激光雷达滤波算法

1、基于最小二乘法的激光雷达数据滤波方法

2、基于双通分离窗滤波算法的激光雷达数据预处理方法

限幅滤波：设置两次采样允许的最大偏差值。

优点：可以克服因偶然因素引起的脉冲干扰。

缺点：无法抑制周期性干扰：无法确定周期性干扰形成的信号中，哪个是正常值，哪个为干扰值？

           平滑度差：简单的消除了超出偏差值阈值的部分，无平滑效果

 

均值滤波：连续取N个采样值进行算术均值计算

优点：适用于对一般随机干扰的信号进行滤波。（在一定范围内存在均值，信号在一定幅度上波动）

缺点：N值较大时信号平滑度较高档灵敏度低，反之灵敏度高而平滑度低。

 

中值滤波：连续采样N次，把N个值按大小排序，取中间值作为有效值。

优点：可以克服因偶然因素引起的脉冲干扰。

缺点：N值较大时信号平滑度较高档灵敏度低，反之灵敏度高而平滑度低。

 

信号：雷达扫描数据

噪声：测距中的干扰和噪声

算法步骤：

a、选择一个以K为中心，2M为宽度，L为中心偏移的窗口，0<=L<M。

  K = 2M+1， L=0

  K = 2M+2-2L ，L！= 0

 

b、计算窗口内的所有点的均值

   fe = 1/K × ∑f（i）

 

c、限幅处理 

  g(k) = f(k)    if   f(k)  <= α*fe

   g(k) = fe    if  f(k) >  α*fe

  其中α为参数阈值。

 

  M=4，  α = 0.6 ，L= 3

 

优点：计算量小，平滑效果明显。

缺点：参数α对拐角处的平滑会偏离实际数据。

 

 

 3、均值滤波、欧氏距离 动态阈值线特征提取（限幅滤波、中值滤波、均值滤波）

4、基于扫描数据形态学的滤波算法

基于集合论，对具有一定形态的结构元素度量和和提取图中的对应形状。

变化窗口的自适应形态学滤波,

5、基于坡度变化的滤波算法

6、基于TIN的滤波算法

7、基于伪扫描线的滤波算法

8、基于多分辨率方向预测的滤波算法

9、基于小波分层原理的滤波算法

转载于:https://www.cnblogs.com/austin-robot/p/9929504.html