卡尔曼滤波下激光雷达扫描大数据检测算法
Kalman Filtering Based Big Data Detection of Lidar Scanning作者机构:广州商学院信息技术与工程学院广东广州511363 广东工业大学广东广州511300
出 版 物:《计算机仿真》 (Computer Simulation)
年 卷 期:2024年第41卷第6期
页 面:15-18,166页
学科分类:12[管理学] 080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 0809[工学-电子科学与技术(可授工学、理学学位)] 08[工学] 081105[工学-导航、制导与控制] 081001[工学-通信与信息系统] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程]
基 金:广东省2020年本科高校教学质量与教学改革工程建设特色专业项目(粤教高函19号-76) 广东省高等教育学会“十四五”规划2021年度高等教育研究课题(21GYB08) 广东省教育厅普通高校认定类科研项目(2021KTSCX150)
主 题:卡尔曼滤波 激光雷达 大数据检测 数据野值 特征提取 支持向量回归算法
摘 要:激光雷达扫描的不规则激光回波信号通过地面反射和空间传播,但是由于颜色较暗的粗糙物体表面反射率较小,信号易发生漫反射,大量反射信号被接收,会形成较大的接收噪声,导致激光雷达扫描大数据出现较大程度的异常。为此提出基于卡尔曼滤波的激光雷达扫描大数据检测算法。利用卡尔曼滤波算法剔除激光雷达数据中的野值;基于此,建立数据硬性约束条件,获取数据流形规则,提取激光雷达数据特征;根据提取的特征,利用支持向量回归算法完成数据分类,实现激光雷达扫描大数据检测。实验结果表明,研究方法检测激光雷达扫描大数据时,查全率始终高于90%,查准率高于95%,平均耗时65.1ms,且以无人小车行驶轨迹的雷达数据为测试对象时,研究方法具有较高的检测精度,说明该方法的研究价值较高,应用效果更好。