一种基于点云数据的不规则坑洞深度测量方法

本发明涉及点云数据处理，具体涉及一种基于点云数据的不规则坑洞深度测量方法。

背景技术：

1、随着科学技术的不断进步，激光雷达凭借其能获取和维护目标高精度和高分辨率三维信息的能力，在地形测绘、自动驾驶和环境监测等多个领域发挥出越来越重要的作用。作为一项先进的遥感技术，通过发射激光脉冲进行距离测量，基本原理是将激光束发送至目标并接收反射回来的光信号，测量从激光发射到接收的时间，以精确获取距离信息。因此，凭借高精度三维信息获取和准确测距的能力，展现出其在坑洞深度探测方面具有显著的实用价值和科学探索意义。

2、现有技术中公开了关于车辆高度观测的方法，该方法采用卡尔曼滤波算法，通过建立整车模型和车身高度观测器来实时且准确地获取车身高度，为车辆控制策略提供准确的车辆质心高度参数，但是卡尔曼滤波算法的效果在很大程度上依赖于用于描述系统的模型的准确性，如果整车模型不够准确或不足以反映实际车辆的动态行为，那么算法的性能可能会受到影响。本领域技术人员还探讨了激光雷达在三维点云数据生成、地面点云分割、非地面点云聚类和目标点云识别方面的研究，针对地面点云降低目标识别速度和精度的问题，提出了基于布料模拟滤波和欧式聚类的分割方法，能有效减少冗余点云数据输入，并提高目标聚类分割的准确度，同时还提出了一个基于深度学习的respointnet++网络模型，提高了识别速度并解决了被遮挡目标的识别问题，但是算法中的深度学习模型的性能在很大程度上依赖于训练数据的质量和多样性。如果训练数据不足或不具代表性，将会导致模型在实际应用中的泛化能力不足。

技术实现思路

1、为了解决上述技术问题，本发明主要针对现有算法中的深度学习模型的性能在很大程度上依赖于训练数据的质量和多样性，如果训练数据不足或不具代表性，将会导致模型在实际应用中的泛化能力不足；本发明为适应临地安防中不规则坑洞深度精确测量的任务需求，提供一种基于点云数据的不规则坑洞深度测量方法，结合先进的点云处理技术，特别是滤波算法和拟合优化算法，实现了在复杂环境中实现对不规则坑洞深度的精确测量。

2、本发明第一个目的是提供一种基于点云数据的不规则坑洞深度测量方法，包括：

3、获取目标区域的点云数据；

4、依次通过z轴分割过滤算法和密度聚类滤波算法对点云数据进行滤波操作，获取滤波后的点云数据；

5、对滤波后的点云数据进行平面拟合获取初始平面；

6、以pca算法对初始平面进行修正，获取修正后的法向量；

7、根据滤波后的点云数据以及修正后的法向量再次拟合得到最终平面；

8、对距最终平面的距离进行测量即可得到坑洞的深度。

9、优选的，所述初始平面是按照以下步骤获取：

10、对滤波后的点云数中随机选取三点，以这三点构建一个候选平面；

11、计算滤波后的点云数中其他点相对于该候选平面在z轴方向的垂直距离；

12、设置距离阈值，将所有垂直距离小于该距离阈值的点分为内点；

13、以此类推，获取多个候选平面以及对应的内点数量；

14、将内点数量超过特定阈值并且在z轴方向最低的候选平面，作为初始平面。

15、优选的，所述修正后的法向量是按照以下步骤获取：

16、从初始平面的内点中获取中心点；

17、根据中心点对初始平面中的内点进行中心化处理，获取协方差矩阵；

18、对协方差矩阵进行特征分解，获取特征值和相应的特征向量；

19、选择与最大特征值对应的特征向量作为修正后的法向量。

20、优选的，所述最终平面是按照以下步骤获取：

21、获取初始平面中点的质心；

22、根据初始平面中点的质心与修正后的法向量构建平面方程；

23、根据修正后的法向量以及内点获取平面方程中的常数；

24、根据构建的平面方程以及平面方程中的常数获取最终平面。

25、优选的，通过z轴分割过滤算法对点云数据进行滤波操作，包括：

26、对点云数据沿z轴方向进行分割，形成一系列等高的分割模块；

27、对于每个模块，计算其中的点云数量；

28、设定点云阈值，当模块中的点云数量低于点云阈值，则认为该点云数据位于坑壁上，并将其滤除；反之，则认为是坑底的点云数据，予以保留。

29、优选的，通过密度聚类滤波算法对通过z轴分割过滤算法滤波操作后的点云数据进行滤波操作，包括：

30、从点云数据中选取一个点作为起始点，计算与其他点的距离；

31、定义一个邻域半径，将落在这个半径内的所有点标记为邻域点；

32、当一个邻域内的点数达到点数阈值，则将该点标记为核心点，并围绕它创建一个新的聚类簇，然后递归地将邻域内的点加入到该簇中；

33、对于那些不是核心点但位于核心点邻域内的点，也将它们加入到相应的簇中；

34、直到所有的点都被访问过，在聚类结束后，那些点云数量较少的簇认为是坑洞底面的凹陷或凸起部分，应将其滤除；反之，则认为是坑底的点云数据，予以保留。

35、优选的，通过雷达采集目标区域的点云数据，采集完成后，执行体素降采样，获取目标区域的点云数据。

36、本发明第二个目的是提供一种基于点云数据的不规则坑洞深度测量系统，其特征在于，包括：

37、数据采集模块，用于获取目标区域的点云数据；

38、数据去噪模块，用于依次通过z轴分割过滤算法和密度聚类滤波算法对点云数据进行滤波操作，获取滤波后的点云数据；

39、平面获取模块，用于对滤波后的点云数据进行平面拟合获取初始平面；以pca算法对初始平面进行修正，获取修正后的法向量；根据滤波后的点云数据以及修正后的法向量再次拟合得到最终平面；

40、深度测量模块，用于对距最终平面的距离进行测量即可得到坑洞的深度。

41、本发明至少具有如下有益效果：

42、本发明提供了一种基于点云数据的不规则坑洞深度测量方法，本发明针对不规则坑洞进行精确测量。现有的点云距离测量方法主要适用于具体的目标物体，而对坑洞这种大范围目标的测量误差大，本方法结合坑洞的形态特征，做专门的z轴分割滤波处理和ransac平面拟合，并对拟合结果进行修正，从而实现对坑洞的精确测量。

43、本发明提供的方法在复杂环境中表现良好。本发明采用形态特征对坑洞进行测量，不同于其他方法需要进行目标识别的操作，能有效排除干扰，在复杂环境中表现良好。

44、本发明支持用户利用交互界面进行实时参数调整，根据实时反馈的结果选择合适的参数，可以对点云数据降采样、滤波等操作进行动态调整，调参按钮如图2中“添加降采样操作”，“添加滤波操作”及“降采样半径”所示。

45、本发明提供的算法时间复杂度低。整套流程简单快速，前期滤波操作耗时极少，第一次拟合不需要高精度，严格限制住迭代的次数，第二次拟合有修正后的法向量和第一次拟合结果做支撑，少轮迭代即可达到要求。在中央处理器为amd ryzen 7 3.2ghz、内存16g、ubuntu 20.04操作系统上，运行visual studio code软件进行测试发明实时帧率可以达到60帧每秒。

46、本发明提供的方法测量精准度高。采用该方法对坑洞进行重复深度测量测试，测量结果的偏差百分比在1%左右，(测量有效距离在0.5m-5m)。实验结果表明该算法是一种稳定性高、鲁棒性强的不规则坑洞深度测量算法。