基于邻域统计分析的自由空间点云过滤方法及电子设备与流程

摘要: 本技术属于自动驾驶环境感知,特别是涉及一种基于邻域统计分析的自由空间点云过滤方法。背景技术:1、在自动驾驶系统中,环境感知是路径规划、行为决策与运动控制的基础环...
基于邻域统计分析的自由空间点云过滤方法及电子设备与流程

本技术属于自动驾驶环境感知,特别是涉及一种基于邻域统计分析的自由空间点云过滤方法。

背景技术:

1、在自动驾驶系统中,环境感知是路径规划、行为决策与运动控制的基础环节,其准确性与实时性直接影响车辆行驶的安全性与可靠性。雷达凭借测距精度高、抗光照干扰能力强、三维空间信息丰富等固有优势,已成为自动驾驶车辆感知自由空间、识别可行驶区域的核心传感器。自由空间检测的核心任务在于从雷达点云中快速、准确地剔除噪声点、干扰点与无效点,保留真实反映路面几何形态与障碍物边界的有效点云,从而为后续决策模块提供鲁棒的场景理解。

2、当前,现有技术中的点云过滤方法普遍采用固定阈值策略,对距离、角度、反射强度等参数施加统一判定标准,然而这种静态化的处理方式难以适应城区道路、隧道、高架桥、密集车流、雨雾天气等复杂多变的实际驾驶场景,往往导致远距离有效点因强度衰减或稀疏性被误删除,而近距离干扰点却因强度达标被错误保留。同时,传统方法多孤立地判断单点有效性,严重缺乏对点云空间上下文关联的利用,未充分考虑邻域点分布一致性、局部结构特征及密度变化趋势,致使孤立的噪声点、多径反射产生的虚假点容易被误判为真实障碍物,进而引发自由空间边界的错误估计。

3、此外,随着多雷达融合方案的广泛应用,不同安装位置、不同扫描角度及不同视场范围的雷达所采集的点云特性存在显著差异,而当前方法往往对各雷达源采用相同的过滤策略,未根据视场重叠区、盲区及观测方向的差异性进行参数自适应调整,导致融合后感知系统在复杂场景下的稳定性和鲁棒性明显不足。

技术实现思路

1、本技术提供一种基于邻域统计分析的自由空间点云过滤方法及电子设备,用于解决现有技术中点云过滤鲁棒性差、场景适应性弱、对鬼点与孤立噪声抑制不足以及多雷达适配性差的技术问题。

2、第一方面,本技术实施例提供一种基于邻域统计分析的自由空间点云过滤方法,包括:获取雷达输出的原始三维点云数据,所述原始三维点云数据包含坐标信息、强度信息、雷达索引以及距离信息;对所述原始三维点云数据进行预处理和预过滤,标记无效点和有效点;其中,所述预过滤包括根据所述雷达索引形成的差异化过滤和根据所述距离信息形成的距离分级阈值过滤;对所有的所述有效点执行邻域搜索,获取每个所述有效点云邻域范围内的无效点比例、鬼点比例以及有效邻域支撑点数量;基于所述无效点比例、所述鬼点比例以及所述有效邻域支撑点数量中的任一种或多种组合进行判定并过滤无效点云数据,并输出有效点云数据用于自由空间检测。

3、在所述第一方面的一种实现方式中,所述根据所述雷达索引形成的差异化过滤包括:根据所述雷达索引,识别当前点云所属雷达的安装侧别;基于所述安装侧别,从预处理后的所述原始三维点云数据中选取位于报警有效区域中的点云作为待强化过滤点云,其中所述安装侧别不同,所述报警有效区域范围不同设置;对所述待强化过滤点云执行基于反射强度的阈值校验,将反射强度低于该雷达全局反射强度均值的点判定为干扰点并予以剔除;对经所述阈值校验后的点云执行基于空间距离的连续性校验,将相邻点间欧氏距离大于预设阈值的点判定为干扰点并予以剔除。

4、在所述第一方面的一种实现方式中,所述根据所述距离信息形成的距离分级阈值过滤包括:根据预处理后的所述原始三维点云与雷达原点之间的距离,将所述原始三维点云划分为近距离点集和远距离点集;对所述近距离点集执行预设的宽松过滤,包括:剔除满足基础异常判定条件的点云数据,以保留近距离有效障碍物结构与路面细节;对所述远距离点集执行预设的严格过滤,包括:在所述基础异常判定条件之外,对所述远距离点集增设以下校验规则中的至少一项:强度稳定性校验:统计远距离点云的强度分布特征量,将强度波动超出预设倍数的标准差范围的点判定为无效点;邻域初步校验:统计目标点周围预设半径范围内的点云密度,若不存在任何邻域点,则判定该目标点为无效点。

5、在所述第一方面的一种实现方式中,所述对所有的所述有效点执行邻域搜索,获取每个所述有效点云邻域范围内的无效点比例包括:统计目标点的邻域集合内已被预过滤标记为无效的点的数量,作为无效点计数;统计所述邻域集合内的全部点云总数量,作为总点计数;计算所述无效点计数与所述总点计数的比值,作为所述无效点比例,所述无效点比例用于量化目标点所在局部区域的噪声污染等级。

6、在所述第一方面的一种实现方式中,所述对所有的所述有效点执行邻域搜索,获取每个所述有效点云邻域范围内的鬼点比例包括:基于预设的鬼点判定规则,逐一判定目标点的邻域集合内的每个点是否为鬼点,统计所述邻域集合内被判定为鬼点的点数量,作为鬼点计数;统计所述邻域集合内的全部点云总数量,作为总点计数;计算所述鬼点计数与所述总点计数的比值,作为所述鬼点比例;其中,所述预设的鬼点判定规则包括以下任一种或多种:强反射镜像伪点判定:若目标点的反射强度超出全局反射强度均值的预设倍数标准差范围,且该点的空间分布与真实障碍物点云呈对称关系,则判定为鬼点;无物理支撑伪高点判定:拟合场景路面平面得到标准路面高度,若目标点相对于所述标准路面高度的高程差超出预设高度阈值,且目标点周边预设半径范围内不存在任何有效邻域点,则判定为鬼点;多径反射重复点判定:同一空间位置存在多个点云,且各点云与雷达原点之间的距离差异超出预设距离差阈值,则判定为鬼点;帧间漂移伪点判定:点云在相邻帧之间的空间坐标漂移量超出预设漂移阈值,且该漂移不符合预设的运动轨迹规律,则判定为鬼点;超大距离差伪点判定:同一空间位置存在多个点云,其中最大探测距离与最小探测距离之差超出预设距离差阈值,则判定为鬼点。

7、在所述第一方面的一种实现方式中,所述对所有的所述有效点执行邻域搜索,获取所述有效邻域支撑点数量包括:以目标点为中心,在三维空间中划定预设半径的球形邻域范围;遍历所述有效邻域集合中的每个有效点,逐一判断该点与目标点之间的空间距离是否不大于所述预设半径,统计满足所述空间距离不大于所述预设半径的有效点的数量,作为邻域支撑点计数;输出所述邻域支撑点计数,作为所述有效邻域支撑点数量;其中,所述有效邻域支撑点数量用于量化目标点的空间连续性与孤立程度。

8、在所述第一方面的一种实现方式中,所述基于所述无效点比例、所述鬼点比例以及所述有效邻域支撑点数量中的任一种或多种组合进行判定并过滤无效点云数据包括:若采用所述无效点比例进行判定,则当所述无效点比例超出预设的第一比例阈值且目标点的距离超出预设距离阈值时,判定该目标点为无效点;若采用所述鬼点比例进行判定,则当所述鬼点比例超出预设的第二比例阈值时,判定该目标点为无效点;若采用所述有效邻域支撑点数量进行判定,则当所述有效邻域支撑点数量低于预设的数量阈值时,判定该目标点为无效点;将判定为无效的目标点标记并剔除,保留未被判定为无效的目标点作为有效点云输出。

9、在所述第一方面的一种实现方式中,所述输出有效点云之后还包括二次校验步骤:高度连续性校验:采用滑动窗口法遍历有效点云,计算窗口内各点的高度均值,若当前点的高度与所述高度均值之差超出预设高度差阈值,且该点不具备预设的障碍物支撑条件,则判定该点为悬空虚假点并予以剔除;横向分布合理性校验:根据当前行驶场景获取预设的横向合理范围,若当前有效点云的横向坐标超出所述横向合理范围,且该点无对应的障碍物匹配,则判定该点为异常偏离点并予以剔除。

10、在所述第一方面的一种实现方式中,当车辆搭载多雷达时,将各雷达过滤后的有效点云进行融合,具体包括:遍历所有雷达的有效点云,判断不同点云之间的空间位置偏差是否小于预设位置偏差阈值,若小于,则判定为重复点,并依据各点的反射强度进行择优保留,剔除重复点中的低强度点;对多雷达视场重叠区域内的点云,依据各雷达的测距精度分配对应的融合权重,其中测距精度高的雷达分配较高的融合权重,对所述重叠区域内的点云进行加权融合;将经过去重和加权融合处理后的各雷达点云统一转换至车辆坐标系下,输出全局一致的自由空间点云。

11、第二方面,本技术实施例提供一种电子设备,所述电子设备包括处理器及存储器;所述存储器存储有程序指令;所述处理器,用于运行所述程序指令,以执行本技术第一方面中任一项所述的基于邻域统计分析的自由空间点云过滤方法。

12、本技术实施例提供的基于邻域统计分析的自由空间点云过滤方法,具有以下有益效果:

13、1、本技术通过多维度动态预过滤,实现了根据距离、雷达及空间区域的自适应过滤,取代传统固定阈值,显著提升复杂场景下的鲁棒性;通过邻域搜索与无效点比例、鬼点比例、邻域支撑点数量三项指标的统计,引入空间上下文约束,大幅降低孤立噪声与虚假点的误判;鬼点比例的专项判定可有效抑制镜像、多径反射等雷达特有伪点,提升自由空间检测精度;三项指标计算均基于简单计数与比值运算,算力开销低,满足车载嵌入式平台的实时性要求。

14、2、本技术差异化雷达预过滤可以减少车身遮挡与路面杂波干扰;按距离分级过滤兼顾近场细节保留与远场噪声抑制;二次校验剔除悬空与偏离异常点,可以提高输出点云质量;多雷达融合策略增强系统整体感知能力,可以确保隧道、密集车流、雨夜等复杂场景下的稳定性和可靠性。所以本技术可以有效解决现有技术中点云过滤鲁棒性差、场景适应性弱、对鬼点与孤立噪声抑制不足以及多雷达适配性差的技术问题。