括进行图像扫描采集；对扫描到的每帧图像上设定一个扫描区域，并控制扫描区域在帧内进行规律滑动，遍历此帧数据内所有有效点，判定该扫描区域内的点是否为疑似杂点；若该扫描区域内的所有点为疑似拉丝点和奇异点，则设定一个数值W；若N×W>M,则认定该区域内所有点为非拉丝点和奇异点；若N×W<M,则认定该区域内所有点为杂点，删除该区域所有点。本发明方法可有效出去图中的奇异点和拉丝点，降低杂点对扫描结果精确性的影响，提高扫描的精确性。

Description

一种高分辨率固态激光雷达点云的杂点消除方法
技术领域
本发明涉及一种高分辨率固态激光雷达点云的杂点消除方法。
背景技术
由于固态激光雷达的固有特性决定的是，当激光光斑打到物体边缘时，若物体和背景的距离在0~2.5米范围内，则物体点云和背景点云之间会出现类似瀑布一样的点云，称之为拉丝点。若物体和背景超过2.5米范围，则物体边缘不稳定的跳动点称之为奇异点。这两类点会严重影响雷达检测的精确性和点云质量。
发明内容
本发明提供了一种高分辨率固态激光雷达点云的杂点消除方法，以至少解决现有技术中拉丝点、奇异点等杂点对高分辨率固态激光雷达点云的影响。
本发明提供了一种高分辨率固态激光雷达点云的杂点消除方法，包括步骤如下：
步骤一：进行图像扫描采集；
步骤二：对扫描到的每帧图像上设定一个扫描区域，并控制扫描区域在帧内进行规律滑动，遍历此扫描区域内所有有效点，个数为M，获得
Figure 100002_DEST_PATH_IMAGE001
和
Figure 476729DEST_PATH_IMAGE002
，分别为Tof最大值和Tof最小值；
步骤三：设定阈值G，若此扫描区域内的
Figure 100002_DEST_PATH_IMAGE003
-
Figure 78874DEST_PATH_IMAGE004
，则此区域所有点都判定为非杂点；若
Figure 554330DEST_PATH_IMAGE003
-
Figure 100002_DEST_PATH_IMAGE005
，则判定该扫描区域内的点为疑似杂点；
步骤四：设定扫描区域的中心点为A及阈值K，比较该中心点和扫描区域内所有非零点的tof差，若tof差小于K,则计数cou=cou+1，直到获得所有满足该条件的点，个数为N，以及该扫描区域内所有的有效点个数M：
步骤五：若该扫描区域内的所有点为疑似拉丝点和奇异点，则设定一个数值W；若N×W>M,则认定该区域内所有点为非拉丝点和奇异点；若N×W<M,则认定该区域内所有点为杂点，删除该区域所有点。
进一步地，所述扫描区域的尺寸设定为
Figure 448335DEST_PATH_IMAGE006
，n为2~10。
进一步地，所述采集前一帧中所有点的位置，并扫描后续N-1帧图像，确保各帧图像之间具有对应点，计算相邻两帧图像中每一个对应点的笛卡尔坐标z值之差，建立一维矩阵M,进行杂点分析，若相邻两帧图像的一对应点之间笛卡尔坐标z值之差与其余对应点有明显区别，则认定此对应点为杂点，并删除。
更进一步地，所述后续N-1帧图像采用固定位置扫描。
更进一步地，所述后一帧图像中所有点与前一帧图像中所有点的对应数量百分比为S，S的取值范围为0.5~1。
更进一步地，所述相邻两帧图像中每一个对应点的笛卡尔坐标z值之差为d，所述一维矩阵M=[d1,d2,d3,d4,d5,… …]。
更进一步地，所述杂点分析具体为确定相邻两帧图像在采集时是否处于相对静止状态，若处于相对静止状态，则设定阈值Gz，所有d值大于Gz的点为杂点。
更进一步地，所述相对静止状态的具体判断方法为：设定比例Cz，计算后一帧图像的全部对应点数量K1，当一维差分矩阵M内的任一元素满足d值小于Gz，则计数器cou=cou+1，遍历M中全部元素，获得COU=cou，若Cz<COU/K1，则认定相邻两帧图像处于相对静止状态。
本发明方法可有效去除图中的奇异点和拉丝点，降低杂点对扫描结果精确性的影响，提高扫描的精确性。
附图说明
图1为滑动窗口搜索奇异点和拉丝点示意图；
图2为相邻帧点云差分检测奇异点和拉丝点示意图；
图3为消除奇异点测试情景图像
图4为未消除奇异点的点云图的俯视图；
图5为采用本发明实施例方法消除拉丝奇异点的后的俯视图；
图6为未消除奇异点的点云图的正视图；
图7为采用本发明实施例方法消除拉丝点和奇异点的正面点云图像。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。
本发明实施例公开了一种高分辨率固态激光雷达点云的杂点消除方法，包括步骤如下：
步骤一：进行图像扫描采集；
步骤二：如图1所示，对扫描到的每帧图像上设定一个扫描区域，并控制扫描区域在帧内进行规律滑动，遍历此扫描区域内所有有效点，个数为M，获得
Figure 986764DEST_PATH_IMAGE001
和
Figure 918948DEST_PATH_IMAGE002
，分别为Tof最大值和Tof最小值；
步骤三：设定阈值G，若此扫描区域内的
Figure 545232DEST_PATH_IMAGE003
-
Figure 449734DEST_PATH_IMAGE004
，则此区域所有点都判定为非杂点；若
Figure 424643DEST_PATH_IMAGE003
-
Figure 247718DEST_PATH_IMAGE005
，则判定该扫描区域内的点为疑似杂点；
步骤四：设定扫描区域的中心点为A及阈值K，比较该中心点和扫描区域内所有非零点的tof差，若tof差小于K,则计数cou=cou+1，直到获得所有满足该条件的点，个数为N，以及该扫描区域内所有的有效点个数M：
步骤五：若该扫描区域内的所有点为疑似拉丝点和奇异点，则设定一个数值W；若N×W>M,则认定该区域内所有点为非拉丝点和奇异点；若N×W<M,则认定该区域内所有点为杂点，删除该区域所有点。
可选的，所述扫描区域的尺寸设定为
Figure 5590DEST_PATH_IMAGE006
，n为2~10。
其中，本发明实施例为帧内直接检测和消除方法，设置一个滑动窗口（扫描区域）在整个扫描场帧内做有规律的滑动，滑动窗口的尺寸设定为
Figure DEST_PATH_IMAGE007
n为可以设定在2~10范围内。在每个滑动窗口内，比如有m个有效点，则遍历此窗口内所有点，获得Max_tof和Min_tof,分别是Tof最大值和Tof最小值。设定一个阈值比如G，当在此滑动窗口内的
Figure 721523DEST_PATH_IMAGE003
-
Figure 742700DEST_PATH_IMAGE004
，则此区域所有点都判定为非拉丝点和非奇异点。当
Figure 790421DEST_PATH_IMAGE003
-
Figure 414301DEST_PATH_IMAGE005
，则判定该滑动窗口内的点为疑似拉丝点和奇异点。假定此滑动窗口的中心点为A，设定一个阈值K，比较该中心点和滑动窗口内所有非零点的tof差，例如Tof_A-Tof_B<K,则计数cou=cou+1，直到获得所有满足该条件的点的个数N，以及该滑动窗口内所有的有效点个数M，设定一个条件如下：
当判断该滑动窗口内的所有点为疑似拉丝点和奇异点，则设定一个数值W：
当且仅当：N*W>M,则认定该区域内所有点为非拉丝点和奇异点，
当N*W<M,则认定该区域内所有点为拉丝点或奇异点，删除该区域所有点。
本发明实施例通过采用帧内直接检测和消除方法，如图3-图6所示，可有效去除图中的奇异点和拉丝点，降低杂点对扫描结果精确性的影响。
可选的，如图2所示，所述采集前一帧中所有点的位置，并扫描后续N-1帧图像，确保各帧图像之间具有对应点，计算相邻两帧图像中每一个对应点的笛卡尔坐标z值之差，建立一维矩阵M,进行杂点分析，若相邻两帧图像的一对应点之间笛卡尔坐标z值之差与其余对应点有明显区别，则认定此对应点为杂点，并删除。
特别的，所述后续N-1帧图像采用固定位置扫描。
特别的，如图2所示，所述后一帧图像中所有点与前一帧图像中所有点的对应数量为的对应数量百分比为S，S的取值范围为0.5~1。
特别的，所述相邻两帧图像中每一个对应点的笛卡尔坐标z值之差为d，所述一维矩阵M=[d1,d2,d3,d4,d5,… …]。
特别的，所述杂点分析具体为确定相邻两帧图像在采集时是否处于相对静止状态，若处于相对静止状态，则设定阈值Gz，所有d值大于Gz的点为杂点。
特别的，所述相对静止状态的具体判断方法为：设定比例Cz，计算后一帧图像的全部对应点数量K1，当一维差分矩阵M内的任一元素满足d值小于Gz，则计数器cou=cou+1，遍历M中全部元素，获得COU=cou，若Cz<COU/K1，则认定相邻两帧图像处于相对静止状态。
方法2，帧间差分检测和消除
帧间检测的方法，通过记录前一帧数据的所有点的位置，采用固定扫描位置的方式，比如图5所示，前后N帧数据，都在相同的位置输出激光扫描，例如Frame-1内有若干点，如A1,A2,A3,A4… …,下一帧Frame-2内有若干点，如B1,B2,B3,B4… …,其中，A1与B1具有相同的row和column，但是空间笛卡尔坐标是不同的，以此类推，S（S在0.5~1.0之间）以上的Frame-1内的点在Frame-2上都能找到类似的对应点，则我们通过计算每一个对应点的笛卡尔坐标z值之差，可以形成一个一维矩阵M=[d1,d2,d3,d4,d5,… …],我们设定一个比例Cz，当Frame-2内的点数为K1,选取一个阈值为Gz，当满足一维差分矩阵M内的任一元素满足d1<Gz，计数器cou=cou+1，则遍历全部M获得一个COU=cou，当Cz<COU/K1，则认定，前后帧处于相对静止状态，则选取所有dn>Gz的点，认定为奇异点或者拉丝点，消除之。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解，技术人员阅读本申请说明书后依然可以对本发明的具体实施方式进行修改或者等同替换，但这些修改或变更均未脱离本发明申请待批权利要求保护范围之内。

Claims (8)

1.一种高分辨率固态激光雷达点云的杂点消除方法，其特征在于，包括步骤如下：
步骤一：进行图像扫描采集；
步骤二：对扫描到的每帧图像上设定一个扫描区域，并控制扫描区域在帧内进行规律滑动，遍历此扫描区域内所有有效点，个数为M，获得
Figure DEST_PATH_IMAGE001
和
Figure 680327DEST_PATH_IMAGE002
，分别为Tof最大值和Tof最小值；
步骤三：设定阈值G，若此扫描区域内的
Figure DEST_PATH_IMAGE003
-
Figure 214950DEST_PATH_IMAGE004
，则此区域所有点都判定为非杂点；若
Figure 94175DEST_PATH_IMAGE003
-
Figure DEST_PATH_IMAGE005
，则判定该扫描区域内的点为疑似杂点；
步骤四：设定扫描区域的中心点为A及阈值K，比较该中心点和扫描区域内所有非零点的tof差，若tof差小于K,则计数cou=cou+1，直到获得所有满足该条件的点，个数为N，以及该扫描区域内所有的有效点个数M：
步骤五：若该扫描区域内的所有点为疑似拉丝点和奇异点，则设定一个数值W；若N×W>M,则认定该区域内所有点为非拉丝点和奇异点；若N×W<M,则认定该区域内所有点为杂点，删除该区域所有点。
2.根据权利要求1所述的一种高分辨率固态激光雷达点云的杂点消除方法，其特征在于，所述扫描区域的尺寸设定为
Figure 52904DEST_PATH_IMAGE006
，n为2~10。
3.根据权利要求1所述的一种高分辨率固态激光雷达点云的杂点消除方法，其特征在于，所述方法还包括帧间图像分析：采集前一帧中所有点的位置，并扫描后续N-1帧图像，确保各帧图像之间具有对应点，计算相邻两帧图像中每一个对应点的笛卡尔坐标z值之差，建立一维矩阵M,进行杂点分析，若相邻两帧图像的一对应点之间笛卡尔坐标z值之差与其余对应点有明显区别，则认定此对应点为杂点，并删除。
4.根据权利要求3所述的一种高分辨率固态激光雷达点云的杂点消除方法，其特征在于，所述后续N-1帧图像采用固定位置扫描。
5.根据权利要求3所述的一种高分辨率固态激光雷达点云的杂点消除方法，其特征在于，所述后一帧图像中所有点与前一帧图像中所有点的对应数量百分比为S，S的取值范围为0.5~1。
6.根据权利要求3所述的一种高分辨率固态激光雷达点云的杂点消除方法，其特征在于，所述相邻两帧图像中每一个对应点的笛卡尔坐标z值之差为d，所述一维矩阵M=[d1,d2,d3,d4,d5,… …]。
7.根据权利要求3所述的一种高分辨率固态激光雷达点云的杂点消除方法，其特征在于，所述杂点分析具体为确定相邻两帧图像在采集时是否处于相对静止状态，若处于相对静止状态，则设定阈值Gz，所有d值大于Gz的点为杂点。
8.根据权利要求7所述的一种高分辨率固态激光雷达点云的杂点消除方法，其特征在于，所述相对静止状态的具体判断方法为：设定比例Cz，计算后一帧图像的全部对应点数量K1，当一维差分矩阵M内的任一元素满足d值小于Gz，则计数器cou=cou+1，遍历M中全部元素，获得COU=cou，若Cz<COU/K1，则认定相邻两帧图像处于相对静止状态。
CN202010049941.XA 2020-01-17 2020-01-17 一种高分辨率固态激光雷达点云的杂点消除方法 Active CN111208491B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010049941.XA CN111208491B (zh) 2020-01-17 2020-01-17 一种高分辨率固态激光雷达点云的杂点消除方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010049941.XA CN111208491B (zh) 2020-01-17 2020-01-17 一种高分辨率固态激光雷达点云的杂点消除方法

Publications (2)

Publication Number Publication Date
CN111208491A true CN111208491A (zh) 2020-05-29
CN111208491B CN111208491B (zh) 2022-05-03

Family

ID=70783473

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010049941.XA Active CN111208491B (zh) 2020-01-17 2020-01-17 一种高分辨率固态激光雷达点云的杂点消除方法

Country Status (1)

Country Link
CN (1) CN111208491B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023005815A1 (zh) * 2021-07-30 2023-02-02 武汉万集光电技术有限公司 一种opa激光雷达及噪点识别方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170323429A1 (en) * 2016-05-09 2017-11-09 John Peter Godbaz Multiple patterns in time-of-flight camera apparatus
CN108459314A (zh) * 2018-03-08 2018-08-28 北京理工大学 一种三维固态面阵激光雷达非均匀校正方法
CN109948106A (zh) * 2019-03-21 2019-06-28 南京林业大学 一种利用激光点云计算林分高度累计百分比的方法
CN110308438A (zh) * 2019-07-15 2019-10-08 南京林业大学 一种利用多回波单站扫描数据校正激光雷达反射强度的方法
CN110471074A (zh) * 2019-08-15 2019-11-19 岭纬科技（厦门）有限公司 一种提高平面激光点云测距精度的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170323429A1 (en) * 2016-05-09 2017-11-09 John Peter Godbaz Multiple patterns in time-of-flight camera apparatus
CN108459314A (zh) * 2018-03-08 2018-08-28 北京理工大学 一种三维固态面阵激光雷达非均匀校正方法
CN109948106A (zh) * 2019-03-21 2019-06-28 南京林业大学 一种利用激光点云计算林分高度累计百分比的方法
CN110308438A (zh) * 2019-07-15 2019-10-08 南京林业大学 一种利用多回波单站扫描数据校正激光雷达反射强度的方法
CN110471074A (zh) * 2019-08-15 2019-11-19 岭纬科技（厦门）有限公司 一种提高平面激光点云测距精度的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ZHONGHUA SU ET AL.: "Tree Skeleton Extraction From Laser Scanned Points", 《IGARSS 2019 - 2019 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM》 *
方毅 等: "一种直接应用灰度叠加提高面阵激光雷达测距精度的方法", 《中国激光》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023005815A1 (zh) * 2021-07-30 2023-02-02 武汉万集光电技术有限公司 一种opa激光雷达及噪点识别方法

Also Published As

Publication number Publication date
CN111208491B (zh) 2022-05-03

Similar Documents

Publication Publication Date Title
CN109685877B (zh) 一种基于自适应投影图像特征区域匹配的微纳ct焦点漂移校正方法
US8355063B2 (en) Camera noise reduction for machine vision systems
CN111208491B (zh) 一种高分辨率固态激光雷达点云的杂点消除方法
CN107238442B (zh) 不带温度稳定器的探测器测温调温方法
JP6830712B1 (ja) ランダムサンプリング一貫性に基づく魚眼画像の有効領域抽出方法
CN111612773B (zh) 一种红外热像仪及实时自动盲元检测处理方法
US20120194711A1 (en) System And Method For Improving The Quality Of Thermal Images
CN111145198B (zh) 一种基于快速角点检测的非合作目标运动估计方法
CN110887563B (zh) 一种高光谱面阵探测器坏元检测方法
CN111524167B (zh) 一种移动放射源定位校正与优化方法
CN110335209B (zh) 一种相位式三维激光点云噪声滤除方法
US7245782B2 (en) Spatial smoothing process and device for dark regions of an image
JP2015215199A (ja) 自発光材料画像処理装置及び自発光材料画像処理方法
CN114140362B (zh) 一种热成像图像校正方法和装置
CN114697014B (zh) 相位编码qkd系统的延时扫描方法和系统
RU2446471C1 (ru) Способ обнаружения движущихся объектов и определения их параметров
CN114387299A (zh) 一种利用星载干涉仪获取空中运动目标光谱信息的方法
JP4600350B2 (ja) 画像処理装置及びプログラム
CN109510936A (zh) 连续自动对焦方法及系统
JPH0855220A (ja) 移動物体抽出処理方式及び方法
CN112099216A (zh) 一种电动荧光显微镜的调焦方法
Fan et al. A scene based nonuniformity correction algorithm for line scanning infrared image
CN112669297B (zh) 一种目标探测方法
CN108053389B (zh) 一种用于评价低信噪比红外四杆靶图像清晰度的方法
CN111986171B (zh) 一种用于红外线阵探测器的异常元检测方法

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
GR01 Patent grant
GR01 Patent grant