一种基于点云密度叠加分布的多线束激光雷达背景滤除装置的使用方法与流程

1.本发明涉及一种基于点云密度叠加分布的多线束激光雷达背景滤除装置的使用方法，属于道路交通监测技术领域。


背景技术：

2.车联网技术能够连接所有的道路用户，共享实时位置、速度和方向，从而帮助避免事故，节约时间成本以及减少燃料消耗和污染排放。但安装车联网装置的道路用户有限，未联网用户和联网用户将长期存在。在未联网用户和联网用户共存的混合交通情况下，车联网技术只能获得部分车辆运动信息，现需要一种新的方法来收集高分辨率微观流量数据，用于填补混合交通流量造成的数据空缺。
3.近年来，先进的自动驾驶汽车已经开始采用激光雷达传感器来检测道路边界和车道标志。车载系统通过激光雷达传感器的点云输出获取必要的数据，以确定环境中存在的潜在障碍，以及车辆与这些潜在障碍的关系。激光雷达作为车联网技术的重要传感器，可以对周围目标物体进行360
°
高精度扫描，同时跟踪报告其扫描范围内每个目标物体的精确位置与速度，将其安装在路侧可以为填补混合交通流量造成的数据空缺提供一种有效的解决方法。
4.为获取所有道路用户的高分辨率微观流量数据，背景滤除是预处理步骤，也是提高数据精度和计算效率的基础。背景滤除指的是将除了道路目标之外的所有物体进行剔除。所谓的背景包括树木、建筑物和交通设施等静态目标，也包括摇曳的树枝及噪声点等动态目标。在以往的研究中，针对不同数据类型的背景过滤已经发展了许多方法。例如，利用每帧像素信息从交通视频流中提取背景图像的算法,该算法分析一系列帧中每个像素的颜色值，然后使用该序列的模式作为背景图像的正确颜色值。此外，还有一种方法是利用每个颜色通道的中值计算背景与非背景的差值。结果表明，这些方法非常适用于在自由流到中等拥堵条件下的高速公路。但这些基于视觉的数据处理算法不能直接用于激光雷达数据，因为路侧激光雷达数据是一系列的点，而不是光栅像素信息。因此，目前存在的背景过滤方法不能直接从路侧激光雷达中提取数据。


技术实现要素：

5.针对现有技术的不足，本发明提供一种基于点云密度叠加分布的多线束激光雷达背景滤除装置的使用方法，应用于道路、桥梁和隧道等不同的行驶环境，通过激光雷达扫描后运用背景滤除方法进行处理，得到高分辨率微观流量数据。
6.术语解释：
7.聚合：指对有关的数据进行内容挑选、分析、归类，最后分析得到人们想要的结果，本发明的聚合是指对采集的点云数据帧进行分析整合，将多个数据帧组成单个数据帧进行传输，从而增加传输内容，提高效率，以供进行后续的背景识别。
8.本发明的技术方案如下：
9.一种基于点云密度叠加分布的多线束激光雷达背景滤除装置的使用方法，该装置包括激光雷达和控制终端，激光雷达连接至控制终端，通过激光雷达扫描进行数据采集，通过控制终端对激光雷达采集的数据进行处理，使用步骤如下：
10.(1)应用于道路中段及桥梁上时，先架设支撑杆，在支撑杆上设置激光雷达，激光雷达连接控制终端；
11.(2)激光雷达360
°
扫描进行点云数据采集，收集一段时间内的原始数据作为初始输入；
12.(3)基于激光雷达点坐标对一段时间数据帧进行聚合；帧数越多，精度越高，增加时间成本且对计算机内存有较高要求。
13.(4)将三维空间切割成连续的立方体：
14.建立三维矩阵表示整个空间(整个空间指激光雷达获取的数据经过聚合后得到的数据空间)，矩阵元素为立方体，记录立方体中聚集点(聚集点是聚焦的3d点，包含背景点和非背景点)的数量；
15.(5)通过每个立方体中聚集点的密度，确定立方体的点密度阈值，以区分背景立方体和非背景立方体，密度为每个立方体中聚集点的个数与立方体的体积的比值，高于阈值的立方体是背景立方体，低于阈值的是非背景立方体；激光雷达扫描同一物体的点密度随其与激光雷达的距离而变化，一般来说，如果目标与激光雷达传感器之间的距离增加，点的数量减少，其中，随着车辆与激光雷达传感器距离的增加，值域与点数之间遵循幂函数关系，所以当背景物体与激光雷达传感器的距离不同时，背景点密度也不同，这意味着阈值在不同的探测范围内应该是不同的，通常，背景空间的密度要高于移动车辆或行人的空间密度；
16.(6)识别出确定阈值的背景立方体后，将背景立方体保存到三维矩阵中，将三维矩阵作为背景矩阵，背景矩阵结合实时数据，实时数据中采集到的点能在背景矩阵中找到就排除，在背景矩阵中找不到就保留，实现背景滤除。
17.优选的，移动的车辆和行人生成低密度的立方体。在背景帧中，不同密度的立方体数量是一致的，而行人和车辆的低密度立方体数量变化是一致的。因此，立方体的点密度阈值由下式决定
[0018][0019]
ni是第i个立方体的聚集点的数量，立方体编号顺序是从点数少的到点数多的递增；
[0020]fi
是ni的频率，频率指具有相同点数立方体的数量；
[0021]
slope是聚集点与聚集点间的斜率；
[0022]
当slope首先为0或正时，公式中每立方的点数的频率f作为阈值；slope为负值时无意义，从变为0或正值时开始选取阈值；
[0023]
高于阈值的立方体是背景立方体，低于阈值的是非背景立方体。
[0024]
优选的，步骤(1)中，支撑杆高度为4-6m，满足扫描范围需求，且避免人为触碰，支撑杆靠上位置距离顶端0.5m处安置电箱，电箱通过螺钉螺母以及抱箍支架的方式连接于支
撑杆，电箱内设置有控制终端，通过电箱保护控制终端免受天气破坏，电箱装有开关门，方便内置设备的安装、拆卸与维护。
[0025]
优选的，步骤(1)中，道路中段及桥梁上存在信号灯时，以信号灯杆作为支撑杆。
[0026]
优选的，步骤(1)中，应用于隧道中时，在拱顶处安装固定杆，固定杆一侧设置激光雷达，在同一横断面隧道侧壁固定设置电箱，电箱内设置有控制终端，激光雷达连接控制终端。
[0027]
优选的，步骤(3)中，16线束的激光雷达聚合帧数为1500-3000，32束或64束的激光雷达聚合帧数可根据具体情况减少，以保证实时处理效率，高峰期为保证实时数据分析，聚合帧数设置为2000。
[0028]
优选的，步骤(4)中，立方体边长为0.1m。立方体划分的关键参数是立方体的边长，它影响三维矩阵的行数和列数。较短的边长增加时间成本且动态背景点移动距离大时会跨越划分的立方体，导致不能很好地捕捉动态点，而较长的边长可能会降低精度。
[0029]
本发明的有益效果在于：
[0030]
1、本发明使用的激光雷达识别装置实现路线双向车流的全面覆盖。
[0031]
2、本发明安装位置为道路中线，不影响机动车行驶，保障交通安全。
[0032]
3、本发明使用的算法可以提高车辆与行人的识别精度，显著减少数据处理时间成本。
[0033]
4、本发明使用的算法能够自动学习立方体点密度阈值。只需要两个参数:聚合的帧数和多维数据集的边长，皆给出推荐值。
[0034]
5、本发明使用的算法计算量小，可用于车辆监控、行人跟踪等实时数据处理。
附图说明
[0035]
图1为本发明在道路路中线无路灯路段及桥梁上的结构示意图；
[0036]
图2为本发明在道路路中线有路灯路段上的结构示意图；
[0037]
图3为本发明在道路路中线有信号灯路段上处的结构示意图；
[0038]
图4为本发明在隧道中的结构示意图；
[0039]
图5为本发明工作状态示意图；
[0040]
图6为本发明的流程示意图；
[0041]
其中：1、激光雷达；2、支撑杆；3、电箱；4、数据连接线；5、控制终端；6、路灯杆；7、路灯；8、信号灯杆；9、信号灯；10、信号灯支架；11、拱顶；12、固定杆；13、激光；14、路面。
具体实施方式
[0042]
下面通过实施例并结合附图对本发明做进一步说明，但不限于此。
[0043]
实施例1
[0044]
如图1所示，本实施例提供一种基于点云密度叠加分布的多线束激光雷达背景滤除装置的使用方法，该装置包括激光雷达1和控制终端5，激光雷达连接至控制终端，通过激光雷达扫描进行数据采集，可以有效地检测到100m范围内的车辆，通过控制终端对激光雷达采集的数据进行处理，使用步骤如下：
[0045]
(1)应用于道路中段及桥梁上时，先架设支撑杆2，在支撑杆2上设置激光雷达1，激
光雷达1连接控制终端5；
[0046]
(2)激光雷达360
°
扫描进行点云数据采集，收集一段时间内的原始数据作为初始输入；
[0047]
(3)基于激光雷达点坐标对一段时间数据帧进行聚合；帧数越多，精度越高，增加时间成本且对计算机内存有较高要求。
[0048]
(4)将三维空间切割成连续的立方体：
[0049]
建立三维矩阵表示整个空间(整个空间指激光雷达获取的数据经过聚合后得到的数据空间)，矩阵元素为立方体，记录立方体中聚集点(聚集点是聚焦的3d点，包含背景点和非背景点)的数量；
[0050]
(5)通过每个立方体中聚集点的密度，确定立方体的点密度阈值，以区分背景立方体和非背景立方体，密度为每个立方体中聚集点的个数与立方体的体积的比值，高于阈值的立方体是背景立方体，低于阈值的是非背景立方体；激光雷达扫描同一物体的点密度随其与激光雷达的距离而变化，一般来说，如果目标与激光雷达传感器之间的距离增加，点的数量减少，其中，随着车辆与激光雷达传感器距离的增加，值域与点数之间遵循幂函数关系，所以当背景物体与激光雷达传感器的距离不同时，背景点密度也不同，这意味着阈值在不同的探测范围内应该是不同的，通常，背景空间的密度要高于移动车辆或行人的空间密度。
[0051]
移动的车辆和行人生成低密度的立方体。在背景帧中，不同密度的立方体数量是一致的，而行人和车辆的低密度立方体数量变化是一致的。因此，立方体的点密度阈值由下式决定
[0052][0053]
ni是第i个立方体的聚集点的数量，立方体编号顺序是从点数少的到点数多的递增；
[0054]fi
是ni的频率，频率指具有相同点数立方体的数量；
[0055]
slope是聚集点与聚集点间的斜率；
[0056]
当slope首先为0或正时，公式中每立方的点数的频率f作为阈值；slope为负值时无意义，从变为0或正值时开始选取阈值；
[0057]
高于阈值的立方体是背景立方体，低于阈值的是非背景立方体；
[0058]
识别出确定阈值的背景立方体后，将背景立方体保存到三维矩阵中，将三维矩阵作为背景矩阵，背景矩阵结合实时数据，实时数据中采集到的点能在背景矩阵中找到就排除，在背景矩阵中找不到就保留，实现背景滤除。
[0059]
步骤(1)中，支撑杆2高度为4-6m，满足扫描范围需求，且避免人为触碰，支撑杆靠上位置距离顶端0.5m处安置电箱3，电箱通过螺钉螺母以及抱箍支架的方式连接于支撑杆，电箱3内设置有控制终端5，通过电箱保护控制终端免受天气破坏，电箱装有开关门，方便内置设备的安装、拆卸与维护。
[0060]
步骤(1)中，道路中段及桥梁上存在信号灯9时，以信号灯杆8作为支撑杆，信号灯9通过信号灯支架10支撑于信号灯杆8，如图3所示。道路中段及桥梁上存在路灯7时，以路灯杆6作为支撑杆，如图2所示。
[0061]
步骤(3)中，16线束的激光雷达聚合帧数为2000，32束或64束的激光雷达聚合帧数可根据具体情况减少，以保证实时处理效率。
[0062]
步骤(4)中，立方体边长为0.1m。立方体划分的关键参数是立方体的边长，它影响三维矩阵的行数和列数。较短的边长增加时间成本且动态背景点移动距离大时会跨越划分的立方体，导致不能很好地捕捉动态点，而较长的边长可能会降低精度。
[0063]
实施例2：
[0064]
一种基于点云密度叠加分布的多线束激光雷达背景滤除装置的使用方法，步骤如实施例1所述，不同之处在于，步骤(1)中，应用于隧道中时，在拱顶11处安装固定杆12，固定杆12一侧设置激光雷达1，在同一横断面隧道侧壁固定设置电箱3，电箱3内设置有控制终端，激光雷达1连接控制终端5，如图4所示。
[0065]
实施例3：
[0066]
一种基于点云密度叠加分布的多线束激光雷达背景滤除装置的使用方法，步骤如实施例1所述，不同之处在于，步骤(3)中，16线束的激光雷达聚合帧数为1500。
[0067]
实施例4：
[0068]
一种基于点云密度叠加分布的多线束激光雷达背景滤除装置的使用方法，步骤如实施例1所述，不同之处在于，步骤(3)中，16线束的激光雷达聚合帧数为3000。