(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111671088.6 (22)申请日 2021.12.31 (71)申请人 南京理工大 学 地址 210094 江苏省南京市玄武区孝陵卫 200号 (72)发明人 陈钱　丁玲慧　何伟基　张闻文　 (74)专利代理 机构 南京理工大 学专利中心 32203 专利代理师 岑丹 (51)Int.Cl. G06T 7/11(2017.01) G06T 5/00(2006.01) G06T 3/40(2006.01) G06V 10/762(2022.01) G06V 10/77(2022.01)G06K 9/62(2022.01) (54)发明名称 一种远距离 激光雷达点云数据处 理方法 (57)摘要 本发明公开了一种远距离激光雷达点云数 据处理方法， 该方法经过光机扫描系统对拟采集 数据的目标环 境进行扫描， 采集每个像素点光子 飞行时间， 导出并提取采集到的数据； 应用点云 数据分割法对 滤波参数计算完成参数自适应； 应 用主成分分析技术对数据进行降维； 应用基于密 度的空间 聚类去噪(DBSCAN)算法进行点 云聚类， 删除离群点 即噪声点， 最后将得到的二维点云升 维至三维点 云数据， 完成对原始点云数据的去噪 滤波。 本发明在保留环境特征的同时， 有效降低 算法复杂度。 权利要求书2页 说明书6页 附图4页 CN 114494287 A 2022.05.13 CN 114494287 A 1.一种远距离 激光雷达点云数据处 理方法， 其特 征在于， 包括： 利用远距离激光雷达点云获取系统对拟采集数据的目标环境进行扫描， 采集每个像素 点光子飞行时间， 导出并提取采集到的数据； 对采集到的数据应用点云数据分割法对数据进行区域分割， 并计算每个区数据对应的 聚类参数； 对每个数据块的数据执 行主成分 分析技术对数据进行降维； 对于每个数据块的数据， 应用基于密度的空间聚类去噪算法进行点云聚类， 删除离群 点， 将得到的二维点云升维至三维点云数据； 对每个区域处理得到的新三维数据进行拼接， 得到完整的滤波去噪的新点云数据， 完 成对原始点云数据的去噪滤波。 2.根据权利要求1所述的远距离激光雷达点云数据处理方法， 其特征在于， 采集到的点 云是由目标像素点 坐标以及该像素点目标的返回光子飞行时间构成的三维数据。 3.根据权利要求1所述的远距离激光雷达点云数据处理方法， 其特征在于， 采用圆柱结 构的空间分割方法对 采集到的数据应用点云数据进行分割， 具体为： 以激光雷达传感器所在垂线为中心轴， 将整个空间分割成多个圆柱块， 每个圆柱之间 的空间即为 点云的分割区域； 在圆柱体模型中， 保证每个区域具有相同的体积， 每两个相邻圆柱体之间的横截面积 满足： 即 其中， ri(i＝1,2, …,t)是第i个圆柱体的半径， r1为圆柱体上点到传感器中心的距离； h 是圆柱体的高度， t为区域分割的总区域数。 4.根据权利要求3所述的远距离激光雷达点云数据处理方法， 其特征在于， 采用圆柱结 构的空间分割方法对 采集到的数据应用点云数据进行分割的具体过程 为： 步骤2.1： 根据各个区域边界半径需要满足的条件， 确定区域分割的总区域数t， 计算距 离探测器最近区域 边界的半径 r1， r1由离传感器最远的点确定： 步骤2.2： 根据当第i个圆柱截面半径为第一个圆柱体截面半径的 倍即 时各 个区域体积相等， 计算出每 个区域的边界半径， 完成对探测空间的区域分割； 步骤2.3： 将采集到的原始点云数据根据空间区域等体积划分原则划分成多个数据块： 以空间中点云的飞行时间计算与以激光雷达传感器所在垂线为中心轴的距离： 若 该距离介 于位于ri‑1与ri内， 便将此点云归于第i组数据块中； 步骤2.4： 对于每 个区域点云数据在进行去噪滤波时， 每 个区域的 的领域半径定义 为： Epsi＝kri 其中Epsi(i＝1,2, …,t)表示第i个区域的领域半径， ri表示区域i的点云到探测器之 间 的距离， 由于 所以有： 权　利　要　求　书 1/2 页 2 CN 114494287 A 25.根据权利要求1所述的远距离激光雷达点云数据处理方法， 其特征在于， 对每个数据 块的数据执 行主成分 分析技术对数据进行降维的具体方法为： 步骤3.1： 将三维数据点排列成3行m列的矩阵， m为三维数据点数量， 并且通过减去均 值 以保证得到的矩阵ξ 每一行都是以零 为中心； 通过 下式获得协方差矩阵C： 步骤3.2： 将三个特征向量排列成E＝(e1,e2,e3)， 矩阵E满足ETCE＝Λ， 其中Λ是对角矩 阵； 得到三个特征向量及其对应的特征值， 特征向量按照特征值的行排列成矩阵， 取前二 特征向量生成矩阵P， 式构造二维矩阵： Y2×m＝P2×3×ξ3×m。 6.根据权利要求1所述的远距离激光雷达点云数据处理方法， 其特征在于， 对于每个数 据块的数据， 应用基于密度的空间聚类去噪算法进行点云聚类， 删除离群点的具体方法为： 步骤4.1： 对于数据集中每个未访问点pi， 使用RANGE_QUERY函数确定其Eps领域内所有 点， 并将这些点收集到 子集Ni中， 其中子集 Ni中的点数为|Ni|； 步骤4.2： 若|Ni|＜min pts， 则pi标记为离群点； |Ni|≥min pts， 将子集Ni中的所有点添 加到集合S(S←Ni)中， minpts为密度阈值 参数； 步骤4.3： 对于子集Ni中未访问的点， 将其Eps领域内所有点收集到子集Nj中， 若|Nj|≥ min pts， 将子集 Nj中的所有点添加到集 合S(S←S∪Ni)中。 步骤4.4： 重复步骤 4.1至步骤 4.3直至遍历数据中的每一个点， 数据集被分为k个簇{S1, S2,…,Sk}， 其中每个簇Si(i＝1,2, …,k)中的点数为|Si|， 通过将|Si|和阈值 ψ进行比较， 如 果|Si|＞ ψ， 则Si是一个信号簇； 否则将其识别为噪声簇并且移除。 7.根据权利要求1所述的远距离激光雷达点云数据处理方法， 其特征在于， 将得到的二 维点云升维至三维点云数据的具体公式为： 其中， Y'是二维空间中过滤后得到的点云数据集， 是原始矩阵中减去的平均值， P为前 二特征向量生成矩阵。权　利　要　求　书 2/2 页 3 CN 114494287 A 3