本發(fā)明涉及雷達(dá)點(diǎn)云數(shù)據(jù)處理技術(shù)領(lǐng)域，特別涉及一種基于多線激光雷達(dá)3D點(diǎn)云數(shù)據(jù)的分割方法。

背景技術(shù)：

近年來(lái)，由于Velodyne等3D激光傳感器可以獲得精確的深度信息并且不受光照、天氣變化等復(fù)雜環(huán)境因素的影響，在無(wú)人駕駛車的環(huán)境感知、三維重建等領(lǐng)域得到了廣泛的應(yīng)用。利用Velodyne等多線激光傳感器對(duì)周圍場(chǎng)景進(jìn)行掃描得到的3D點(diǎn)云數(shù)據(jù)中，包含了傳感器周圍環(huán)境中幾乎所有物體的反射數(shù)據(jù)。通過(guò)對(duì)掃描得到的點(diǎn)云數(shù)據(jù)進(jìn)行相應(yīng)的處理，就可以達(dá)到對(duì)掃描場(chǎng)景中障礙物檢測(cè)和識(shí)別的目的。

由于傳感器自身的原因偶爾會(huì)遇到少數(shù)雷達(dá)錯(cuò)誤反射點(diǎn)，而這些錯(cuò)誤點(diǎn)往往是單點(diǎn)孤立存在的；還有一些是懸空小障礙物如懸掛的樹(shù)枝，小飛蟲(chóng)等等，也會(huì)引入一些障礙誤檢。在無(wú)人駕駛車路徑規(guī)劃中，若是碰到這些異常點(diǎn)就會(huì)使自主車緊急剎車，致使無(wú)人駕駛車輛無(wú)法通行的假象，因此需要采用一種有效的方法對(duì)采集的點(diǎn)云進(jìn)行預(yù)處理以消除這些異常點(diǎn)，提高檢查準(zhǔn)確率。

在城市場(chǎng)景中最常見(jiàn)的障礙物有車輛、行人、交通信號(hào)燈、建筑物等等，這些障礙物都是建立在地面之上，所以在在對(duì)這些目標(biāo)進(jìn)行分割之前首先必須將地面提取出來(lái)，否則地面點(diǎn)的存在會(huì)使所有地面上的物體相互連接在一起，無(wú)法完成分割?，F(xiàn)有的地面分割方法主要有基于障礙柵格的檢測(cè)的方法、基于極坐標(biāo)網(wǎng)格線性擬合、面擬合的方法、基于掃描線梯度的方法?；谡系K柵格的檢測(cè)方法優(yōu)點(diǎn)在于將三維信息降低到二維信息，大大降低了傳感器數(shù)據(jù)分析的復(fù)雜度和計(jì)算量，有較好的穩(wěn)定性和實(shí)時(shí)性，但是由于障礙柵格判定和濾波嚴(yán)格，減少了誤檢點(diǎn)，但是由于雷達(dá)點(diǎn)云分布不均勻，特別是在遠(yuǎn)處，雷達(dá)三維點(diǎn)云稀疏，容易導(dǎo)致遠(yuǎn)處的柵格因部分點(diǎn)云缺少而出現(xiàn)漏檢?；跇O坐標(biāo)網(wǎng)格線擬合、面擬合的方法，雖然解決了雷達(dá)點(diǎn)云分布不均的影響，但是由于擬合過(guò)程需要不斷迭代，影響實(shí)時(shí)性?；趻呙杈€梯度的方法在點(diǎn)云分割中需要建立復(fù)雜的鄰域關(guān)系和提取復(fù)雜的特征，并且基于掃描線梯度的方法，在近處時(shí)，由于雷達(dá)的分辨率較高，點(diǎn)云密集，當(dāng)點(diǎn)離得比較近時(shí)，只要稍微凸起的高度差就可能得到較大的梯度值，因此在雷達(dá)近處的點(diǎn)云分割中有可能將小凸起的地面點(diǎn)誤檢成障礙點(diǎn)。

在對(duì)非地面的點(diǎn)云聚類分割時(shí)，最常用的就是分割方式有基于歐式距離的聚類分割、基于k-近鄰區(qū)域生長(zhǎng)的方式、基于柵格投影后采用近鄰搜索的方式等，基于歐式距離和k近鄰區(qū)域生長(zhǎng)的方式方法復(fù)雜度低、易于實(shí)現(xiàn)，但是需要對(duì)每個(gè)點(diǎn)進(jìn)行近鄰搜索，對(duì)于Velodye等每秒可產(chǎn)生百萬(wàn)點(diǎn)云的深度傳感器來(lái)說(shuō)，分割難以滿足實(shí)時(shí)性的要求；對(duì)于柵格投影的分割方法，將非地面點(diǎn)投影到平面柵格上，以柵格為聚類對(duì)象通過(guò)八鄰域搜索的方式聚類，避免了對(duì)每個(gè)點(diǎn)云都進(jìn)行聚類，對(duì)于具有大量點(diǎn)云的數(shù)據(jù)的聚類來(lái)說(shuō)，提高了計(jì)算速度，但是，當(dāng)多個(gè)障礙重疊時(shí)(如在樹(shù)下的車輛)，點(diǎn)云的投影會(huì)將兩個(gè)障礙物疊加在一起，難以分開(kāi)。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)上述現(xiàn)有技術(shù)存在的問(wèn)題或缺陷，本發(fā)明的目的在于，提供。一種基于八叉樹(shù)體素區(qū)域生長(zhǎng)的點(diǎn)云聚類分割算法。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

一種基于多線激光雷達(dá)的3D點(diǎn)云分割方法，包括以下步驟：

步驟1，利用安裝在車輛頂部的多線激光雷達(dá)掃描360°范圍內(nèi)的3D點(diǎn)云數(shù)據(jù),建立笛卡爾坐標(biāo)系OXYZ，將3D點(diǎn)云數(shù)據(jù)轉(zhuǎn)換到笛卡爾坐標(biāo)系下，對(duì)笛卡爾坐標(biāo)系下的3D點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理，確定3D點(diǎn)云數(shù)據(jù)中的感興趣區(qū)域；

步驟2，利用近鄰點(diǎn)的統(tǒng)計(jì)特性濾除所述感興趣區(qū)域中的懸空障礙點(diǎn)；

步驟3，構(gòu)建極坐標(biāo)網(wǎng)格地圖，將所述的濾除懸空障礙點(diǎn)后的3D點(diǎn)云數(shù)據(jù)映射到極坐標(biāo)網(wǎng)格地圖中，然后從極坐標(biāo)網(wǎng)格地圖中的3D點(diǎn)云數(shù)據(jù)中分割出非地面點(diǎn)云數(shù)據(jù)；

步驟4，將所述的非地面點(diǎn)云數(shù)據(jù)映射到3D體素網(wǎng)格中，對(duì)非地面點(diǎn)云數(shù)據(jù)進(jìn)行聚類分割。

所述步驟1中，構(gòu)建所述笛卡爾坐標(biāo)系OXYZ的具體過(guò)程包括：

在多線激光雷達(dá)位于水平面上處于靜止?fàn)顟B(tài)時(shí)，以所述激光雷達(dá)為中心點(diǎn)，以激光雷達(dá)的垂直軸線方向?yàn)閆軸，以掃描起始平面的水平射線方向?yàn)閄軸，Y軸是由Z軸和X軸根據(jù)右手螺旋定則確定。

所述步驟1中，對(duì)所述笛卡爾坐標(biāo)系下的3D點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理是指保留范圍在-20m<X<20m,-50m<Y<50m,-3m<Z<3m范圍內(nèi)的3D點(diǎn)云數(shù)據(jù)。

所述步驟2中，利用近鄰點(diǎn)的統(tǒng)計(jì)特性濾除所述感興趣區(qū)域中的懸空障礙點(diǎn)：

(2-1)將步驟1得到的感興趣區(qū)域中的3D點(diǎn)云數(shù)據(jù)以O(shè)ctree的數(shù)據(jù)結(jié)構(gòu)進(jìn)行存儲(chǔ)；

(2-2)將3D點(diǎn)云數(shù)據(jù)分割為三維陣列，將3D點(diǎn)云數(shù)據(jù)中的每一點(diǎn)依次作為當(dāng)前點(diǎn)，在半徑為L(zhǎng)的360°范圍內(nèi)找到該當(dāng)前點(diǎn)在8鄰域內(nèi)所有的3D點(diǎn)云數(shù)據(jù)記為近鄰點(diǎn)；

(2-3)設(shè)置閾值Threshold，比較所述的近鄰點(diǎn)數(shù)與閾值Threshold，若近鄰點(diǎn)數(shù)小于閾值Threshold，則該近鄰點(diǎn)對(duì)應(yīng)的當(dāng)前點(diǎn)為標(biāo)記為懸空點(diǎn)，并濾除該懸空點(diǎn)。

所述步驟3中，構(gòu)建所述極坐標(biāo)網(wǎng)格地圖的方法為：

以笛卡爾坐標(biāo)系OXYZ的原點(diǎn)為中心點(diǎn)，以Z軸為中心對(duì)稱軸，建立半徑為R的極坐標(biāo)網(wǎng)格地圖，將網(wǎng)格地圖劃分為M個(gè)等圓周的扇形，每個(gè)扇形的圓周角為:Δα＝360°/M。

所述步驟3中，在極坐標(biāo)網(wǎng)格地圖下，從步驟2中得到的濾除懸空障礙點(diǎn)的3D點(diǎn)云數(shù)據(jù)中分割出非地面點(diǎn)云數(shù)據(jù)的具體方法過(guò)程包括：

(3-1)在所述極坐標(biāo)網(wǎng)格地圖中每個(gè)劃分的扇形中，將距離極坐標(biāo)網(wǎng)格地圖中心點(diǎn)5至R米范圍內(nèi)的區(qū)域劃分為N個(gè)柵格，柵格的分辨率為Δd＝(R-5)/N；

(3-2)計(jì)算落入每個(gè)柵格內(nèi)的3D點(diǎn)云數(shù)據(jù)的最大高度差和平均高度；

(3-3)設(shè)置閾值thresh1和thresh2，依次將所有柵格分別作為當(dāng)前柵格，判斷當(dāng)前柵格內(nèi)3D點(diǎn)云數(shù)據(jù)的最大高度差、平均高度與閾值thresh1、thresh2的大小關(guān)系，若最大高度差小于thresh1且平均高度也小于thresh2，則當(dāng)前柵格標(biāo)記為地面柵格，否則標(biāo)記為非地面柵格；

(3-4)在以極坐標(biāo)網(wǎng)格地圖中心點(diǎn)為原點(diǎn)半徑為20米的圓形區(qū)域內(nèi)，設(shè)置閾值thresh3，依次從步驟(3-3)中標(biāo)記為非地面柵格中選取一個(gè)作為當(dāng)前非地面柵格，若當(dāng)前非地面柵格3*3鄰域內(nèi)的柵格全部為被標(biāo)記為地面柵格，且該當(dāng)前非地面柵格內(nèi)的3D點(diǎn)云數(shù)據(jù)個(gè)數(shù)小于thresh3，則將當(dāng)前非地面柵格標(biāo)記為地面柵格；

(3-5)將所有標(biāo)記為地面柵格內(nèi)的3D點(diǎn)云數(shù)據(jù)濾除，剩下3D點(diǎn)云數(shù)據(jù)的則為非地面3D點(diǎn)云數(shù)據(jù)。

進(jìn)一步地，步驟4中，對(duì)非地面點(diǎn)云數(shù)據(jù)進(jìn)行聚類分割的具體方法過(guò)程包括：

(4-1)采用八叉樹(shù)數(shù)據(jù)結(jié)構(gòu)將步驟三得到的非地面3D點(diǎn)云數(shù)據(jù)體素化，將3D點(diǎn)云數(shù)據(jù)分割成葉節(jié)點(diǎn)，計(jì)算每個(gè)葉節(jié)點(diǎn)的剩余值，并形成葉節(jié)點(diǎn)集V；

(4-2)設(shè)定循環(huán)次數(shù)a＝1；

(4-3)將剩余值最小的葉節(jié)點(diǎn)作為當(dāng)前種子節(jié)點(diǎn)v_i，其中v_i∈V，設(shè)定種子節(jié)點(diǎn)集S_c和當(dāng)前生長(zhǎng)節(jié)點(diǎn)集R_c，將該當(dāng)前種子節(jié)點(diǎn)v_i從V中取出并放入S_c和R_c中；

(4-4)查找當(dāng)前種子節(jié)點(diǎn)的近鄰葉節(jié)點(diǎn)v_j，設(shè)定閾值θ_th，若v_j∈V且v_j與v_i的法向量夾角小于θ_th，則將v_j從V中取出并放入R_c中；

(4-5)設(shè)定閾值若r_th，若v_j的剩余值小于r_th，則將v_j放入S_c中。

(4-6)將v_i從S_c中移除；

(4-7)重復(fù)步驟(4-3)、(4-4)、(4-5),直到S_c為空集，將中的葉節(jié)點(diǎn)全部放入至R_a，其中a為循環(huán)次數(shù)，R_a為第a個(gè)分割區(qū)域；

(4-8)將a的值加1，重復(fù)步驟(4-3)～(4-7)，直到V為空集；

(4-9)提取每個(gè)分割區(qū)域所包含的葉節(jié)點(diǎn)中的3D點(diǎn)云數(shù)據(jù)作為一個(gè)障礙物目標(biāo)，即完成了3D點(diǎn)云數(shù)據(jù)的聚類分割。

進(jìn)一步地，步驟(4-1)中將所述的3D點(diǎn)云數(shù)據(jù)分割成子數(shù)據(jù)塊的具體步驟包括：

(4-1-1)首先在非地面點(diǎn)云數(shù)據(jù)中分別找出X,Y,Z軸上的最大值x_max、y_max、z_max和最小值x_min、y_min、z_min，利用該6個(gè)值確定一個(gè)最小立方體；

(4-1-2)以所述最小立方體作為根節(jié)點(diǎn)或零級(jí)節(jié)點(diǎn)，將根節(jié)點(diǎn)分為八個(gè)體素，每個(gè)體素作為一個(gè)子節(jié)點(diǎn)進(jìn)行編碼，同時(shí)保存每個(gè)子節(jié)點(diǎn)內(nèi)的3D點(diǎn)云數(shù)據(jù)；

(4-1-3)對(duì)第i個(gè)子節(jié)點(diǎn)內(nèi)的點(diǎn)云數(shù)據(jù)建立協(xié)方差矩陣M，i∈(1,8)，通過(guò)對(duì)M進(jìn)行特征值分解，得到M的最小特征值的特征向量，即為第i個(gè)子節(jié)點(diǎn)的法向量n_i；

(4-1-4)利用下式計(jì)算第i個(gè)子節(jié)點(diǎn)的剩余值r_i：

$r_i=\sqrt{\frac{1}{m}\underset{j}{\overset{m}{\&Sigma;}}{n}_i\&CenterDot;d_j}$

其中

d_j＝(p_j-p_i)，

$p_i=\frac{1}{m}\underset{k=1}{\overset{m}{\&Sigma;}}{p}_k$

其中，n_i為第i個(gè)子節(jié)點(diǎn)的法向量，p_i為第i個(gè)子節(jié)點(diǎn)中3D點(diǎn)云數(shù)據(jù)的中心點(diǎn)，p_j為第i個(gè)子節(jié)點(diǎn)中第j個(gè)3D點(diǎn)云數(shù)據(jù)，m為第i個(gè)子節(jié)點(diǎn)所包含的3D點(diǎn)云數(shù)據(jù)個(gè)數(shù)；

(4-1-5)設(shè)定閾值T,若r_i等于0，則所述子節(jié)點(diǎn)設(shè)為空節(jié)點(diǎn)；

否則，若r_i小于閾值T或者p_i不大于閾值T，則所述子節(jié)點(diǎn)為葉節(jié)點(diǎn)；

否則，對(duì)所述子節(jié)點(diǎn)作為新的根節(jié)點(diǎn)，依次重復(fù)步驟(4-1-2)、(4-1-3)、(4-1-4)和(4-1-5)，直至所述子節(jié)點(diǎn)為葉節(jié)點(diǎn)為止；

(4-1-6)對(duì)步驟(4-1-5)中的所有葉節(jié)點(diǎn)進(jìn)行一次遍歷，將所有的空節(jié)點(diǎn)刪除，對(duì)剩余的所有非空葉節(jié)點(diǎn)按照其剩余值從小到大進(jìn)行排序，組成葉節(jié)點(diǎn)集V。

本發(fā)明有如下特點(diǎn)：

1.本發(fā)明提出基于雷達(dá)點(diǎn)近鄰點(diǎn)的統(tǒng)計(jì)特性去除懸浮點(diǎn)的方法簡(jiǎn)單，濾波效果非常好；

2.本發(fā)明采用的地面分割方法通過(guò)構(gòu)建極坐標(biāo)網(wǎng)格地圖，符合多線激光雷達(dá)的工作原理，該方法在一定程度上克服了隨著距離的增加，激光雷達(dá)返回點(diǎn)變得越來(lái)越稀疏所帶來(lái)的數(shù)據(jù)分布不均的問(wèn)題,并且根據(jù)每個(gè)非地面柵格的八鄰域柵格屬性濾除了單點(diǎn)障礙柵格。

3.本發(fā)明提出的分割方法是八叉樹(shù)的體素網(wǎng)格為聚類分割對(duì)象，采用區(qū)域生長(zhǎng)的方法大大提高了聚類的速度，在保證精度的同時(shí)滿足了實(shí)時(shí)性的要求。

附圖說(shuō)明

圖1為本發(fā)明的總體框架圖；

圖2為本發(fā)明實(shí)施例中采集到的一幀原始點(diǎn)云數(shù)據(jù)；

圖3為本發(fā)明實(shí)施例中對(duì)懸空障礙點(diǎn)的濾除原理示意圖；

圖4為本發(fā)明實(shí)施例中3D極坐標(biāo)網(wǎng)格地圖示意圖；

圖5為本發(fā)明實(shí)施例中單點(diǎn)濾波原理示意圖；

圖6為本發(fā)明實(shí)時(shí)例中基于八叉樹(shù)的區(qū)域生長(zhǎng)分割示意圖

圖7為實(shí)施例中依照本發(fā)明得到路面障礙物點(diǎn)云分割結(jié)果圖。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)的描述。

本實(shí)施例記載了一種基于車載移動(dòng)平臺(tái)的多線激光雷達(dá)3D點(diǎn)云分割方法，其包括以下步驟：

步驟1，如圖1所示，利用安裝在車輛頂部的多線激光雷達(dá)掃描360°范圍內(nèi)的3D點(diǎn)云數(shù)據(jù),建立笛卡爾坐標(biāo)系OXYZ，將3D點(diǎn)云數(shù)據(jù)轉(zhuǎn)換到笛卡爾坐標(biāo)系下，對(duì)笛卡爾坐標(biāo)系下的3D點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理，確定3D點(diǎn)云數(shù)據(jù)中的感興趣區(qū)域；

其中，構(gòu)建所述笛卡爾坐標(biāo)系OXYZ的具體過(guò)程包括：

在多線激光雷達(dá)位于水平面上處于靜止?fàn)顟B(tài)時(shí)，以所述激光雷達(dá)為中心點(diǎn)，以激光雷達(dá)的垂直軸線方向?yàn)閆軸，以掃描起始平面的水平射線方向?yàn)閄軸，Y軸是由Z軸和X軸根據(jù)右手螺旋定則確定。

其中，對(duì)所述笛卡爾坐標(biāo)系下的3D點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理是指保留范圍在-20m<X<20m,-50m<Y<50m,-3m<Z<3m范圍內(nèi)的3D點(diǎn)云數(shù)據(jù)。

步驟2，利用近鄰點(diǎn)的統(tǒng)計(jì)特性濾除所述感興趣區(qū)域中的懸空障礙點(diǎn)，如圖2所示為懸空障礙點(diǎn)濾除原理圖，其具體步驟包括：

(2-1)將步驟1得到的感興趣區(qū)域中的3D點(diǎn)云數(shù)據(jù)以O(shè)ctree的數(shù)據(jù)結(jié)構(gòu)進(jìn)行存儲(chǔ)；

(2-2)將3D點(diǎn)云數(shù)據(jù)分割為三維陣列，將3D點(diǎn)云數(shù)據(jù)中的每一點(diǎn)依次作為當(dāng)前點(diǎn)，在半徑為L(zhǎng)的360°范圍內(nèi)找到該當(dāng)前點(diǎn)在8鄰域內(nèi)所有的3D點(diǎn)云數(shù)據(jù)記為近鄰點(diǎn)，其中半徑L的取值與多線激光雷達(dá)的分辨率有關(guān)，一般取值范圍為0.3-0.8米，本實(shí)施例取0.3；

(2-3)設(shè)置閾值Threshold，比較所述的近鄰點(diǎn)數(shù)與閾值Threshold，若近鄰點(diǎn)數(shù)小于閾值Threshold，則該近鄰點(diǎn)對(duì)應(yīng)的當(dāng)前點(diǎn)為標(biāo)記為懸空點(diǎn)，并濾除該懸空點(diǎn)，其中閾值Threshold的取值與多線激光雷達(dá)的線數(shù)有關(guān)，一般取值不超過(guò)5，本實(shí)施例取2。

步驟3，構(gòu)建極坐標(biāo)網(wǎng)格地圖，將所述的濾除懸空障礙點(diǎn)后的3D點(diǎn)云數(shù)據(jù)映射到極坐標(biāo)網(wǎng)格地圖中，然后從極坐標(biāo)網(wǎng)格地圖中的3D點(diǎn)云數(shù)據(jù)中分割出非地面點(diǎn)云數(shù)據(jù)；

其中構(gòu)建所述極坐標(biāo)網(wǎng)格地圖的方法為：

以笛卡爾坐標(biāo)系OXYZ的原點(diǎn)為中心點(diǎn)，以Z軸為中心對(duì)稱軸，建立半徑為R的極坐標(biāo)網(wǎng)格地圖，將網(wǎng)格地圖劃分為M個(gè)等圓周的扇形，每個(gè)扇形的圓周角為:Δα＝360°/M，本實(shí)施例中Δα取0.5。

從步驟2中得到的濾除懸空障礙點(diǎn)的3D點(diǎn)云數(shù)據(jù)中分割出非地面點(diǎn)云數(shù)據(jù)的具體方法過(guò)程包括：

(3-1)在所述極坐標(biāo)網(wǎng)格地圖中每個(gè)劃分的扇形中，將距離極坐標(biāo)網(wǎng)格地圖中心點(diǎn)5至R米范圍內(nèi)的區(qū)域劃分為N個(gè)柵格，柵格的分辨率為Δd＝(R-5)/N，本實(shí)例中Δd取0.2米；

(3-2)計(jì)算落入每個(gè)柵格內(nèi)的3D點(diǎn)云數(shù)據(jù)的最大高度差和平均高度；

(3-3)設(shè)置閾值thresh1和thresh2，依次將所有柵格分別作為當(dāng)前柵格，判斷當(dāng)前柵格內(nèi)3D點(diǎn)云數(shù)據(jù)的最大高度差、平均高度與閾值thresh1、thresh2的大小關(guān)系，若最大高度差小于thresh1且平均高度也小于thresh2，則當(dāng)前柵格標(biāo)記為地面柵格，否則標(biāo)記為非地面柵格，thresh1和thresh2的取值和具體的道路情況有關(guān)，城市道路一般取值范圍在0.1-0.3米，鄉(xiāng)村道路一般取值范圍在0.2-0.5米，本實(shí)施例針對(duì)校園環(huán)境，thresh1取0.25米，thresh2取0.15米；

(3-4)在以極坐標(biāo)網(wǎng)格地圖中心點(diǎn)為原點(diǎn)半徑為20米的圓形區(qū)域內(nèi)，設(shè)置閾值thresh3，依次從步驟(3-3)中標(biāo)記為非地面柵格中選取一個(gè)作為當(dāng)前非地面柵格，若當(dāng)前非地面柵格3*3鄰域內(nèi)的柵格全部為被標(biāo)記為地面柵格，且該當(dāng)前非地面柵格內(nèi)的3D點(diǎn)云數(shù)據(jù)個(gè)數(shù)小于thresh3，則將當(dāng)前非地面柵格標(biāo)記為地面柵格，如圖4所示為祛除孤立點(diǎn)云示意圖；

(3-5)將所有標(biāo)記為地面柵格內(nèi)的3D點(diǎn)云數(shù)據(jù)濾除，剩下3D點(diǎn)云數(shù)據(jù)的則為非地面3D點(diǎn)云數(shù)據(jù)。

其中，判斷每個(gè)點(diǎn)云所屬扇形和所屬扇形中的柵格的方法包括以下步驟：

從X正半軸開(kāi)始對(duì)極坐標(biāo)網(wǎng)格地圖中的M個(gè)扇形進(jìn)行1至M編號(hào)，并且針對(duì)每個(gè)扇形中的N個(gè)柵格從極坐標(biāo)地圖中心至Rm處進(jìn)行1至N編號(hào)；

計(jì)算所述點(diǎn)云中第i個(gè)點(diǎn)與X正半軸的夾角：β_i＝atan2(y_i,x_i)，則第i個(gè)點(diǎn)所屬扇形編號(hào)為m＝β_i/Δα；

計(jì)算所述點(diǎn)云中第i個(gè)點(diǎn)距離原點(diǎn)的距離第i個(gè)點(diǎn)所屬扇形中的柵格編號(hào)為n＝(d_i-5)/Δd；

步驟4，將步驟3中的非地面點(diǎn)云數(shù)據(jù)利用八叉樹(shù)進(jìn)行體素化，采用基于八叉樹(shù)體素網(wǎng)格的區(qū)域生長(zhǎng)方法進(jìn)行聚類分割

其中，對(duì)非地面點(diǎn)云數(shù)據(jù)進(jìn)行聚類分割的具體方法過(guò)程包括：

(4-1)采用八叉樹(shù)數(shù)據(jù)結(jié)構(gòu)將步驟三得到的非地面3D點(diǎn)云數(shù)據(jù)體素化，將3D點(diǎn)云數(shù)據(jù)分割成葉節(jié)點(diǎn)，計(jì)算每個(gè)葉節(jié)點(diǎn)的剩余值，并形成葉節(jié)點(diǎn)集V；

(4-1-1)首先在非地面點(diǎn)云數(shù)據(jù)中分別找出X,Y,Z軸上的最大值x_max、y_max、z_max和最小值x_min、y_min、z_min，利用該6個(gè)值確定一個(gè)最小立方體；

(4-1-2)以所述最小立方體作為根節(jié)點(diǎn)或零級(jí)節(jié)點(diǎn)，將根節(jié)點(diǎn)分為八個(gè)體素，每個(gè)體素作為一個(gè)子節(jié)點(diǎn)進(jìn)行編碼，同時(shí)保存每個(gè)子節(jié)點(diǎn)內(nèi)的3D點(diǎn)云數(shù)據(jù)；

(4-1-3)對(duì)第i個(gè)子節(jié)點(diǎn)內(nèi)的點(diǎn)云數(shù)據(jù)建立協(xié)方差矩陣M，i∈(1,8)，通過(guò)對(duì)M進(jìn)行特征值分解，得到M的最小特征值的特征向量，即為第i個(gè)子節(jié)點(diǎn)的法向量n_i；

(4-1-4)利用下式計(jì)算第i個(gè)子節(jié)點(diǎn)的剩余值r_i：

$r_i=\sqrt{\frac{1}{m}\underset{j}{\overset{m}{\&Sigma;}}{n}_i\&CenterDot;d_j}$

其中

d_j＝(p_j-p_i)，

$p_i=\frac{1}{m}\underset{k=1}{\overset{m}{\&Sigma;}}{p}_k$

其中，n_i為第i個(gè)子節(jié)點(diǎn)的法向量，p_i為第i個(gè)子節(jié)點(diǎn)中3D點(diǎn)云數(shù)據(jù)的中心點(diǎn)，p_j為第i個(gè)子節(jié)點(diǎn)中第j個(gè)3D點(diǎn)云數(shù)據(jù)，m為第i個(gè)子節(jié)點(diǎn)所包含的3D點(diǎn)云數(shù)據(jù)個(gè)數(shù)；

(4-1-5)設(shè)定閾值T,若r_i等于0，則所述子節(jié)點(diǎn)設(shè)為空節(jié)點(diǎn)；

否則，若r_i小于閾值T或者p_i不大于閾值T，則所述子節(jié)點(diǎn)為葉節(jié)點(diǎn)；本實(shí)施例中，T取0.5；

否則，對(duì)所述子節(jié)點(diǎn)作為新的根節(jié)點(diǎn)，依次重復(fù)步驟(4-1-2)、(4-1-3)、(4-1-4)和(4-1-5)，直至所述子節(jié)點(diǎn)為葉節(jié)點(diǎn)為止；(4-1-6)對(duì)步驟(4-1-5)中的所有葉節(jié)點(diǎn)進(jìn)行一次遍歷，將所有的空節(jié)點(diǎn)刪除，對(duì)剩余的所有非空葉節(jié)點(diǎn)按照其剩余值從小到大進(jìn)行排序，組成葉節(jié)點(diǎn)集V。

(4-2)設(shè)定循環(huán)次數(shù)a＝1；

(4-3)將剩余值最小的葉節(jié)點(diǎn)作為當(dāng)前種子節(jié)點(diǎn)v_i，其中v_i∈V，設(shè)定種子節(jié)點(diǎn)集S_c和當(dāng)前生長(zhǎng)節(jié)點(diǎn)集R_c，將該當(dāng)前種子節(jié)點(diǎn)v_i從V中取出并放入S_c和R_c中；

(4-4)查找當(dāng)前種子節(jié)點(diǎn)的近鄰葉節(jié)點(diǎn)v_j，設(shè)定閾值θ_th，若v_j∈V且v_j與v_i的法向量夾角小于θ_th，則將v_j從V中取出并放入R_c中；

(4-5)設(shè)定閾值若r_th，若v_j的剩余值小于r_th，則將v_j放入S_c中。

(4-6)將v_i從S_c中移除；

(4-7)重復(fù)步驟(4-3)、(4-4)、(4-5),直到S_c為空集，將中的葉節(jié)點(diǎn)全部放入至R_a，其中a為循環(huán)次數(shù)，R_a為第a個(gè)分割區(qū)域；

(4-8)將a的值加1，重復(fù)步驟(4-3)～(4-7)，直到V為空集；

(4-9)提取每個(gè)分割區(qū)域所包含的葉節(jié)點(diǎn)中的3D點(diǎn)云數(shù)據(jù)作為一個(gè)障礙物目標(biāo)，即完成了3D點(diǎn)云數(shù)據(jù)的聚類分割。