(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 202211119845.3 (22)申请日 2022.09.15 (71)申请人 广州大学 地址 510006 广东省广州市大 学城外环西 路230号 (72)发明人 陆光满　魏巍　 (74)专利代理 机构 广州高炬知识产权代理有限 公司 44376 专利代理师 刘志敏 (51)Int.Cl. G06V 10/44(2022.01) G06V 20/64(2022.01) (54)发明名称 基于距离编码自适应的三维激光雷达点云 特征提取算法 (57)摘要 本发明涉及点云特征提取领域， 且公开了基 于距离编码自适应的三维激光雷达点云特征提 取算法， 其包括如下步骤： 读取原始的无序点云 数据； 计算点云的距离信息； 将一帧点云划分为k 个等间隔ΔT的圆环， 计算每一个点云所对应的 圆环编号； 根据编码值自适应的计算选择特征点 的阈值； 求解该局部平面的协方差矩阵， 得到特 征向量和对应的特征值； 计算该局部平面的离散 度； 通过对阈值和离散度进行比较来自适应的选 择特征点； 结合距离编码信息， 在不同的距离范 围区间内自适应的选择不同的特征点数目； 遍历 所有的距离编码信息值， 满足条件则提取出边缘 特征点和平面特征点， 不满足则跳过。 本发明对 于任意类型分辨率的激光雷达都可适用， 具有很 好的鲁棒 性。 权利要求书1页 说明书4页 附图1页 CN 115512128 A 2022.12.23 CN 115512128 A 1.一种基于距离编码自适应的三维激光雷达点云特征提取算法， 其特征在于， 包括以 下步骤： 第一步： 读取原 始的无序点云数据； 第二步： 计算点云的距离信息； 第三步： 将一帧点云划分为k个等间隔ΔT的圆环， 结合距离信息计算每一个点云所对 应的圆环编号； 第四步： 遍历编码值， 根据编码值自适应的计算选择 特征点的阈值； 第五步： 将当前点和周围的5个最邻 近点拟合成一个局部平面， 求解该局部平面的协方 差矩阵， 得到特 征向量和对应的特 征值 λ1＞ λ2＞ λ3＞0； 第六步： 利用第五步得到的特 征值计算该局部平面的离 散度； 第七步:通过对阈值和离 散度进行比较来自适应的选择 特征点； 第八步： 结合距离编码信息， 在不同的距离范围区间内自适应的选择不同的特征点数 目； 第九步： 遍历所有的距离编码信息值， 满足条件则提取出边缘特征点和平面特征点， 不 满足则跳过。 2.根据权利要求1所述的基于距离编码自适应的三维激光雷达点云特征提取算法， 其 特征在于： 所述第二 步中的距离 3.根据权利要求1所述的基于距离编码自适应的三维激光雷达点云特征提取算法， 其 特征在于： 所述第三 步中圆环编号R(i)＝Di/ΔT。 4.根据权利要求1所述的基于距离编码自适应的三维激光雷达点云特征提取算法， 其 特征在于： 所述第四步中边 缘点选择阈值 平面点选择阈值 5.根据权利要求1所述的基于距离编码自适应的三维激光雷达点云特征提取算法， 其 特征在于： 所述第六步中的离散度表示该点代表的是边缘特征点还是平面特征点， 边缘点 的线性度 δ ＝( λ1‑λ2)/ λ1， 平面点的平面 性 ε＝( λ2‑λ3)/ λ1。 6.根据权利要求1所述的基于距离编码自适应的三维激光雷达点云特征提取算法， 其 特征在于： 所述第七步中的边 缘点的选择依据为 平面特征点的选择依据为 7.根据权利要求1所述的基于距离编码自适应的三维激光雷达点云特征提取算法， 其 特征在于： 所述第八步中边缘特征点数目为Nl＝ωlR(i)， 平面点的特征点数目为Np＝ωpR (i)。 8.根据权利要求1所述的基于距离编码自适应的三维激光雷达点云特征提取算法， 其 特征在于： 所述第九步中当提取的特征点数目到第八步中计算的结果则在该距离内完成特 征提取进入到下一个距离内进行提取， 直到遍历结束。权　利　要　求　书 1/1 页 2 CN 115512128 A 2基于距离编码自适应的三维激光雷达点 云特征提取算法 技术领域 [0001]本发明涉及 点云特征提取技术领域， 具体涉及一种基于距离编码自适应的三维激 光雷达点云特 征提取算法。 背景技术 [0002]随着三维激光雷达扫描测量和结构光等技术的发展， 自动驾驶和机器人等领域内 广泛的应用激光雷达来 获取周围的信息。 从激光雷达传感器获取的三维点云数量 非常密集 并且是无序的， 为了减少对密集点云的处理 时间， 需要对无序点云进 行有序化和特征提取， 只提取出一部分特 征明显的点， 来加快后续处 理点云算法时间。 [0003]现有的点云有序化后再特征提取算法主要包括， 1)根据激光雷达水平角度分辨率 和垂直角度分辨率来来计算每一个点云属于激光雷达的哪个线束， 从而使得点云变得有 序。 取同一条线束上的相邻10个点来计算局部曲率， 根据曲率的大小来提取出边缘特征点 和平面特征点。 该有序化方法依赖于激光雷达的角度分辨率， 对于不同类型 的激光雷达鲁 棒性不佳。 2)将无序的三 维点云投影到二 维的图像上， 使得点云都对应着图像中的像素， 从 而点云变得有序。 遍历图像上的像素， 计算相邻几个像素之间的局部点云曲率， 从而提取出 点云的边缘特征点和平面特征点。 但是用点云投影到图像的方法使得三 维点云失去了一个 维度的信息。 3)基于PCA(Principal  Components  Analysis， 主成分分析)方法， 寻找临近的 几个点云组成一个局部平面， 根据该平面的特征值和特征向量来提取出点云的边缘特征和 平面特征， 但是该方法需要每一个点 都计算协方差矩阵， 算法很耗时。 激光雷达扫描的特性 是近距离的区域得到的点云比较密集， 距离越远得到的点云越稀疏。 以上 的特征提取方法 都能够提取出特征点， 但是在不同的扫描距离内都提取固定数目的特征点， 得到的特征点 不能很好的反应激光雷达扫描的特性， 而且点云在空间三个维度上分布不均匀， 为此我们 提出了基于距离编码自适应的三维激光雷达点云特 征提取算法。 发明内容 [0004](一)解决的技 术问题 [0005]针对现有技术的不足， 本发明提供一种基于距离编码自适应的三维激光雷达点云 特征提取算法， 根据编码信息自适应的提取激光雷达点云特征点的算法， 以解决现有特征 提取算法对多类型激光雷达不鲁棒的问题， 和解决现有算法提取的特征点在三个维度空间 上分布不均匀， 不能很好的反映出激光雷达扫描近距离密集远距离稀疏 特性的问题。 [0006](二)技术方案 [0007]为实现上述所述目的， 本发明提供如下技 术方案： [0008]一种基于距离编码自适应的三维激光雷达点云特 征提取算法， 包括以下步骤： [0009]第一步： 读取原 始的无序点云数据； [0010]第二步： 计算点云的距离信息； [0011]第三步： 将一帧点云划 分为k个等间隔ΔT的圆环， 结合距离信息计算每一个点云说　明　书 1/4 页 3 CN 115512128 A 3