CN117092658A - 基于激光雷达的目标智能检测定位方法 - Google Patents

Abstract

本发明涉及激光雷达定位技术领域，提出了基于激光雷达的目标智能检测定位方法，包括：获取激光雷达传感数据；获取激光雷达传感数据探测区域，根据激光雷达数据探测区域计算每条激光雷达传感数据线的探测划分角，根据探测划分角计算每条激光雷达传感数据线每个探测区域的数据震荡指数，根据数据震荡指数计算每条激光雷达传感数据线的震荡差异系数和一致性扰动特征，根据每条激光雷达传感数据线的一致性扰动特征获取一致性扰动汉克尔矩阵和一致性扰动特征值并计算扰动特征阈值，根据扰动特征阈值获取最优分解分量个数和无干扰激光雷达传感数据，利用无干扰激光雷达传感数据对目标定位检测。本发明有效的提高了激光雷达检测定位的准确性。

Description

基于激光雷达的目标智能检测定位方法

技术领域

本发明涉及激光雷达定位技术领域，具体涉及基于激光雷达的目标智能检测定位方法。

背景技术

在煤矿勘探过程中，煤田地质构造相对复杂，在煤矿勘探开采矿用机车行驶过程中，由于煤矿井下矿道空间有限，且光照光线亮度通常较差，不能满足可视条件，因此，在煤矿开采过程极易出现煤炭开采安全事故，造成不必要的人员伤亡和经济财产损失。激光雷达是一种利用激光波束能量的高度穿透性和指向性优良特点，实现对低光照环境下目标探测跟踪识别技术。因此对于煤炭勘探过程中环境光照亮度缺点，为了提高煤矿开采过程中障碍物目标检查定位的准确性，使用激光雷达设备对复杂环境中的障碍物目标进行检测定位。

但激光雷达数据容易受到电流噪声、热噪声等多种环境噪声影响导致采集得到的激光雷达传感数据存在噪声干扰，与实际检测目标之间存在较大误差。传统变分模态分解算法对激光雷达传感数据处理过程中分解分量个数设置不当，导致噪声干扰数据不能准确消除从而影响目标检测定位的准确性。

发明内容

本发明提供基于激光雷达的目标智能检测定位方法，以解决上述问题，所采用的技术方案具体如下：

本发明一个实施例基于激光雷达的目标智能检测定位方法，该方法包括以下步骤：

获取激光雷达传感数据；

获取激光雷达传感数据探测区域，根据激光雷达数据探测区域计算每条激光雷达传感数据线的探测划分角，根据探测划分角计算每条激光雷达传感数据线每个探测区域的数据震荡指数，根据每条激光雷达传感数据线中每个探测区域的数据震荡指数计算每条激光雷达传感数据线的震荡差异系数；

根据每条激光雷达传感数据线的震荡差异系数计算每条激光雷达传感数据线的一致性扰动特征，根据每条激光雷达传感数据线的一致性扰动特征获取一致性扰动汉克尔矩阵和一致性扰动特征值，根据每条激光雷达传感数据线的一致性扰动特征值计算激光雷达传感数据扰动特征阈值，根据扰动特征阈值获取最优分解分量个数和无干扰激光雷达传感数据，利用无干扰激光雷达传感数据对目标定位检测。

优选的，所述根据激光雷达数据探测区域计算每条激光雷达传感数据线的探测划分角的方法为：

将每条激光雷达传感数据线每个探测区域中最大传感数据角度和最小传感数据角度的差值记为第一角度差值，将落入最多分布差异区间中所有传感数据角度均值与落入最少分布差异区间中所有传感数据角度均值的差记为第二角度差值，将第一角度差值和第二角度差值的均值记为探测划分角。

优选的，所述最多分布差异区间和最少分布差异区间的获取方法为：

利用每条激光雷达传感数据线每个探测区域中所有数据角度的均值划分为两个不同的区间，将激光雷达传感数据最多的区间中记为最多分布差异区间，将激光雷达传感数据最少的区间记为最少分布差异区间。

优选的，所述根据激光雷达传感数据探测区域计算每条激光雷达传感数据线每个探测区域的数据震荡指数的具体方法为：

上述公式中，表示了在探测区域/>中激光雷达探测角度区间的总个数，/>表示了第/>个激光雷达探测角度区间的激光雷达数据均值，/>表示了第/>个激光雷达探测角度区间的激光数据均值，/>表示了第/>条激光雷达传感数据线中探测区域/>中的数据震荡指数；

获得每条激光雷达传感数据线每个探测区域的数据震荡指数。

优选的，所述根据每条激光雷达传感数据线中每个探测区域的数据震荡指数计算每条激光雷达传感数据线的震荡差异系数的方法为：

将每条激光雷达传感数据线中所有探测区域的数据震荡指数的均值记为震荡差异系数。

优选的，所述根据每条激光雷达传感数据线的震荡差异系数计算每条激光雷达传感数据线的一致性扰动特征的具体方法为：

上述公式中，表示了归一化函数，/>表示了所有激光雷达传感数据线中最大的激光雷达探测数据，/>表示了所有激光雷达传感数据线中最小的激光雷达探测数据，m表示了激光雷达传感数据线总个数，/>表示了第/>条激光雷达传感数据线的震荡差异系数，/>表示了第/>条激光雷达传感数据线的震荡差异系数，/>表示了两个序列之间的DTW距离，/>表示了第/>条激光雷达传感数据线中异常探测区域激光雷达传感数据序列，/>表示了第/>条激光雷达传感数据线的异常探测区域激光雷达传感数据序列，/>表示了第/>条激光雷达探测数据的一致性扰动特征。

优选的，所述激光雷达传感数据线的异常探测区域的获取方法为：

将每条激光雷达传感数据线中所有探测区域震荡指数最大的区域记为异常探测区域。

优选的，所述根据每条激光雷达传感数据线的一致性扰动特征获取一致性扰动汉克尔矩阵和一致性扰动特征值得获取方法为：

将每个激光雷达传感数据线的一致性扰动特征按照激光雷达传感器排列顺序构建得到激光雷达传感数据一致性扰动特征序列，将激光雷达传感数据一致性扰动特征序列作为汉克尔矩阵构造算法输入得到一致性扰动汉克尔矩阵，使用奇异值分解算法得到一致性扰动特征值。

优选的，所述根据每条激光雷达传感数据线的一致性扰动特征值计算激光雷达传感数据扰动特征阈值的方法为：

上述公式中，表示以自然常数为底的指数函数，/>表示了激光雷达传感数据一致性扰动汉克尔矩阵的最大特征值，/>表示了激光雷达传感数据一致性扰动汉克尔矩阵的最小特征值，/>表示了激光雷达传感数据一致性扰动汉克尔矩阵所有特征值的均值，/>表示了激光雷达传感数据一致性扰动汉克尔矩阵的扰动特征阈值。

优选的，所述根据扰动特征阈值获取最优分解分量个数和无干扰激光雷达传感数据，利用无干扰激光雷达传感数据对目标定位检测的方法为：

将一致性扰动特征值小于激光雷达传感数据扰动特征阈值的特征值个数记为最优分解分量个数，将最优分解分量个数作为分解算法的输入得到不同的激光雷达数据分量，消除噪声数据分量得到无干扰激光雷达传感数据，将无干扰激光雷达传感数据作为聚类算法输入得到的目标区域位置。

本发明的有益效果是：本发明结合激光雷达传感数据分布变化特点计算得到激光雷达探测划分角，同时利用激光雷达探测划分角获取得到激光雷达传感数据的震荡差异系数，相较于传统计算过程中数据均值方差等数据特征，通过不同探测划分角度中的激光雷达传感数据的数值变化特点进行分析，从而有效的表现了不同探测角度范围中激光雷达数据异常特点，更准确地表现了激光雷达传感数据中噪声干扰因素影响。进一步地，本发明利用震荡差异系数获取一致性扰动特征并构建得到相应的激光雷达传感数据一致性扰动汉克尔矩阵，通过矩阵分析手段对激光雷达传感数据中噪声干扰因素进行计算表征，较为准确地消除激光雷达传感数据中的噪声干扰分量，提高了激光雷达目标定位过程中的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一个实施例所提供的基于激光雷达的目标智能检测定位方法的流程示意图；

图2为本发明一个实施例所提供的激光雷达探测区域划分示意图。

具体实施方式

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，所描述的实施例仅仅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。

请参阅图1，其示出了本发明一个实施例提供的基于激光雷达的目标智能检测定位方法流程图，该方法包括以下步骤：

步骤S001，获取激光雷达传感数据。

需要说明的是，为了确保激光雷达数据较为准取地反映煤矿勘探机车相对行驶方向，首先将32线激光雷达传感器和煤矿勘探矿用机车固定连接，在煤矿勘探机车行驶过程中使用激光雷达传感器对煤矿勘探路线进行采集。在煤矿勘探机车行驶过程中，激光雷达传感器通过发射激光对前方障碍物进行探测，若出现障碍物则激光发生反射回弹，32线激光雷达传感器表示了可以同时获取从上到下32个不同的激光雷达传感数据。

步骤S002，获取激光雷达传感数据探测区域，根据激光雷达数据探测区域计算每条激光雷达传感数据线的探测划分角，根据探测划分角计算每条激光雷达传感数据线每个探测区域的数据震荡指数，根据每条激光雷达传感数据线中每个探测区域的数据震荡指数计算每条激光雷达传感数据线的震荡差异系数。

需要说明的是，激光雷达传感器在煤矿勘探机车行驶过程中环绕扫描，假设某个角度下出现障碍物，则对应障碍物区域相较于正常区域会出现较大的位置差异变化，为了对障碍物分布区域进行较为精确的计算分析，首先对激光雷达数据分布范围进行划分。

具体地，当煤矿勘探机车行驶过程中出现障碍物时，则此障碍物距离越近，在激光雷达扫描后得到的数据值越小，若不同时刻障碍数据越明显，则计算得到的数值应该越大。

在煤矿勘探机车行驶过程中，其行驶方向大致可以划分为左前方、右前方、左后方、右后方四个不同的方向，如图2所示，将煤矿勘探机车行驶方向划分为、/>、/>、/>四个不同探测区域，分别与煤矿勘探机车四个不同的行驶方向对应。由于障碍物目标可能空间占比较小，因此需要对煤矿勘探机车行驶的方向角度进行划分，以达到准确快速检测障碍物目标的目的。

假设在煤矿勘探机车行驶探测区域中，激光雷达传感器第/>条反射数据序列记为在该数据序列中，假设煤矿勘探机车行驶区域方向中存在障碍物目标，则对应区域中激光雷达的数据相较于正常区域的数据具有较大的数值差异性。

在激光雷达探测数据探测区域获取得到的第i条反射数据序列/>中，以序列均值为激光雷达探测数据划分区间，若煤矿勘探机车行驶过程中没有出现障碍物目标，则在对应区域中激光雷达探测数据应落入相近的区间中，对于障碍物目标区域，落入数据区间的数量相对较少，因此将激光雷达传感数据最多的区间中记为最多分布差异区间，将激光雷达传感数据最少的区间记为最少分布差异区间。

上述公式中，表示了在煤矿勘探机车行驶探测区域/>中第/>条激光雷达传感数据线中最大数据点对应的角度，/>表示了在煤矿勘探机车行驶探测区域/>中第/>条激光雷达传感数据线中最小数据点对应的角度，/>表示了在煤矿勘探机车行驶探测区域/>中的第/>条激光雷达传感数据线中最多分布差异区间/>中所有数据对应的角度均值，/>表示了在煤矿勘探机车行驶探测区域/>中的第/>条激光雷达传感数据线中最少分布差异区间/>中所有数据对应的角度均值，/>表示了在煤矿勘探机车行驶探测区域/>中第/>条激光雷达探测划分角。利用激光雷达探测划分角可以将煤矿勘探机车行驶探测区域划分为个不同的探测角度区间。

上述公式中，表示了在探测区域/>中激光雷达探测角度区间的总个数，/>表示了第/>个激光雷达探测角度区间的激光雷达数据均值，/>表示了第/>个激光雷达探测角度区间的激光数据均值，/>表示了第/>条激光雷达传感数据线中探测区域/>中的数据震荡指数，/>表示了第/>条激光雷达传感数据线的震荡差异系数。

通过对煤矿勘探车辆行驶过程中四个不同探测区域进行快速划分得到障碍物目标角度范围，假设在探测区域中存在障碍物目标，则对应区域中激光雷达探测数据相对于无障碍物目标区域得到的传感器探测数据存在较大差异，相邻两个不同角度范围之间的数值差异较大，此时计算得到的第条激光雷达传感数据线的数据震荡指数相对较大，同时，四个不同探测区域中计算得到的数据震荡指数越大，则对应表示了第/>条激光雷达传感数据线的震荡差异系数越大，此时在第/>条激光雷达传感器数据方向中存在障碍物目标的可能性越高。

步骤S003，根据每条激光雷达传感数据线的震荡差异系数计算每条激光雷达传感数据线的一致性扰动特征，根据每条激光雷达传感数据线的一致性扰动特征获取一致性扰动汉克尔矩阵和一致性扰动特征值，根据每条激光雷达传感数据线的一致性扰动特征值计算激光雷达传感数据扰动特征阈值。

需要说明的是，在煤矿勘探车辆行驶过程中，32线激光雷达在竖直方向上从上到下，共有32条不同的激光雷达传感数据线，表示了目标物体在竖直方向上分布情况，因此对32条不同激光雷达传感数据线均可以计算得到相应的震荡差异系数，表示了对应方向下的激光雷达探测数据变化特征，由于煤矿勘探车辆实际行驶过程中激光雷达传感器状态容易受到环境变化的干扰影响导致激光雷达数据不能准确反映目标实际位置，因此需要根据激光雷达数据的变化特点进行优化处理。

具体地，假设第条激光雷达传感数据线处计算得到的震荡差异系数越大，说明在该方向下出现障碍物目标的可能性越高，同时由于障碍物目标在空间分布上应具有整体分布特点，即在一个方向探测得到障碍物目标时，其他方向上数值也应呈现相应的变化的特点。同时，根据上述计算可以得到煤矿勘探车辆行驶过程四个不同探测区域处的震荡差异系数/>、/>、/>、/>的数值大小，取数值最大的区域为异常探测区域，并记异常探测区域激光雷达传感数据序列为/>。

上述公式中，表示了归一化函数，/>表示了所有激光雷达传感数据线中最大的激光雷达探测数据，/>表示了所有激光雷达传感数据线中最小的激光雷达探测数据，m表示了激光雷达传感数据线总个数，/>取值为32，/>表示了第/>条激光雷达传感数据线的震荡差异系数，/>表示了第/>条激光雷达传感数据线的震荡差异系数，/>表示了两个序列之间的DTW距离，/>表示了第/>条激光雷达传感数据线中异常探测区域激光雷达传感数据序列，/>表示了第/>条激光雷达传感数据线的异常探测区域激光雷达传感数据序列，/>表示了第/>条激光雷达探测数据的一致性扰动特征。

假设第条激光雷达传感数据线处出现了障碍物目标，则对应位置处计算得到的震荡差异系数较大，此时不同激光雷达传感数据线计算得到的震荡差异系数数值之间变化应相对较小，且不同激光雷达传感数据线之间的DTW距离也相对较小，此时计算得到的激光雷达探测数据的数值一致性特征较小。同时，假设第/>条激光雷达传感数据线处出现了障碍物目标，则对应位置处计算得到的震荡差异系数较小，此时不同激光雷达传感数据线计算得到的震荡差异系数数值之间的变化也应相对较小。反之，假设第/>条激光雷达传感数据线处的数值变化是由于异常环境噪声导致，则其他位置处计算得到的震荡差异系数在数值上应存在较大差异，不同激光雷达传感数据线之间的DTW距离相对较大，此时计算得到的激光雷达探测数据的数值一致性扰动特征较大。

需要说明的是，在煤矿勘探机车行驶过程中，获取得到的激光雷达探测数据容易受到环境影响导致激光雷达探测数据中存在噪声干扰数据对障碍物目标的精确检测造成较大的影响，因此需要根据激光雷达噪声干扰数据特点进一步计算分析。

具体地，对于个不同的激光雷达传感数据线均可以计算得到相应的一致性扰动特征，将/>个不同的激光雷达传感数据线的一致性扰动特征按照激光雷达传感数据线从上到下的分布顺序排列构建得到激光雷达传感数据一致性扰动特征序列，利用激光雷达传感数据一致性扰动特征序列构建得到激光雷达传感数据一致性扰动汉克尔矩阵，其具体构建过程为公知技术，在此不再赘述。通过奇异值分解算法对激光雷达传感数据一致性扰动汉克尔矩阵进行处理，得到对应矩阵的特征值。在激光雷达传感数据一致性扰动汉克尔矩阵中，若噪声干扰较小，此时不同激光雷达传感数据之间的相似性较高，计算得到的矩阵特征值应相对较大，反之，若存在较为严重的噪声干扰。则不同激光雷达传数据之间相似性较低，计算得到的矩阵特征值应相对较小，因此可以根据激光雷达传感数据一致性扰动汉克尔矩阵的特征值情况进一步计算。

上述公式中，表示以自然常数为底的指数函数，/>表示了激光雷达传感数据一致性扰动汉克尔矩阵的最大特征值，/>表示了激光雷达传感数据一致性扰动汉克尔矩阵的最小特征值，/>表示了激光雷达传感数据一致性扰动汉克尔矩阵所有特征值的均值，/>表示了激光雷达传感数据一致性扰动汉克尔矩阵的扰动特征阈值。

步骤S004，根据扰动特征阈值获取最优分解分量个数和无干扰激光雷达传感数据，利用无干扰激光雷达传感数据对目标定位检测。

由于激光雷达数据一致性扰动汉克尔矩阵特征值的数值越小则噪声干扰相对越严重，因此获取激光雷达传感数据一致性扰动汉克尔矩阵特征小于扰动特征阈值的所有特征值个数，并记为/>，令/>，其中/>取经验值/>表示了激光雷达数据的无干扰分量个数，/>表示了激光雷达数据最优分解分量个数。

将激光雷达数据作为变分模态分解（VMD）算法的输入，同时针对传统算法中值选取过程进行优化，将激光雷达数据最优分解分量个数作为原始算法的输入/>值，获取得到不同激光雷达传感数据分量，消除信号功率最小的/>个激光雷达传感数据分量并进行重构得到无干扰激光雷达传感数据，其中信号功率和重构过程为公知技术，在此不再赘述。

DBSCAN算法是一种对空间中任意形状数据进行划分的常用聚类算法，在本发明处理过程中，为了获取目标分布区域，需要将处理后得到的无干扰激光雷达传感数据作为DBSCAN算法的数据输入，聚类邻域半径取预设经验参数为，邻域密度阈值取预设经验参数为/>，通过DBSCAN算法对无干扰激光雷达传感数据聚类，获取得到无干扰激光雷达传感数据中目标数据区域，从而完成对煤矿勘探机车行驶过程中的障碍物目标进行定位检测，其中DBSCAN算法对激光雷达数据进行处理的具体过程为公知技术，在此不再赘述。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。

Claims (10)

1.基于激光雷达的目标智能检测定位方法，其特征在于，该方法包括以下步骤：

获取激光雷达传感数据；

获取激光雷达传感数据探测区域，根据激光雷达数据探测区域计算每条激光雷达传感数据线的探测划分角，根据探测划分角计算每条激光雷达传感数据线每个探测区域的数据震荡指数，根据每条激光雷达传感数据线中每个探测区域的数据震荡指数计算每条激光雷达传感数据线的震荡差异系数；

根据每条激光雷达传感数据线的震荡差异系数计算每条激光雷达传感数据线的一致性扰动特征，根据每条激光雷达传感数据线的一致性扰动特征获取一致性扰动汉克尔矩阵和一致性扰动特征值，根据每条激光雷达传感数据线的一致性扰动特征值计算激光雷达传感数据扰动特征阈值，根据扰动特征阈值获取最优分解分量个数和无干扰激光雷达传感数据，利用无干扰激光雷达传感数据对目标定位检测。

2.根据权利要求1所述的基于激光雷达的目标智能检测定位方法，其特征在于，所述根据激光雷达数据探测区域计算每条激光雷达传感数据线的探测划分角的方法为：

将每条激光雷达传感数据线每个探测区域中最大传感数据角度和最小传感数据角度的差值记为第一角度差值，将落入最多分布差异区间中所有传感数据角度均值与落入最少分布差异区间中所有传感数据角度均值的差记为第二角度差值，将第一角度差值和第二角度差值的均值记为探测划分角。

3.根据权利要求2所述的基于激光雷达的目标智能检测定位方法，其特征在于，所述最多分布差异区间和最少分布差异区间的获取方法为：

利用每条激光雷达传感数据线每个探测区域中所有数据角度的均值划分为两个不同的区间，将激光雷达传感数据最多的区间中记为最多分布差异区间，将激光雷达传感数据最少的区间记为最少分布差异区间。

4.根据权利要求2所述的基于激光雷达的目标智能检测定位方法，其特征在于，所述根据激光雷达传感数据探测区域计算每条激光雷达传感数据线每个探测区域的数据震荡指数的具体方法为：

上述公式中，表示了在探测区域/>中激光雷达探测角度区间的总个数，/>表示了第个激光雷达探测角度区间的激光雷达数据均值，/>表示了第/>个激光雷达探测角度区间的激光数据均值，/>表示了第/>条激光雷达传感数据线中探测区域/>中的数据震荡指数；

获得每条激光雷达传感数据线每个探测区域的数据震荡指数。

5.根据权利要求4所述的基于激光雷达的目标智能检测定位方法，其特征在于，所述根据每条激光雷达传感数据线中每个探测区域的数据震荡指数计算每条激光雷达传感数据线的震荡差异系数的方法为：

将每条激光雷达传感数据线中所有探测区域的数据震荡指数的均值记为震荡差异系数。

6.根据权利要求5所述的基于激光雷达的目标智能检测定位方法，其特征在于，所述根据每条激光雷达传感数据线的震荡差异系数计算每条激光雷达传感数据线的一致性扰动特征的具体方法为：

上述公式中，表示了归一化函数，/>表示了所有激光雷达传感数据线中最大的激光雷达探测数据，/>表示了所有激光雷达传感数据线中最小的激光雷达探测数据，m表示了激光雷达传感数据线总个数，/>表示了第/>条激光雷达传感数据线的震荡差异系数，/>表示了第/>条激光雷达传感数据线的震荡差异系数，/>表示了两个序列之间的DTW距离，表示了第/>条激光雷达传感数据线中异常探测区域激光雷达传感数据序列，/>表示了第/>条激光雷达传感数据线的异常探测区域激光雷达传感数据序列，/>表示了第/>条激光雷达探测数据的一致性扰动特征。

7.根据权利要求6所述的基于激光雷达的目标智能检测定位方法，其特征在于，所述激光雷达传感数据线的异常探测区域的获取方法为：

将每条激光雷达传感数据线中所有探测区域震荡指数最大的区域记为异常探测区域。

8.根据权利要求6所述的基于激光雷达的目标智能检测定位方法，其特征在于，所述根据每条激光雷达传感数据线的一致性扰动特征获取一致性扰动汉克尔矩阵和一致性扰动特征值得获取方法为：

将每个激光雷达传感数据线的一致性扰动特征按照激光雷达传感器排列顺序构建得到激光雷达传感数据一致性扰动特征序列，将激光雷达传感数据一致性扰动特征序列作为汉克尔矩阵构造算法输入得到一致性扰动汉克尔矩阵，使用奇异值分解算法得到一致性扰动特征值。

9.根据权利要求8所述的基于激光雷达的目标智能检测定位方法，其特征在于，所述根据每条激光雷达传感数据线的一致性扰动特征值计算激光雷达传感数据扰动特征阈值的方法为：

上述公式中，表示以自然常数为底的指数函数，/>表示了激光雷达传感数据一致性扰动汉克尔矩阵的最大特征值，/>表示了激光雷达传感数据一致性扰动汉克尔矩阵的最小特征值，/>表示了激光雷达传感数据一致性扰动汉克尔矩阵所有特征值的均值，/>表示了激光雷达传感数据一致性扰动汉克尔矩阵的扰动特征阈值。

10.根据权利要求1所述的基于激光雷达的目标智能检测定位方法，其特征在于，所述根据扰动特征阈值获取最优分解分量个数和无干扰激光雷达传感数据，利用无干扰激光雷达传感数据对目标定位检测的方法为：

将一致性扰动特征值小于激光雷达传感数据扰动特征阈值的特征值个数记为最优分解分量个数，将最优分解分量个数作为分解算法的输入得到不同的激光雷达数据分量，消除噪声数据分量得到无干扰激光雷达传感数据，将无干扰激光雷达传感数据作为聚类算法输入得到的目标区域位置。