(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 202210985564.X (22)申请日 2022.08.17 (66)本国优先权数据 202210487969.0 202 2.05.06 CN (71)申请人 北京信息科技大 学 地址 100192 北京市海淀区清河小营东路 12号 (72)发明人 赵旭　褚昕悦　苏中　赵辉　 李连鹏　刘宁　左庆军　 (74)专利代理 机构 北京天同知创知识产权代理 事务所(普通 合伙) 16046 专利代理师 马金霞 (51)Int.Cl. G06V 20/64(2022.01) G06V 10/26(2022.01)G06V 10/762(2022.01) G06V 10/80(2022.01) (54)发明名称 基于体素特征融合的FOD目标智能认知的方 法及装置 (57)摘要 本发明公开了一种基于体素特征融合的FOD 目标智能认知的方法及装置。 其中， 该方法包括： 对待探测区域的地面点云进行地面校准， 得到校 准后的点云空间； 结合点云密度 将校准后的所述 点云空间划分为多个体素， 使得沿Z轴方向上只 有一个体素， 其中， 所述Z轴方向为所述点 云空间 的高度方向； 根据所述多个体素中的每个体素中 的点云进行特征融合， 得到新的点云； 将所述新 的点云进行分割， 得到FOD点云， 并将所述FOD点 云进行聚类， 得到不同类的FOD， 以探测所述FOD。 本发明解决了相关技术中FOD检测的探测FOD大 小性能不佳、 实时性差的技 术问题。 权利要求书2页 说明书11页 附图5页 CN 115393842 A 2022.11.25 CN 115393842 A 1.一种基于体素 特征融合的FOD目标智能认知的方法， 其特 征在于， 包括： 对待探测区域的地 面点云进行地 面校准， 得到校准后的点云空间； 结合点云密度将校准后的所述点云空间划分为多个体素， 使得沿Z轴方向上只有一个 体素， 其中， 所述Z轴方向为所述 点云空间的高度方向； 根据所述多个 体素中的每 个体素中的点云进行 特征融合， 得到新的点云； 将所述新的点云进行分割， 得到FOD点云， 并将所述FOD点云进行聚类， 得到不同类的 FOD， 以探测所述FOD。 2.根据权利要求1所述的方法， 其特征在于， 在对待探测区域的地面点云进行地面校准 之前， 所述方法还 包括： 根据实际飞机跑道场景， 确定 激光雷达放置的高度和位置； 根据实际场景， 将所述待探测区域划分为一个长方体， 其中， 所述长方体的长宽高是基 于所述点云密度以及所要探测的FOD的大小来设置的。 3.根据权利要求2所述的方法， 其特征在于， 所述长方体的长边为所述激光雷达能够探 及所述FOD的距离范围， 所述长方体的宽度是根据所述激光雷达视场范围与所述实际场景 选取的， 所述长方体的高度为所述激光雷达 视场范围的高度。 4.根据权利要求1所述的方法， 其特征在于， 对待探测区域的地面点云进行地面校准包 括： 基于随机抽样一 致性RANSAC平面检测方法检测出 所述待探测区域的地 面方程； 基于校准前地 面法向量与激光雷达的坐标系法向量， 计算旋转矩阵； 将待探测区域的地面点云乘以所述旋转矩阵， 得到水平校准后的地面点云， 以得到校 准后的所述 点云空间。 5.根据权利要求1所述的方法， 其特征在于， 结合点云密度将校准后的所述点云空间划 分为多个 体素包括： 基于所述点云密度ρ、 所述每个体素内的点云数n、 增长因子λ和比例因子α来确定所述 每个体素的长度L； 基于所述长度L和所述比例因子α， 来确定所述每 个体素的宽度W； 基于所述长度L和所述宽度W， 将校准后的所述 点云空间划分为多个 体素。 6.根据权利要求1所述的方法， 其特征在于， 根据 所述多个体素中的每个体素中的点云 进行特征融合， 得到新的点云， 包括： 将所述每个体素的中心在X轴和Y轴上的坐标值作为所述新的点云在所述X轴和Y轴上 的坐标值， 其中， 所述X轴的方向为所述每个体素的宽边所在的方向， 所述Y轴的方向为所述 每个体素的长边所在的方向； 将所述每个体素内所有校正后的点云的Z轴坐标值的平均值z ′与平均反射率进行加权 融合， 得到所述 新的点云在所述Z轴上的坐标值； 基于所得到的X轴 、 Y轴、 Z轴的坐标值， 得到所述 新的点云。 7.根据权利要求1所述的方法， 其特征在于， 将所述新的点云进行分割， 得到FOD点云， 包括： 基于随机抽样一 致性RANSAC平面检测方法检测出 所述新的点云的地 面； 基于地面方程， 计算所述 新的点云到所检测出的地 面的距离L ″；权　利　要　求　书 1/2 页 2 CN 115393842 A 2在所述距离L ″小于预设的阈值 时， 将该点清除， 直至遍历完所述新的点云， 以使得最后 空间中只剩所述距离L ″大于所述预设的阈值的FOD点云。 8.根据权利要求7 所述的方法， 其特 征在于， 将所述FOD点云进行聚类包括： 计算被分割后的两 两所述FOD点云之间的距离； 在两两所述FOD点云之间的距离小于预设的距离阈值时， 将所述FOD点云归为同类点 云， 最终得到不同类的FOD点云。 9.根据权利要求8所述的方法， 其特征在于， 在将所述FOD点云进行聚类之后， 所述方法 还包括： 基于所述各类FOD点云进行长方体标识， 其中， 进行长方体标识还 包括： 找出聚类后各类FOD点云中的每 类FOD点云所对应的体素包 含的原始点云； 找出每类原始点云中沿X轴方向最小值xmin和最大值xmax， 沿Y轴方向最小值ymin和最大 值ymax， 沿Z轴方向最小值zmin和最大值zmax， 计算每类原始点云中沿X轴方向最大值与最小值 之差xi＝xmax‑xmin， 沿Y轴方向最 大值与最小值之差yi＝ymax‑ymin， 沿Z轴方向最 大值与最小值 之差zi＝zmax‑zmin； 根据xmin、 ymin、 zmin组成新的点云pi＝(xmin,ymin,zmin)， 以所述新的点云为长方体的起点， 以xi、 yi、 zi为长方体的边长对每 类FOD进行 标识。 10.一种基于体素 特征融合的FOD目标智能认知的装置， 其特 征在于， 包括： 校准模块， 被 配置为对待探测区域的地 面点云进行地 面校准， 得到校准后的点云空间； 划分模块， 被配置为结合点云密度将校准后的所述点云空间划分为多个体素， 使得沿Z 轴方向上只有一个 体素， 其中， 所述Z轴方向为所述 点云空间的高度方向； 融合模块， 被配置为根据所述多个体素中的每个体素中的点云进行特征融合， 得到新 的点云； 分割聚类模块， 被配置为将所述新的点云进行分割， 得到FOD点云， 并将所述FOD点云进 行聚类， 得到不同类的FOD， 以探测FOD。权　利　要　求　书 2/2 页 3 CN 115393842 A 3