【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及無(wú)人駕駛，特別涉及一種基于智能駕駛的點(diǎn)云數(shù)據(jù)消噪方法及系統(tǒng)。
技術(shù)介紹
1、本部分的陳述僅僅是提供了與本專利技術(shù)相關(guān)的
技術(shù)介紹
，并不必然構(gòu)成現(xiàn)有技術(shù)。
2、智能駕駛技術(shù)在交通運(yùn)輸、工程機(jī)械和農(nóng)業(yè)等領(lǐng)域展現(xiàn)出廣泛的應(yīng)用價(jià)值，通過(guò)無(wú)人化操作、智能路徑規(guī)劃和精準(zhǔn)作業(yè)顯著提升了作業(yè)效率、安全性和作業(yè)精度。在交通運(yùn)輸中，智能駕駛提升行駛效率、保障安全、減少交通事故；對(duì)于工程機(jī)械來(lái)說(shuō)，無(wú)人化施工減少人員風(fēng)險(xiǎn)、提高作業(yè)能力；對(duì)于拖拉機(jī)來(lái)說(shuō)，智能農(nóng)機(jī)實(shí)現(xiàn)精準(zhǔn)耕作、提升耕種效率。
3、在智能駕駛領(lǐng)域中，激光雷達(dá)傳感器是獲取周圍環(huán)境三維數(shù)據(jù)的核心設(shè)備之一。激光雷達(dá)通過(guò)發(fā)射激光束并接收返回信號(hào)來(lái)生成三維點(diǎn)云數(shù)據(jù)，該數(shù)據(jù)可以精確地反映出物體的距離、形狀和位置等信息，為車輛的環(huán)境感知提供了關(guān)鍵支持。基于激光雷達(dá)的三維點(diǎn)云數(shù)據(jù)在物體檢測(cè)、道路識(shí)別、障礙物避讓等方面具有重要應(yīng)用，它使得智能駕駛系統(tǒng)能夠更準(zhǔn)確地識(shí)別和定位周圍物體，從而做出實(shí)時(shí)決策。然而，在實(shí)際應(yīng)用中，三維點(diǎn)云數(shù)據(jù)中往往存在大量噪聲數(shù)據(jù)，這些噪聲數(shù)據(jù)通常是由環(huán)境復(fù)雜性(如雨、雪、霧等天氣)、傳感器精度限制、物理干擾等因素引起的。噪聲的存在會(huì)降低智能駕駛系統(tǒng)對(duì)環(huán)境特征的識(shí)別精度，導(dǎo)致誤識(shí)別、漏識(shí)別等問(wèn)題，嚴(yán)重影響系統(tǒng)的穩(wěn)定性和安全性，目前常用聚類中的dbscan算法進(jìn)行消噪，在未對(duì)dbscan算法進(jìn)行優(yōu)化的前提下，聚類效果不佳且魯棒性差。
技術(shù)實(shí)現(xiàn)思路
1、為了解決現(xiàn)有技術(shù)的不足，本專利技術(shù)提供了一種基于智能駕駛
2、為了實(shí)現(xiàn)上述目的，本專利技術(shù)采用如下技術(shù)方案：
3、本專利技術(shù)第一個(gè)方面提供了一種基于智能駕駛的點(diǎn)云數(shù)據(jù)消噪方法。
4、一種基于智能駕駛的點(diǎn)云數(shù)據(jù)消噪方法，包括：
5、對(duì)獲取的智能駕駛中的待分割目標(biāo)的三維點(diǎn)云數(shù)據(jù)進(jìn)行分割；
6、采用徒步組合算法，優(yōu)化dbscan算法的參數(shù)，得到最優(yōu)鄰域半徑eps參數(shù)和最優(yōu)最少點(diǎn)數(shù)minpts參數(shù)，以對(duì)分割后的三維點(diǎn)云數(shù)據(jù)進(jìn)行聚類，標(biāo)記出點(diǎn)云簇團(tuán)和噪聲點(diǎn)，得到去除噪聲點(diǎn)后的三維點(diǎn)云數(shù)據(jù)；
7、其中，所述徒步組合算法，包括：在采用徒步旅游算法尋優(yōu)過(guò)程中，使用灰狼算法改進(jìn)旅游算法中徒步者的速度更新公式中的掃描因子當(dāng)徒步者的位置變化小于第一設(shè)定值的連續(xù)次數(shù)滿足第一閾值時(shí)，記錄第一最優(yōu)解和尋優(yōu)次數(shù)，進(jìn)行跳出處理，跳出的掃描因子為在尋優(yōu)次數(shù)小于等于第二閾值時(shí)，使用掃描因子繼續(xù)尋優(yōu)迭代，當(dāng)徒步者的位置變化小于第一設(shè)定值的連續(xù)次數(shù)滿足第一閾值時(shí)，記錄第二最優(yōu)解，并更新尋優(yōu)次數(shù)，選擇第一最優(yōu)位置和第二最優(yōu)位置中的最優(yōu)者，重復(fù)上述尋優(yōu)過(guò)程，在尋優(yōu)次數(shù)大于第二閾值時(shí)，輸出最優(yōu)者。
8、進(jìn)一步地，掃描因子采用以下公式表示：
9、
10、其中，分別表示α狼、β狼、δ狼的位置，α狼代表最優(yōu)解，β狼和δ狼分別代表次優(yōu)解和第三優(yōu)解，表示迭代t+1次灰狼的位置，分別表示α狼、β狼、δ狼隨著獵物位置的估計(jì)進(jìn)行的相應(yīng)移動(dòng)距離，分別表示當(dāng)前搜索代理和α狼、β狼、δ狼之間的距離，α、β、δ表示α狼、β狼、δ狼對(duì)獵物位置的了解程度，即權(quán)重，α+β+δ＝1。
11、進(jìn)一步地，所述徒步者的位置變化，采用以下公式表示：
12、
13、其中，z(t+1)表示徒步者的位置變化，βi,t+1表示t+1次迭代后徒步者的位置，βi,t表示t次迭代后徒步者的位置。
14、進(jìn)一步地，掃描因子采用以下公式表示：
15、
16、其中，的范圍在[3,9]之間，進(jìn)行跳出尋優(yōu)的迭代，βi,t+1表示t+1次迭代后徒步者的位置，βi,t表示t次迭代后徒步者的位置，表示每次尋優(yōu)最優(yōu)的狼的位置。
17、進(jìn)一步地，所述徒步旅游算法中徒步者的位置更新，采用以下過(guò)程實(shí)現(xiàn)：
18、徒步旅游算法的初始坡度公式為：
19、
20、式中，dh和dx分別表示徒步者的高度差和行進(jìn)距離差，θi,t是路徑或地形的傾斜角，si,t表示路徑或地形的坡度；徒步者的初始速度由tobler遠(yuǎn)足函數(shù)給出：
21、
22、式中，wi,t表示在迭代時(shí)間t內(nèi)，初始徒步者的速度，單位為km/h；
23、在徒步者搜索的過(guò)程中，其速度是由初始速度、領(lǐng)頭徒步者的位置、徒步者的實(shí)際位置和掃描因子共同決定的，因此，第i個(gè)徒步者的當(dāng)前速度為：
24、wi,t＝wi,t-1+γi,t(βbest-αi,tβi,t)
25、其中，γi,t是在0與1內(nèi)均勻分布的隨機(jī)數(shù)，αi,t是徒步者i的掃描因子，βi,t是徒步者i當(dāng)前的位置，βbest是領(lǐng)頭徒步者的位置，wi,t表示徒步者i當(dāng)前的速度，wi,t-1表示徒步者i上一時(shí)刻的速度；根據(jù)徒步者的速度，徒步者i的新位置更新應(yīng)為：
26、βi,t+1＝βi,t+wi,t
27、式中，βi,t+1是徒步者i更新后的位置，徒步者會(huì)不斷更新位置已達(dá)到領(lǐng)頭者的位置。
28、進(jìn)一步地，所述對(duì)分割后的三維點(diǎn)云數(shù)據(jù)進(jìn)行聚類，標(biāo)記出點(diǎn)云簇團(tuán)和噪聲點(diǎn)，得到去除噪聲點(diǎn)后的三維點(diǎn)云數(shù)據(jù)，方法包括：
29、步驟(1)：將所有點(diǎn)云的簇標(biāo)簽標(biāo)記為-1，表示為噪聲點(diǎn)；
30、步驟(2)：使用徒步組合算法得到最優(yōu)的鄰域半徑eps參數(shù)和最優(yōu)的最少點(diǎn)數(shù)minpts參數(shù)；
31、步驟(3)：對(duì)其中的一個(gè)點(diǎn)a進(jìn)行檢查，判斷是否為核心點(diǎn)，如果鄰域內(nèi)點(diǎn)數(shù)量超過(guò)閾值minpts，則點(diǎn)a為核心點(diǎn)，將點(diǎn)a鄰域eps內(nèi)所有點(diǎn)加入簇團(tuán)；
32、步驟(4)：將既不是核心點(diǎn)也不在任何核心點(diǎn)的鄰域內(nèi)的點(diǎn)，標(biāo)記為噪聲點(diǎn)；
33、步驟(5)：對(duì)簇團(tuán)中的每一個(gè)未被遍歷的點(diǎn)重復(fù)進(jìn)行步驟(2)、步驟(3)、步驟(4)的處理，直到簇團(tuán)中所有點(diǎn)都被處理完畢，得到去除噪聲點(diǎn)后的三維點(diǎn)云數(shù)據(jù)。
34、本專利技術(shù)第二個(gè)方面提供了一種基于智能駕駛的點(diǎn)云數(shù)據(jù)消噪系統(tǒng)。
35、一種基于智能駕駛的點(diǎn)云數(shù)據(jù)消噪系統(tǒng)，包括：
36、預(yù)處理模塊，其被配置為：對(duì)獲取的智能駕駛中的待分割目標(biāo)的三維點(diǎn)云數(shù)據(jù)進(jìn)行分割；
37、點(diǎn)云聚類模塊，其被配置為：采用徒步組合算法，優(yōu)化dbscan算法的參數(shù)，得到最優(yōu)鄰域半徑eps參數(shù)和最優(yōu)最少點(diǎn)數(shù)minpts參數(shù)，以對(duì)分割后的三維點(diǎn)云數(shù)據(jù)進(jìn)行聚類，標(biāo)記出點(diǎn)云簇團(tuán)和噪聲點(diǎn)，得到去除噪聲點(diǎn)后的三維點(diǎn)云數(shù)據(jù)；
38、其中，所述徒步組合算法，包括：在采用徒步旅游算法尋優(yōu)過(guò)程中，使用灰狼算法改進(jìn)旅游算法中徒步者的速度更新公式中的掃描因子當(dāng)徒步者的位置變化小于第一設(shè)定值的連續(xù)次數(shù)滿足第一閾值時(shí)，記錄第一本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于智能駕駛的點(diǎn)云數(shù)據(jù)消噪方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于智能駕駛的點(diǎn)云數(shù)據(jù)消噪方法，其特征在于，掃描因子采用以下公式表示：
3.根據(jù)權(quán)利要求1所述的基于智能駕駛的點(diǎn)云數(shù)據(jù)消噪方法，其特征在于，所述徒步者的位置變化，采用以下公式表示：
4.根據(jù)權(quán)利要求1所述的基于智能駕駛的點(diǎn)云數(shù)據(jù)消噪方法，其特征在于，掃描因子采用以下公式表示：
5.根據(jù)權(quán)利要求1所述的基于智能駕駛的點(diǎn)云數(shù)據(jù)消噪方法，其特征在于，所述徒步旅游算法中徒步者的位置更新，采用以下過(guò)程實(shí)現(xiàn)：
6.根據(jù)權(quán)利要求1所述的基于智能駕駛的點(diǎn)云數(shù)據(jù)消噪方法，其特征在于，所述對(duì)分割后的三維點(diǎn)云數(shù)據(jù)進(jìn)行聚類，標(biāo)記出點(diǎn)云簇團(tuán)和噪聲點(diǎn)，得到去除噪聲點(diǎn)后的三維點(diǎn)云數(shù)據(jù)，方法包括：
7.一種基于智能駕駛的點(diǎn)云數(shù)據(jù)消噪系統(tǒng)，其特征在于，包括：
8.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有程序，其特征在于，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-6任一項(xiàng)所述的基于智能駕駛的點(diǎn)云數(shù)據(jù)消噪方法中的步驟。
9.一種電子設(shè)備，其特征在于，
10.一種計(jì)算機(jī)程序產(chǎn)品，其特征在于，所述計(jì)算機(jī)程序產(chǎn)品包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)如權(quán)利要求1-6中任一項(xiàng)所述的基于智能駕駛的點(diǎn)云數(shù)據(jù)消噪方法中的步驟。
...【技術(shù)特征摘要】
1.一種基于智能駕駛的點(diǎn)云數(shù)據(jù)消噪方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于智能駕駛的點(diǎn)云數(shù)據(jù)消噪方法，其特征在于，掃描因子采用以下公式表示：
3.根據(jù)權(quán)利要求1所述的基于智能駕駛的點(diǎn)云數(shù)據(jù)消噪方法，其特征在于，所述徒步者的位置變化，采用以下公式表示：
4.根據(jù)權(quán)利要求1所述的基于智能駕駛的點(diǎn)云數(shù)據(jù)消噪方法，其特征在于，掃描因子采用以下公式表示：
5.根據(jù)權(quán)利要求1所述的基于智能駕駛的點(diǎn)云數(shù)據(jù)消噪方法，其特征在于，所述徒步旅游算法中徒步者的位置更新，采用以下過(guò)程實(shí)現(xiàn)：
6.根據(jù)權(quán)利要求1所述的基于智能駕駛的點(diǎn)云數(shù)據(jù)消噪方法，其特征在于，所述對(duì)分割后的三維點(diǎn)云數(shù)據(jù)進(jìn)行聚類，標(biāo)記出點(diǎn)云簇團(tuán)和噪聲點(diǎn)，得...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：閆偉，趙旭輝，孫方哲，盛洪利，黃亞軍，胡濱，
申請(qǐng)(專利權(quán))人：山東大學(xué)，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。