CN116520288A - 一种激光点云测距数据的去噪方法和系统 - Google Patents
一种激光点云测距数据的去噪方法和系统 Download PDFInfo
- Publication number
- CN116520288A CN116520288A CN202310797768.5A CN202310797768A CN116520288A CN 116520288 A CN116520288 A CN 116520288A CN 202310797768 A CN202310797768 A CN 202310797768A CN 116520288 A CN116520288 A CN 116520288A
- Authority
- CN
- China
- Prior art keywords
- echo time
- time point
- point sequence
- time points
- window area
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 36
- 238000012163 sequencing technique Methods 0.000 claims abstract description 14
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 13
- 238000001914 filtration Methods 0.000 abstract description 12
- 230000000875 corresponding effect Effects 0.000 description 43
- 230000000694 effects Effects 0.000 description 6
- 238000009826 distribution Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000001161 time-correlated single photon counting Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
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
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
- G01S17/10—Systems determining position data of a target for measuring distance only using transmission of interrupted, pulse-modulated waves
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明给出了一种激光点云测距数据的去噪方法和系统,属于激光数据处理技术领域,包括:获取回波时间点云数据集,并进行回波时间点提取,得到第一回波时间点序列;对第一回波时间点序列进行密度聚类处理,以剔除第一回波时间点序列中的噪声回波时间点,得到第二回波时间点序列;将第二回波时间点序列中的回波时间点按照时间大小进行从小到大排序,得到第三回波时间点序列;对第三回波时间点序列进行滑动处理,以确定第二回波时间点序列中的信号回波时间点。本发明实现了从回波时间点云数据集中的噪声过滤,提高了探测系统的性能。
Description
技术领域
本发明属于激光数据处理技术领域,尤其涉及一种激光点云测距数据的去噪方法和系统。
背景技术
对于激光测距来说,提高测距能力一般采用提高激光信号的发射功率、提升探测器性能、对回波信号处理等方法等,通过对隐蔽测距的研究可知,脉冲激光测距性能的提升能够在发射功率约束条件下提高探测系统的信噪比。因此,想要实现激光隐蔽测距,需要控制发射激光信号的峰值功率,并采取相应的处理算法提高激光测距系统的探测性能是一个重要的方法。
盖革模式的单光子探测器灵敏度较高,一次回波探测器输出的信号很难区分是噪声还是信号,所以噪声是影响探测性能的重要因素,加之隐蔽测距的回波信号比常规测距得信号弱,点云数据散乱,并有奇异点和干扰点数据,导致探测系统的性能低。
传统的点云滤波方法主要有统计学滤波、邻域滤波和投影滤波。统计学滤波的概念特别适合点云的特性,国内外很多将统计学方法引入到点云滤波中。基于邻域的点云滤波技术是使用一种相似度的方法,判断周围数据点的相似性,实现目标的分类识别。基于投影滤波技术的点云滤波,通过不同的投影测量,调整点云中每个点的位置,从而实现噪声剔除。这些点云去噪方法主要通过滤波实现,通过局部或非局部数据拟合、平均等,这些算法常常依赖于噪声模型假设,这就造成实际应用场景的限制,不同的场景需要不同的算法模型,对于不同尺度的噪声剔除效果不理想。
直方图统计是光子激光测距最常用的方法,时间分析为激光测距系统分析的关键,时间相关单光子计数(TCSPC,Time-correlated Single-photon Counting System)是对脉冲强度微弱且持续时间较短的光信号进行记录。通过对多个周期的光子信号记录,可以得到大量的信号光子以及相应的时间信息,并根据时间信息将相同时间的光子数进行累加,可以得到光子计数直方图,得到信号的距离空间信息,忽略了时域维度信息,降低了探测系统的性能。
发明内容
本发明的目的之一,在于提供一种激光点云测距数据的去噪方法,该去噪方法实现了从回波时间点云数据集中的噪声过滤,提高了探测系统的性能。
本发明的目的之二,在于提供一种激光点云测距数据的去噪系统。
为了达到上述目的之一,本发明采用如下技术方案实现:
一种激光点云测距数据的去噪方法,所述去噪方法包括:
步骤S1、获取回波时间点云数据集,并进行回波时间点提取,得到第一回波时间点序列;
步骤S2、对所述第一回波时间点序列进行密度聚类处理,以剔除所述第一回波时间点序列中的噪声回波时间点,得到第二回波时间点序列;
步骤S3、将所述第二回波时间点序列中的回波时间点按照时间大小进行从小到大排序,得到第三回波时间点序列;
步骤S4、对所述第三回波时间点序列进行滑动处理,以确定所述第二回波时间点序列中的信号回波时间点。
进一步的,在所述步骤S2中,所述密度聚类处理的具体实现过程包括:
步骤S21、统计所述第一回波时间点序列中每个回波时间点对应的邻域内的回波时间点数,以剔除所述邻域内回波时间点数小于第一阈值对应的回波时间点;
步骤S22、计算剔除后的所述第一回波时间点序列中两个回波时间点之间的距离;
步骤S23、判断所述距离是否大于第二阈值,如是,则将对应的两个回波时间点对应的邻域合并后作为一族,放入族集中,进入步骤S24;如否,则将对应的两个回波时间点对应的邻域分别作为一族,放入族集中,进入步骤S24;
步骤S24、对所述族集的族进行时间排序。
进一步的,在所述步骤S21之前,所述密度聚类处理的具体实现过程还包括:
从所述第一回波时间点序列中选取一个回波时间点为圆点,以预设半径为半径画圆作为对应回波时间点对应的邻域。
进一步的,在所述步骤S4中,所述滑动处理的具体实现过程包括:
步骤S41、设置所述第三回波时间点序列中的回波时间点序号i=1;
步骤S42、设置滑动窗口的大小为发射信号的一个脉冲宽度;
步骤S43、采用所述滑动窗口,以第i个回波时间点为起点,对所述第三回波时间点序列进行滑动,得到所述第i个回波时间点对应的窗口区域;
步骤S44、判断所述窗口区域内所有相邻两个回波时间点的时间差值的绝对值是否均小于等于第三阈值,如是,则进入步骤S45;如否,则将所述窗口区域缩小一个脉冲宽度,进入步骤S46;
步骤S45、判断所述窗口区域内最后一个回波时间点是否小于N,如是,则将所述窗口区域扩大一个脉冲宽度后代替所述滑动窗口,返回步骤S43;如否,则将所述第i个回波时间点对应的窗口区域放入窗口区域集中,进入步骤S47;
其中,N为所述第三回波时间点序列中的回波时间点数量;
步骤S46、判断与缩小后的所述窗口区域内最后一个回波时间点相邻的回波时间点序号j是否小于N,如是,则令i=j+1,返回步骤S43;如否,则将缩小后的所述窗口区域后放入窗口区域集中,进入步骤S47;
步骤S47、从所述窗口区域集中选取出包含回波时间点最多的窗口区域,并将所述包含回波时间点最多的窗口区域内所有回波时间点作为信号回波时间点。
为了达到上述目的之二,本发明采用如下技术方案实现:
一种激光点云测距数据的去噪系统,所述去噪系统包括:
提取模块,用于获取回波时间点云数据集,并进行回波时间点提取,得到第一回波时间点序列;
密度聚类处理模块,用于对所述第一回波时间点序列进行密度聚类处理,以剔除所述第一回波时间点序列中的噪声回波时间点,得到第二回波时间点序列;
排序模块,用于将所述第二回波时间点序列中的回波时间点按照时间大小进行从小到大排序,得到第三回波时间点序列;
滑动处理模块,用于对所述第三回波时间点序列进行滑动处理,以确定所述第二回波时间点序列中的信号回波时间点。
进一步的,所述密度聚类处理模块包括:
统计子模块,用于统计所述第一回波时间点序列中每个回波时间点对应的邻域内的回波时间点数,以剔除所述邻域内回波时间点数小于第一阈值对应的回波时间点;
计算子模块,用于计算剔除后的所述第一回波时间点序列中两个回波时间点之间的距离;
第一判断子模块,用于判断所述距离是否大于第二阈值,如是,则将对应的两个回波时间点对应的邻域合并后作为一族,放入族集中后传输给排序子模块;如否,则将对应的两个回波时间点对应的邻域分别作为一族,放入族集中后传输给排序子模块;
排序子模块,用于对所述族集的族进行时间排序。
进一步的,所述密度聚类处理模块还包括:
第一选取子模块,用于从所述第一回波时间点序列中选取一个回波时间点为圆点,以预设半径为半径画圆作为对应回波时间点对应的邻域。
进一步的,所述滑动处理模块包括:
第一设置子模块,用于设置所述第三回波时间点序列中的回波时间点序号i=1;
第一设置子模块,用于设置滑动窗口的大小为发射信号的一个脉冲宽度;
滑动子模块,用于采用所述滑动窗口,以第i个回波时间点为起点,对所述第三回波时间点序列进行滑动,得到所述第i个回波时间点对应的窗口区域;
第二判断子模块,用于判断所述窗口区域内所有相邻两个回波时间点的时间差值的绝对值是否均小于等于第三阈值,如是,则将所述窗口区域传输给第三判断子模块;如否,则将所述窗口区域缩小一个脉冲宽度传输给第四判断子模块;
第三判断子模块,用于判断所述窗口区域内最后一个回波时间点是否小于N,如是,则将所述窗口区域扩大一个脉冲宽度后代替所述滑动窗口,并传输给滑动子模块;如否,则将所述第i个回波时间点对应的窗口区域放入窗口区域集中,并传输给第二选取子模块;
其中,N为所述第三回波时间点序列中的回波时间点数量;
第四判断子模块,用于、判断与缩小后的所述窗口区域内最后一个回波时间点相邻的回波时间点序号j是否小于N,如是,则令i=j+1,并传输给滑动子模块;如否,则将缩小后的所述窗口区域后放入窗口区域集中,并传输给第二选取子模块;
第二选取子模块,用于从所述窗口区域集中选取出包含回波时间点最多的窗口区域,并将所述包含回波时间点最多的窗口区域内所有回波时间点作为信号回波时间点。
综上,本发明提出的方案具备如下技术效果:
本发明根据信号和噪声在时间轴上分布特性的不同,通过密度聚类的粗去噪,剔除了第一回波时间点序列中的噪声回波时间点,实现了粗去噪,有效地降低了噪声信号产生的虚警概率;通过滑动处理的细去噪,进一步剔除粗去噪后剩余的噪声回波时间点,达到了对不同时间和空间尺度噪声剔除的效果,提高了信号检测的信噪比,保证了测距信号的检测效率,且检测效果较好。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明激光点云测距数据的去噪方法的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例只是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本实施例给出了一种激光点云测距数据的去噪方法,参考图1,该激光点云测距数据去噪方法包括:
S1、获取回波时间点云数据集,并进行回波时间点提取,得到第一回波时间点序列。
S2、对所述第一回波时间点序列进行密度聚类处理,以剔除所述第一回波时间点序列中的噪声回波时间点,得到第二回波时间点序列。
本实施例通过密度聚类,在噪声空间中发现信号簇,在回波时间点序列中通过寻找低密度区域中的高密度区域,并将高密度区域作为一个独立的类别划分为一簇,区分噪声和信号,实现粗去噪。本实施例的回波时间点包括核心点、边界点和噪声点。以回波时间点为圆心,以预设半径e(即第二阈值)做圆,该圆即为圆心对应的回波时间点的邻域。当邻域内的回波时间点数大于第一阈值Minpts,则对应的回波时间点即为核心点;当邻域内的回波时间点数小于第一阈值Minpts,且在其他邻域内,则对应的回波时间点即为边界点;当邻域内的回波时间点数小于第一阈值Minpts,且不在其他邻域内,则对应的回波时间点即为噪声点。点与点之间有四种关系:密度直达,密度可达、密度相连、非密度相连。
点密度直达,存在时间点/>、时间点/>和时间点/>,对时间点遍历,如果时间点/>在时间点/>的/>邻域内,且时间点/>为核心点,那么时间点/>从时间点/>密度可达的,则时间点/>与时间点/>密度相连。本实施例通过密度聚类,得到密度相连的最大集合。
综合上述原理,本实施例中的密度聚类处理的具体实现过程包括:
步骤S21、统计所述第一回波时间点序列中每个回波时间点对应的邻域内的回波时间点数,以剔除所述邻域内回波时间点数小于第一阈值对应的回波时间点;
步骤S22、计算剔除后的所述第一回波时间点序列中两个回波时间点之间的距离;
步骤S23、判断所述距离是否大于第二阈值,如是,则将对应的两个回波时间点对应的邻域合并后作为一族,放入族集中,进入步骤S24;如否,则将对应的两个回波时间点对应的邻域分别作为一族,放入族集中,进入步骤S24;
步骤S24、对所述族集的族进行时间排序。
在步骤S21之前,本实施例的密度聚类处理的具体实现过程还包括:
从所述第一回波时间点序列中选取一个回波时间点为圆点,以预设半径为半径画圆作为对应回波时间点对应的邻域。
S3、将所述第二回波时间点序列中的回波时间点按照时间大小进行从小到大排序,得到第三回波时间点序列。
考虑到脉冲信号时间点比较集中,噪声时间点比较离散,本实施例采用滑窗处理,对粗去噪得到少量噪声时间点与信号时间点(即第三回波时间点序列)进行滑窗处理。采用滑动窗口处理时,先对数据(即第二回波时间点序列)按照时间大小进行从小到大排序。
S4、对所述第三回波时间点序列进行滑动处理,以确定所述第二回波时间点序列中最大窗口区域。
本实施例采用窗口阈值法,探测器探测到信号光子的到达时间在脉冲宽度T f 范围以内,回波信号的脉冲宽度一般是由发射信号的脉冲宽度决定的,信号被探测器探测到的时间主要聚集在回波脉冲半高宽T P 范围内,在T f 时间内信号光子数出现的时间有三种可能的分布,脉冲宽度小于T P 的两个光子是相关光子。本实施例从左向右进行滑动,并对窗口内的时间差值计算并累加,若窗口内的时间差值都满足∣Δt∣小于T P ,则该窗口内的回波时间点认为是信号点。若点数的时间差值∣Δt∣大于T P ,则认为窗口内存在噪声点,并从此点之后重新进行滑窗运算。若滑窗内都为信号点,则回波时间点的差值之和满足,t m 为滑动窗口内第m个回波时间点对应的时间,m=1,2,…,n,n为滑动窗口内的回波时间点数。(n-1)T P 设置为滑动窗口的阈值大小,同时对滑动窗口大小不断扩大,并计算扩大的回波时间点与前一个回波时间点的时间差,进行差值判断。重复上述步骤,当滑动窗口不断向右移动和扩大时,如果得到某一个回波时间点与相邻回波时间点的时间差值大于T P ,则此滑动窗口不再扩大。对滑动窗口之外的回波时间点继续滑窗运算,遍历所有回波时间点,最大滑动窗口内的回波时间点为信号点。滑动窗口大小要根据计算的阈值进行扩大和缩小,阈值的大小与滑动窗口的大小是有关联的,并不是简单的设置滑动窗口大小和阈值,并向后移动累加的结果,实现自适应调节,确定信号光子的最大个数,同时也减小了信号周围的噪声。
基于上述原理,本实施例中的滑动处理的具体实现过程包括:
步骤S41、设置所述第三回波时间点序列中的回波时间点序号i=1;
步骤S42、设置滑动窗口的大小为发射信号的一个脉冲宽度;
步骤S43、采用所述滑动窗口,以第i个回波时间点为起点,对所述第三回波时间点序列进行滑动,得到所述第i个回波时间点对应的窗口区域;
步骤S44、判断所述窗口区域内所有相邻两个回波时间点的时间差值的绝对值是否均小于等于第三阈值,如是,则进入步骤S45;如否,则将所述窗口区域缩小一个脉冲宽度,进入步骤S46;
步骤S45、判断所述窗口区域内最后一个回波时间点是否小于N,如是,则将所述窗口区域扩大一个脉冲宽度后代替所述滑动窗口,返回步骤S43;如否,则将所述第i个回波时间点对应的窗口区域放入窗口区域集中,进入步骤S47;
其中,N为所述第三回波时间点序列中的回波时间点数量;
步骤S46、判断与缩小后的所述窗口区域内最后一个回波时间点相邻的回波时间点序号j是否小于N,如是,则令i=j+1,返回步骤S43;如否,则将缩小后的所述窗口区域后放入窗口区域集中,进入步骤S47;
步骤S47、从所述窗口区域集中选取出包含回波时间点最多的窗口区域,并将所述包含回波时间点最多的窗口区域内所有回波时间点作为信号回波时间点。
利用信号回波时间点对应的激光点云测距数据,实现更准确的目标测距。
本实施例根据信号和噪声在时间轴上分布特性的不同,通过密度聚类的粗去噪,剔除了第一回波时间点序列中的噪声回波时间点,实现了粗去噪,有效地降低了噪声信号产生的虚警概率;通过滑动处理的细去噪,进一步剔除粗去噪后剩余的噪声回波时间点,达到了对不同时间和空间尺度噪声剔除的效果,提高了信号检测的信噪比,保证了测距信号的检测效率,且检测效果较好。
上述实施例可采用如下实施例实现:
另一实施例给出了一种激光点云测距数据去噪系统,该激光点云测距数据去噪系统包括:
提取模块,用于获取回波时间点云数据集,并进行回波时间点提取,得到第一回波时间点序列;
密度聚类处理模块,用于对所述第一回波时间点序列进行密度聚类处理,以剔除所述第一回波时间点序列中的噪声回波时间点,得到第二回波时间点序列;
排序模块,用于将所述第二回波时间点序列中的回波时间点按照时间大小进行从小到大排序,得到第三回波时间点序列;
滑动处理模块,用于对所述第三回波时间点序列进行滑动处理,以确定所述第二回波时间点序列中的信号回波时间点。
进一步的,所述密度聚类处理模块包括:
统计子模块,用于统计所述第一回波时间点序列中每个回波时间点对应的邻域内的回波时间点数,以剔除所述邻域内回波时间点数小于第一阈值对应的回波时间点;
计算子模块,用于计算剔除后的所述第一回波时间点序列中两个回波时间点之间的距离;
第一判断子模块,用于判断所述距离是否大于第二阈值,如是,则将对应的两个回波时间点对应的邻域合并后作为一族,放入族集中后传输给排序子模块;如否,则将对应的两个回波时间点对应的邻域分别作为一族,放入族集中后传输给排序子模块;
排序子模块,用于对所述族集的族进行时间排序。
进一步的,所述密度聚类处理模块还包括:
第一选取子模块,用于从所述第一回波时间点序列中选取一个回波时间点为圆点,以预设半径为半径画圆作为对应回波时间点对应的邻域。
进一步的,所述滑动处理模块包括:
第一设置子模块,用于设置所述第三回波时间点序列中的回波时间点序号i=1;
第一设置子模块,用于设置滑动窗口的大小为发射信号的一个脉冲宽度;
滑动子模块,用于采用所述滑动窗口,以第i个回波时间点为起点,对所述第三回波时间点序列进行滑动,得到所述第i个回波时间点对应的窗口区域;
第二判断子模块,用于判断所述窗口区域内所有相邻两个回波时间点的时间差值的绝对值是否均小于等于第三阈值,如是,则将所述窗口区域传输给第三判断子模块;如否,则将所述窗口区域缩小一个脉冲宽度传输给第四判断子模块;
第三判断子模块,用于判断所述窗口区域内最后一个回波时间点是否小于N,如是,则将所述窗口区域扩大一个脉冲宽度后代替所述滑动窗口,并传输给滑动子模块;如否,则将所述第i个回波时间点对应的窗口区域放入窗口区域集中,并传输给第二选取子模块;
其中,N为所述第三回波时间点序列中的回波时间点数量;
第四判断子模块,用于、判断与缩小后的所述窗口区域内最后一个回波时间点相邻的回波时间点序号j是否小于N,如是,则令i=j+1,并传输给滑动子模块;如否,则将缩小后的所述窗口区域后放入窗口区域集中,并传输给第二选取子模块;
第二选取子模块,用于从所述窗口区域集中选取出包含回波时间点最多的窗口区域,并将所述包含回波时间点最多的窗口区域内所有回波时间点作为信号回波时间点。
上述实施例所涉及的原理、公式及其参数定义均适用,这里不再一一赘述。
请注意,以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种激光点云测距数据的去噪方法,其特征在于,所述去噪方法包括:
步骤S1、获取回波时间点云数据集,并进行回波时间点提取,得到第一回波时间点序列;
步骤S2、对所述第一回波时间点序列进行密度聚类处理,以剔除所述第一回波时间点序列中的噪声回波时间点,得到第二回波时间点序列;
步骤S3、将所述第二回波时间点序列中的回波时间点按照时间大小进行从小到大排序,得到第三回波时间点序列;
步骤S4、对所述第三回波时间点序列进行滑动处理,以确定所述第二回波时间点序列中的信号回波时间点。
2.根据权利要求1所述的去噪方法,其特征在于,在所述步骤S2中,所述密度聚类处理的具体实现过程包括:
步骤S21、统计所述第一回波时间点序列中每个回波时间点对应的邻域内的回波时间点数,以剔除所述邻域内回波时间点数小于第一阈值对应的回波时间点;
步骤S22、计算剔除后的所述第一回波时间点序列中两个回波时间点之间的距离;
步骤S23、判断所述距离是否大于第二阈值,如是,则将对应的两个回波时间点对应的邻域合并后作为一族,放入族集中,进入步骤S24;如否,则将对应的两个回波时间点对应的邻域分别作为一族,放入族集中,进入步骤S24;
步骤S24、对所述族集的族进行时间排序。
3.根据权利要求2所述的去噪方法,其特征在于,在所述步骤S21之前,所述密度聚类处理的具体实现过程还包括:
从所述第一回波时间点序列中选取一个回波时间点为圆点,以预设半径为半径画圆作为对应回波时间点对应的邻域。
4.根据权利要求3所述的去噪方法,其特征在于,在所述步骤S4中,所述滑动处理的具体实现过程包括:
步骤S41、设置所述第三回波时间点序列中的回波时间点序号i=1;
步骤S42、设置滑动窗口的大小为发射信号的一个脉冲宽度;
步骤S43、采用所述滑动窗口,以第i个回波时间点为起点,对所述第三回波时间点序列进行滑动,得到所述第i个回波时间点对应的窗口区域;
步骤S44、判断所述窗口区域内所有相邻两个回波时间点的时间差值的绝对值是否均小于等于第三阈值,如是,则进入步骤S45;如否,则将所述窗口区域缩小一个脉冲宽度,进入步骤S46;
步骤S45、判断所述窗口区域内最后一个回波时间点是否小于N,如是,则将所述窗口区域扩大一个脉冲宽度后代替所述滑动窗口,返回步骤S43;如否,则将所述第i个回波时间点对应的窗口区域放入窗口区域集中,进入步骤S47;
其中,N为所述第三回波时间点序列中的回波时间点数量;
步骤S46、判断与缩小后的所述窗口区域内最后一个回波时间点相邻的回波时间点序号j是否小于N,如是,则令i=j+1,返回步骤S43;如否,则将缩小后的所述窗口区域后放入窗口区域集中,进入步骤S47;
步骤S47、从所述窗口区域集中选取出包含回波时间点最多的窗口区域,并将所述包含回波时间点最多的窗口区域内所有回波时间点作为信号回波时间点。
5.一种激光点云测距数据的去噪系统,其特征在于,所述去噪系统包括:
提取模块,用于获取回波时间点云数据集,并进行回波时间点提取,得到第一回波时间点序列;
密度聚类处理模块,用于对所述第一回波时间点序列进行密度聚类处理,以剔除所述第一回波时间点序列中的噪声回波时间点,得到第二回波时间点序列;
排序模块,用于将所述第二回波时间点序列中的回波时间点按照时间大小进行从小到大排序,得到第三回波时间点序列;
滑动处理模块,用于对所述第三回波时间点序列进行滑动处理,以确定所述第二回波时间点序列中的信号回波时间点。
6.根据权利要求5所述的去噪系统,其特征在于,所述密度聚类处理模块包括:
统计子模块,用于统计所述第一回波时间点序列中每个回波时间点对应的邻域内的回波时间点数,以剔除所述邻域内回波时间点数小于第一阈值对应的回波时间点;
计算子模块,用于计算剔除后的所述第一回波时间点序列中两个回波时间点之间的距离;
第一判断子模块,用于判断所述距离是否大于第二阈值,如是,则将对应的两个回波时间点对应的邻域合并后作为一族,放入族集中后传输给排序子模块;如否,则将对应的两个回波时间点对应的邻域分别作为一族,放入族集中后传输给排序子模块;
排序子模块,用于对所述族集的族进行时间排序。
7.根据权利要求6所述的去噪系统,其特征在于,所述密度聚类处理模块还包括:
第一选取子模块,用于从所述第一回波时间点序列中选取一个回波时间点为圆点,以预设半径为半径画圆作为对应回波时间点对应的邻域。
8.根据权利要求7所述的去噪系统,其特征在于,所述滑动处理模块包括:
第一设置子模块,用于设置所述第三回波时间点序列中的回波时间点序号i=1;
第一设置子模块,用于设置滑动窗口的大小为发射信号的一个脉冲宽度;
滑动子模块,用于采用所述滑动窗口,以第i个回波时间点为起点,对所述第三回波时间点序列进行滑动,得到所述第i个回波时间点对应的窗口区域;
第二判断子模块,用于判断所述窗口区域内所有相邻两个回波时间点的时间差值的绝对值是否均小于等于第三阈值,如是,则将所述窗口区域传输给第三判断子模块;如否,则将所述窗口区域缩小一个脉冲宽度传输给第四判断子模块;
第三判断子模块,用于判断所述窗口区域内最后一个回波时间点是否小于N,如是,则将所述窗口区域扩大一个脉冲宽度后代替所述滑动窗口,并传输给滑动子模块;如否,则将所述第i个回波时间点对应的窗口区域放入窗口区域集中,并传输给第二选取子模块;
其中,N为所述第三回波时间点序列中的回波时间点数量;
第四判断子模块,用于、判断与缩小后的所述窗口区域内最后一个回波时间点相邻的回波时间点序号j是否小于N,如是,则令i=j+1,并传输给滑动子模块;如否,则将缩小后的所述窗口区域后放入窗口区域集中,并传输给第二选取子模块;
第二选取子模块,用于从所述窗口区域集中选取出包含回波时间点最多的窗口区域,并将所述包含回波时间点最多的窗口区域内所有回波时间点作为信号回波时间点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310797768.5A CN116520288B (zh) | 2023-07-03 | 2023-07-03 | 一种激光点云测距数据的去噪方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310797768.5A CN116520288B (zh) | 2023-07-03 | 2023-07-03 | 一种激光点云测距数据的去噪方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116520288A true CN116520288A (zh) | 2023-08-01 |
CN116520288B CN116520288B (zh) | 2023-09-22 |
Family
ID=87394389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310797768.5A Active CN116520288B (zh) | 2023-07-03 | 2023-07-03 | 一种激光点云测距数据的去噪方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116520288B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117665833A (zh) * | 2024-02-01 | 2024-03-08 | 北京亮道智能汽车技术有限公司 | 雷达数据处理方法、装置、介质和设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111257900A (zh) * | 2020-03-19 | 2020-06-09 | 南京芯视界微电子科技有限公司 | 激光雷达测距方法及装置 |
CN112233022A (zh) * | 2019-07-15 | 2021-01-15 | 天津大学 | 一种基于梯度域修正的激光雷达引导滤波去噪方法 |
CN113960626A (zh) * | 2021-10-22 | 2022-01-21 | 自然资源部第二海洋研究所 | 一种激光雷达回波检测海底地形信号异常点去除方法 |
WO2022032516A1 (zh) * | 2020-08-12 | 2022-02-17 | 深圳市速腾聚创科技有限公司 | 激光雷达及其探测方法、存储介质和探测系统 |
CN115236749A (zh) * | 2022-07-08 | 2022-10-25 | 煤炭科学研究总院有限公司 | 生命体探测方法、装置和存储介质 |
WO2023019573A1 (zh) * | 2021-08-20 | 2023-02-23 | 深圳市速腾聚创科技有限公司 | 测距方法、波形检测方法、装置及相关设备 |
CN116299347A (zh) * | 2021-12-20 | 2023-06-23 | 上海禾赛科技有限公司 | 激光雷达及其探测方法 |
-
2023
- 2023-07-03 CN CN202310797768.5A patent/CN116520288B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112233022A (zh) * | 2019-07-15 | 2021-01-15 | 天津大学 | 一种基于梯度域修正的激光雷达引导滤波去噪方法 |
CN111257900A (zh) * | 2020-03-19 | 2020-06-09 | 南京芯视界微电子科技有限公司 | 激光雷达测距方法及装置 |
WO2022032516A1 (zh) * | 2020-08-12 | 2022-02-17 | 深圳市速腾聚创科技有限公司 | 激光雷达及其探测方法、存储介质和探测系统 |
WO2023019573A1 (zh) * | 2021-08-20 | 2023-02-23 | 深圳市速腾聚创科技有限公司 | 测距方法、波形检测方法、装置及相关设备 |
CN113960626A (zh) * | 2021-10-22 | 2022-01-21 | 自然资源部第二海洋研究所 | 一种激光雷达回波检测海底地形信号异常点去除方法 |
CN116299347A (zh) * | 2021-12-20 | 2023-06-23 | 上海禾赛科技有限公司 | 激光雷达及其探测方法 |
CN115236749A (zh) * | 2022-07-08 | 2022-10-25 | 煤炭科学研究总院有限公司 | 生命体探测方法、装置和存储介质 |
Non-Patent Citations (3)
Title |
---|
MENGLAN ZHOU等: ""Extraction of Building Windows from Mobile Laser Scanning Point Clouds"", 《IGARSS 2018 - 2018 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM》, pages 4304 - 4307 * |
杨兴跃等: ""机载多回波LiDAR 数据的分析与应用"", 《城市勘测》, no. 4, pages 68 - 72 * |
王岩飞等: ""雷达脉冲编码理论方法及应用"", 《雷达学报》, vol. 8, no. 1, pages 1 - 16 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117665833A (zh) * | 2024-02-01 | 2024-03-08 | 北京亮道智能汽车技术有限公司 | 雷达数据处理方法、装置、介质和设备 |
CN117665833B (zh) * | 2024-02-01 | 2024-04-09 | 北京亮道智能汽车技术有限公司 | 雷达数据处理方法、装置、介质和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116520288B (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104914446B (zh) | 基于光子计数的三维距离图像时域实时去噪方法 | |
CN116520288B (zh) | 一种激光点云测距数据的去噪方法和系统 | |
JP5479340B2 (ja) | 時間ベースのメディア間のマッチの検出と分類 | |
CN108074244B (zh) | 一种融合深度学习与背景差法的平安城市车流统计方法 | |
US20050201612A1 (en) | Method and apparatus for detecting people using stereo camera | |
CN108304781B (zh) | 一种面阵盖革apd激光成像雷达图像预处理方法 | |
CN110415208B (zh) | 一种自适应目标检测方法及其装置、设备、存储介质 | |
Shahbaz et al. | Evaluation of background subtraction algorithms for video surveillance | |
JP2010537585A5 (ja) | 時間ベースのメディア間のマッチの検出と分類 | |
Farnsworth et al. | Statistical approaches to the analysis of point count data: a little extra information can go a long way | |
KR20080103311A (ko) | 감시 카메라 시스템에서 움직임을 검출하기 위한 실시간움직임 영역 분할 방법 및 장치 | |
CN110349181B (zh) | 一种基于改进的图分区模型单摄像头多目标跟踪方法 | |
US20230300529A1 (en) | Divisive normalization method, device, audio feature extractor and a chip | |
CN114114192B (zh) | 集群目标检测方法 | |
CN109523575A (zh) | 红外弱小目标检测方法 | |
CN102063907A (zh) | 一种针对音频扩频隐写的隐写分析方法 | |
Chai | Otsu’s Image Segmentation Algorithm with Memory‐Based Fruit Fly Optimization Algorithm | |
Santos et al. | Counting vehicle with high-precision in brazilian roads using yolov3 and deep sort | |
CN110929842A (zh) | 非合作无线电信号突发时间区域精确智能检测方法 | |
CN104376537B (zh) | 一种去除emccd图像亮点的方法 | |
Jun et al. | Distributed spatio-temporal outlier detection in sensor networks | |
CN115935144A (zh) | 一种运检维护数据去噪重构方法 | |
CN109389172B (zh) | 一种基于无参数网格的无线电信号数据聚类方法 | |
CN109657703B (zh) | 基于时空数据轨迹特征的人群分类方法 | |
CN115980689A (zh) | 基于点云检测的辐射源信号分选方法、装置、设备及介质 |
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 |