技术领域
[0001] 本
发明涉及探鸟技术领域，具体涉及基于激光雷达的探鸟系统。
背景技术
[0002] 随着城市化
进程的加快以及人类环保意识的增加，鸟类时常在人类生活环境中飞行觅食，人类与鸟类和谐共处，但是鸟类对于机场和变电站等场所来说存在一定的危险，鸟类因飞行轨迹的随意性容易造成机场或变电站等场所的危险，例如鸟类撞击飞机造成
机身零件的损坏，或者鸟类因筑巢或栖息引起输电线路故障等，所以，鸟类的探测对于部分场所的准确驱鸟来说非常重要。
[0003] 现有的鸟类探测系统通过雷达和红外等技术进行，雷达探鸟普遍使用多普勒雷达，多普勒雷达体积庞大，可移动性差。
发明内容
[0004] 本发明意在提供一种基于激光雷达的探鸟系统，以解决现有探鸟技术普适性差的问题。
[0005] 本方案中的基于激光雷达的探鸟系统，包括采集模
块、处理模块和探鸟模块：
[0006] 采集模块通过激光雷达成像方法连续采集目标所处的环境图像；
[0007] 处理模块用于获取环境图像形成点
云集并发送至探鸟模块；
[0008] 探鸟模块对环境图像滤波并将环境图像分成动态点和静态点，所述探鸟模块以聚类半径来对动态点进行聚类得到动态点云子集，所述探鸟模块对动态点云子集求集合的外切球半径并将外切球半径小于第三
阈值的点云作为前期疑似鸟点，所述探鸟模块搜索当前时刻前期疑似鸟点在前一时刻时第二阈值范围内有疑似鸟点，且所述探鸟模块搜索在当前时刻该前期疑似鸟点的第一阈值范围内无静态点时判断探索到鸟类。
[0009] 本方案的有益效果是：
[0010] 在对鸟类进行探测时，由采集模块通过激光雷达成像方法对目标所处的环境图像进行采集，例如变电站周围的图像，处理模块获取环境图像形成点云集后发送至探鸟模块，由探鸟模块对环境图像的点云集以滤波方式对点云进行分类，分成动态点和静态点，然后对分类后的动态点进行聚类得到动态点云子集，然后在动态点云子集中搜索到疑似鸟点，再结合聚类后的疑似鸟点与静态点云距离筛选的方案判断鸟类，大大提高了实时性，探鸟
算法基本可以实现与激光采集同步进行，无滞后，与现有的探测方式相比，通过先找出动态聚类目标再进行判断，减少了在环境图像中逐个进行判断的计算量。
[0011] 进一步，所述探鸟模块包括滤波单元，所述滤波单元用于通过滤波窗口在环境图像每个
像素点的
水平向进行滤波，所述滤波单元在滤波窗口中的当前时刻点云与前一时刻点云的距离小于第一阈值时发送静态
信号，所述滤波单元在滤波窗口中的当前时刻点云与前一时刻点云的距离大于第一阈值时发送动态信号。
[0012] 有益效果是：对环境图像中的像素点进行滤波，并将滤波窗口当前时刻点云与前一时刻点云的距离进行比较分类，逐一搜索环境图像中的像素点，避免遗漏像素点的特征。
[0013] 进一步，所述探鸟模块还包括标签单元，所述处理模块获取静态信号和动态信号发送至标签单元，所述标签单元根据静态信号给当前时刻点云添加静态标签，所述标签单元根据动态信号给当前时刻点云添加动态标签，所述处理模块根据静态标签形成静态点云集，所述处理模块根据动态标签形成动态点云集。
[0014] 有益效果是：将环境图像中的像素点分类后添加上标签，并形成不同的点云集，方便后续集中对动态点云集进行处理，减少处理的数据量。
[0015] 进一步，所述探鸟模块还包括聚类单元，所述聚类单元对动态点云集以聚类半径进行聚类得到动态点云子集。
[0016] 有益效果是：由于采集模块探鸟时
激光束呈扇形射出，距离采集模块越近，相邻激光束垂直投射到目标上的点云间距越小，聚类单元通过变动的聚类半径进行聚类，相对于现有固定聚类半径的聚类方式，提高了探鸟的准确性。
[0017] 进一步，所述探鸟模块还包括第一筛选单元，所述处理模块对动态点云子集求集合的外切球半径并将外切球半径小于第三阈值的点云作为前期疑似鸟点，所述第一筛选单元搜索当前时刻前期疑似鸟点在前一时刻时第二阈值范围内有疑似鸟点，且所述第一筛选单元搜索在当前时刻该前期疑似鸟点的第一阈值范围内时无静态点向处理模块发送确认信号，所述处理模块根据确认信号将目标判断为鸟类。
[0018] 有益效果是：将疑似鸟类的动态点云遍历查找静态点，防止环境图像中静态点的干扰，提高探鸟的准确性。
[0019] 进一步，所述探鸟模块还包括第二筛选单元，所述处理模块从环境图像中获取采集模块反射光的反射率并发送至第二筛选单元，所述第二筛选单元在反射率小于预设值时向处理模块发送噪点信号，所述处理模块将该点云记录为噪点。
[0020] 有益效果是：由于玻璃等反射物会在空间形成孤立的噪点，会被误判为疑似鸟点云，筛选掉该噪点，提高探鸟的准确性。
[0021] 进一步，所述聚类半径根据目标与采集模块的间距计算得到，所述聚类半径与目标至采集模块的间距成正比。
[0022] 有益效果是：聚类半径按照目标至采集模块的间距成正比设置，提高探鸟的准确性。
[0023] 进一步，所述第三阈值由处理模块根据鸟类尺寸进行自适应确定。
[0024] 有益效果是：根据鸟类尺寸进行疑似鸟点的划分，排除人和移动车辆等的干扰因素，提高后续根据疑似鸟点进行分析鸟类
位置的准确性。
[0025] 进一步，所述第一阈值由处理模块根据激光垂直
角分辨率和探测范围计算得到。
[0026] 有益效果是：对疑似鸟点在第一阈值范围内的静点进行搜索，排除干扰因素，提高鸟类探测准确性。
[0027] 进一步，所述探鸟模块包括测速单元，所述测速单元用于测量鸟类飞行速度，所述第二阈值由处理模块根据鸟的飞行速度和上一时刻计算得到。
[0028] 有益效果是：根据鸟类飞行速度确定的范围搜索前一时刻的该疑似鸟点，提高连续性，探鸟更准确。
附图说明
[0029] 图1为本基于激光雷达的探鸟系统
实施例一的逻辑
框图；
[0030] 图2为本基于激光雷达的探鸟系统实施例一工作
流程图。
具体实施方式
[0031] 下面通过具体实施方式进一步详细说明。
[0032] 实施例一
[0033] 基于激光雷达的探鸟系统，如图1所示，包括采集模块、处理模块和探鸟模块，采集模块信号连接处理模块，探鸟模块信号连接处理模块。
[0034] 采集模块通过激光雷达成像方法连续采集目标所处的环境图像，采集模块可用现有RS-LiDAR-16型号的激光雷达，采集模块通过发送多束激光束，激光束在遇到目标后产生反射光束，根据反射光束得到环境图像。
[0035] 探鸟模块包括滤波单元、标签单元、聚类单元、第一筛选单元和第二筛选单元。
[0036] 处理模块获取环境图像后形成点云集并发送至滤波单元，滤波单元通过滤波窗口在环境图像每个像素点的水平向进行滤波，滤波单元在滤波窗口中的当前时刻点云与前一时刻点云的距离小于第一阈值时发送静态信号，滤波单元在滤波窗口中的当前时刻点云与前一时刻点云的距离大于第一阈值时发送动态信号。
[0037] 处理模块获取静态信号发送至标签单元，标签单元根据静态信号给当前时刻点云添加静态标签，处理模块获取动态信号发送至标签单元，标签单元根据动态信号给当前时刻点云添加动态标签，静态标签和动态标签可以通过不同的英文字母表示，例如静态标签为J，动态标签为D，处理模块根据静态标签形成静态点云集，处理模块根据动态标签形成动态点云集，处理模块可用现有后台云端的
服务器。
[0038] 处理模块将动态点云集发送至聚类单元，聚类单元对动态点云集以聚类半径进行聚类得到动态点云子集，聚类半径根据目标与采集模块的间距计算得到，聚类半径与目标至采集模块的间距成正比。
[0039] 处理模块获取动态点云子集并对动态点云子集求集合的外切球半径并将外切球半径小于第三阈值的点云作为前期疑似鸟点，处理模块将前期疑似鸟点发送至第一筛选单元，第一筛选单元搜索当前时刻前期疑似鸟点在前一时刻时第二阈值范围内有疑似鸟点，且第一筛选第一在当前时刻该前期疑似鸟点的第一阈值范围内时无静态点时向处理模块发送确认信号，即对前后两个时刻的图像中是否均有前期疑似鸟点进行判断，处理模块根据确认信号将该前期疑似鸟点的目标判断为鸟类，处理模块从环境图像中获取采集模块采集环境图像时反射光的反射率并发送至第二筛选单元，第二筛选单元在反射率小于预设值时向处理模块发送噪点信号，反射率的值为0～255，例如取反射率大于100才认为是非噪点，处理模块将该点云记录为噪点。
[0040] 如图2所示，具体实施过程如下：
[0041] 在对机场或变电站周围进行探鸟时，通过采集模块发射的多束雷达激光，雷达激光束遇到目标时产生反射光束，采集模块根据反射光束形成环境图像，例如采集机场或变电站周围的环境图像，环境图像主要使用UDP协议，采用以太网介质传输数据包，随后由处理模块通过解析MSOP包，提取激光测距值、回波反射率、水平旋转角和时间戳，使用10Hz的
采样频率时水平角分辨率为0.18°，本实施例一中所说的时刻均是指0.1s内，每个激光一圈数据为2000个采样点，故16个激光
线束旋转一周即一
帧的采样点数为16*2000，可组织成类似16*2000像素的图像数据，具体操作时，在时间域上，连续采集12次，使用前11张16*2000图像。
[0042] 采集到数据后，由处理模块获取环境图像图像后形成点云集发送至滤波单元，由滤波单元以图像数据中每个像素点在水平方向上相邻左右1个像素的窗口进行滤波，在滤波窗口中的当前时刻点云与前一时刻点云距离小于第一阈值时，滤波单元向处理模块发送静态信号，处理模块将静态信号发送至标签单元，由标签单元根据静态信号给该前一时刻点云添加静态标签，否则滤波单元向处理模块发送动态信号，处理模块向标签单元发送动态信号，让标签单元给该前一时刻点云添加动态标签。
[0043] 在给点云添加标签后，处理模块根据标签类型将点云集分成动态点云集和静态点云集，处理模块将动态点云集发送至聚类单元进行
聚类分析，聚类分析时，以变动的聚类半径进行聚类得到动态点云子集，该聚类半径可表示为r＝(2*PI/360)*d+s，其中2表示激光束垂直角分辨率，d表示该激光点距离
光源的距离，s表示微小距离噪声，例如在50m处计算得到的聚类半径为1.717m，测量得垂直的高度为1.728m,故s可取1.728-1.717m，将聚类半径为r的一系列像素点形成动态点云子集。
[0044] 得到动态点云子集后，处理模块对动态点云子集求集合的外切球半径，处理模块将外切球半径小于第三阈值的点云作为前期疑似鸟点，将前期疑似鸟点发送至第一筛选单元，由第一筛选单元搜索当前时刻前期疑似鸟点在前一时刻时第二阈值范围内的疑似鸟点，第一筛选单元同时搜索在当前时刻该前期疑似鸟点的第一阈值范围内无静态点，此时由第一筛选模块向处理模块发送确认信号，处理模块根据确认信号判断具有鸟类。
[0045] 处理模块从图像数据中获取采集模块反射光的反射率并发送至第二筛选单元，该反射率在采集到图像数据时即能得到，第二筛选单元在反射率小于预设值时向处理模块发送噪点信号，处理模块将该点云记录为噪点。
[0046] 本实施例一在采集到环境图像后，对环境图像的点云集先进行滤波分类，再以变动的聚类半径来对动态点云集进行聚类分析，结合静态点云距离筛选的方案，大大提高了实时性，探鸟算法基本可以实现与激光采集同步进行，无滞后。
[0047] 实施例二
[0048] 与实施例一的区别是，第一阈值由处理模块根据激光垂直角分辨率和探测范围计算得到，垂直角分辨率为0.18°，探测范围以50m为例，以探测范围为半径，垂直角分分辨率为圆心角，再根据扇形的弧长计算公式可得到第一阈值＝(0.18*pi/180)*50；第二阈值由处理模块根据鸟的飞行速度和激光采样周期相乘计算得到，探鸟模块包括测速单元，测速单元用于测量鸟类飞行速度，例如鸟的飞行速度为9m/s，鸟的飞行速度可取一般鸟的飞行速度32～48km/h；第三阈值由处理模块根据鸟类尺寸进行自适应确定，根据鸟类尺寸进行疑似鸟点的划分，例如鸟类的尺寸0.3m，第三阈值可设置成0.3m，排除人和移动车辆等的干扰因素，提高后续根据疑似鸟点进行分析鸟类位置的准确性，对疑似鸟点在第一阈值范围内的静点进行搜索，排除干扰因素，根据鸟类飞行速度确定的范围搜索上一时刻的该疑似鸟点，提高连续性，探鸟更准确。
[0049] 以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干
变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和
专利的实用性。本
申请要求的保护范围应当以其
权利要求的内容为准，
说明书中的具体实施方式等记载可以用于解释权利要求的内容。
