图2-4 障碍物的实际信息

图2-5 标记误差数据          图2-6 误差处理后的数据

2。3。2 点云数据的噪声处理
  由激光雷达获取的点云数据常常会有噪声以及离群的点，主要是因为激光雷达本身的物理特性、环境影响等。由此，必须要对点云数据运用去噪算法来进行去噪处理，其目的是为了减少点云数据中的噪声来取得更高阶的光滑性。国内外对点云数据去噪方法研究取得了一定的成果。去噪方法是联系了数据的排列方式，即有序排列和无序排列[21]。平滑滤波方法用于有序的点云数据去噪，但是，对于无序的点云数据，主要因为数据本身的点与点之间没有建立拓扑关系，所以还没有一个简单的去噪方法。
本文激光雷达扫描的数据排列顺序是有序的，采用的噪声处理方法是平滑滤波，其一般分为如下三种算法:
(1)平滑滤波算法。
①均值滤波：是使点云数据的去噪效果更为平均；
②中值滤波：是一种有效的非线性的滤波，一般运用消除数据的毛刺，常用于随机脉动噪声；
③高斯滤波：在指定的区域中其权重是高斯分布，能较好的保持数据的原貌 [22]。因此，本文根据原始数据的特征和后续处理的需要，去噪采用的是高斯滤波。
(2)高斯滤波算法。
在高斯滤波算法中，首先要计算出一维高斯函数，即计算权值，其次是要对权值进行归一化，便于计算，防止数值过大不便处理，最后进行卷积计算，本质是对激光雷达提取的点云数据进行加权求和，即进行高斯滤波计算。其高斯滤波算法的具体流程为：
①一维高斯函数：给定标准差alf、模板大小，即窗口windowSize，这两个数是阈值，其大小是根据经验进行判定。在本文使用的高斯滤波算法中，标准差根据一维高斯函数的图像进行调整，定义的窗口是5个，一般情况下，小于5个窗口的滤波函数是不能达到很好的滤波是效果的，但是若取7个窗口，则会出现过滤波的现象。在确定中心后，进行计算高斯一维核。最后，显示出一维高斯函数，如下图2-7所示。来.自^优+尔-论,文:网www.youerw.com +QQ752018766-
图2-7 一维高斯函数

②归一化：归一化的过程即是对权值进行处理使得总和为一，其目的是为了便于计算，以防止数值过大或过小使得数据不便于观察和比较。
③卷积计算：卷积计算的过程本质就是对激光雷达获取的点云数据进行循环加权求和计算，原来的点云数据被加权求和后的数据代替，由于是5个窗口，因此，将初始两个数据和最后两个数据的处理方法为保留原来数据。最终利用图像形象地显示点云数据滤波前后的变化，如下图2-8和图2-9所示。由此可见，处理后可以相对较好的保持原来的数据。 聚类激光雷达的社区安保服务机器人障碍物检测(5):http://www.youerw.com/zidonghua/lunwen_131026.html