阈值区域分割形成区域数据；
[0053] 所述S3中自适应阈值区域分割具体步骤如下：
[0054] S31 :从极坐标模型数据中选取当前数据；
[0055] S32:判断当前数据中的距离数据是否大于零，如果是，则将当前数据序号作为序 号标签flag ;
[0056] 本实施例的flag用于记录上一次非零数据的序号，当循环到下一次非零数据时， 可以计算出下一次非零数据和上一次非零数据的序号差值；
[0057] S33 :如果否，则返回步骤S31选取下一极坐标模型数据为当前数据；
[0058] S34 :计算当前数据与上一数据的前后变化值；计算当前数据与上一个不为零的 极坐标模型数据之间含有的零数据个数；
[0059] S35 :判断前后变化值是否大于第一阈值thetal，且零数据个数是否大于第二阈 值theta2,如果是，则将当前数据划分为第m+1个分割区域数据，并返回步骤S31选取下一 极坐标模型数据为当前数据；
[0060] S36 :如果否，则将当前数据划分为第m个分割区域数据；并返回步骤S31选取下 一极坐标模型数据为当前数据；
[0061] S37 :直到最后一个极坐标模型数据；
[0062] S38:计算各分割区域中所含数据的个数，将个数小于预设阈值的视为干扰区域并 舍弃。
[0063] S4 :对各区域数据进行线段分割形成分割线段数据；
[0064] 所述S4中的线段分割包括以下步骤：
[0065] S41 :将各分割区域中的区域数据的极坐标数据转换成直角坐标数据；
[0066] S42 :选择分割区域中的两个区域数据并根据其直角坐标数据拟合出直线；
[0067] S43 :计算该区域数据内其他数据到该直线最大距离的点，并计算出最大距离；
[0068] S44:判断最大距离是否大于自适应阈值，如果是，则将该数据设置于第一直线数 据区域；如果否，则将该数据设置于第二直线数据区域；
[0069] 其中，所述自适应阈值根据最大距离按照以下公式计算：
[0070]
其中，theta表示 自适应阈值；(Xk Dyk D表示第k-Ι个直角坐标数据，（xk，yk)表示第k个直角坐标数据， (xk+1，yk+1)表示第k+Ι个直角坐标数据；
[0071] S45:循环重复对第一直线数据区域和第二直线数据区域进行分割，直至所有数据 分割完毕；
[0072] S46:计算各分割区域中所含分割直线的个数，将个数小于预设阈值的视为干扰区 域并舍弃。
[0073] S5 :对分割线段数据中的线段数据进行线段合并；
[0074] 所述S5中线段合并具体包括以下步骤：
[0075] S51 :采取整体最小二乘法对分割线段数据中的坐标数据进行直线拟合，形成直线 方程y = k*x+b ;y表示纵坐标，k直线斜率，X表示横坐标，b表示纵坐标上截距。
[0076] S52:选择线段坐标数据中的第一个坐标数据和最后一个坐标数据，并分别对直线 方程y = k*x+b作垂线，通过计算所述垂线与所述直线方程的交点得到该直线方程的起始 坐标和结束坐标；
[0077] S53 :将直线方程转换成极坐标方程；
[0078] S54:计算分割线段数据中的相邻线段的角度差绝对值，及分割线段数据中的相邻 线段的距离差绝对值；
[0079] S55 :判断角度差绝对值是否小于角度固定阈值，及距离差绝对值是否小于距离固 定阈值；如果是，则将两相邻段线段进行合并形成更新线段，并以更新线段代替合并前的线 段；如果否，则进入下一步；
[0080] S56 :返回步骤S51循环重复，直至所有的分割线段数据都计算完毕。
[0081] S6:直至所有分割线段数据合并完毕并输出合并线段数据，所述合并线段数据作 为激光雷达距离图像的提取线段数据。
[0082] 实施例2
[0083] 如图2所示，图2为本发明实施例提供的区域分割流程图；本发明提供的区域分割 方法，具体步骤如下：
[0084] 将采用固定长度的中位值滤波方法对所获取的激光雷达数据（Ρι，ρ2··· Ρι)进行滤 波处理后，对该激光雷达数据进行区域分割，即对距离图像采用自适应的阈值进行区域划 分，主要包括以下3个部分：
[0085] 1)根据激光雷达的扫描范围及角度分辨率将距离数据（Pl，p2··· P1)转换成极坐标 (Θ i，P1)，（ Θ 2, P2)…（Θ D P1);在一个扫描周期内，从2D激光雷达获取环境信息是一组距离 数据（Ρι，ρ 2···Ρι)，超过激光雷达量程得到的距离数据为0 ;根据该雷达的扫描范围和角度 分辨率，可将距离数据转换成极坐标（θι; Ρι)的形式，这样就形成了激光雷达对环境感知 得到原始的距离图像。
[0086] 2)根据极坐标（Θ P1), ( Θ 2, ρ2)…（Θ ^ Pi)，米用自适应阈值，将数据分割成区域 (D1, D^DJ，其中，Dni是（θ ι>Ρι)的集合，指分割出区域。分割原则有两个，第一个原则是根 据距离数据前后的变化与第一阈值thetal相比较，第二个原则是数据之间含有0数据的个 数与第二阈值theta2相比较；thetal的选取是动态的，若当前i = k，则第一阈值thetal 取值为PA P k i之差加上P k i与P k 2之差；
[0087] 即 i = flag, thetal = Pi-Pi !+Pi fPi 2, theta2 = α，α 为激光雷达的固定误差； 取固定阈值10 ;( Θ D Pl)指原始的角度一距离坐标；
[0088] 本实施例的第一个区域分割不是迭代的，满足分割条件之后，重复循环迭代次数， 直到走完所有的数据；
[0089] 3)对区域（D11D2-Dni)中的干扰区域进行处理，舍弃干扰区域。
[0090] 实施例3
[0091] 如图3所示，图3为本发明实施例提供的线段分割流程图；本发明提供的线段分割 方法，具体步骤如下：
[0092] 对每个区域数据D进行线段分割，按线段的直线特征将区域D分割成（L1, LfLn)， 主要包括以下3个部分：
[0093] 1)坐标转换：对区域集合D#极坐标（θ 1>Ρι)，（θ2，ρ2)…（θι>Ρι)转换成直角坐 标（χι，yi)，（χ 2, y2)…（Xi, yJ，其中，Xi= P i*c〇s θ ρ Yi= ρ jSin θ 土。
[0094] 2)阈值的选取是自适应的，若当前i = k，则theta取值为当前点与前后点之间距 离之和。
[0095] 对区域集合（D1^2-D1)中的每一个区域01进行再次分割，设0 1集合中的数据为 (X1, Y1), (x2, y2) ··· (xn, yn),
[0096] 以第一个坐标点（Xl，yi)和最后一个坐标点（x n，yn)拟合出直线：
[0097] (yjryihx-UjTXihy+ydXjryA= 0,寻找区域内其他坐标点（x2, y2)…(xn 1，yn 1) 到该直线最大距离的点，计算出最大距离；该直线最大距离的点，若满足分割条件，即最大 距离大于阈值，则以该点将该区域分割成两条线段。将该区域分割成Lp L2，其中L1表示一 条线段，是（xn，yn)的集合，然后更新整个区域Dp
[0098] 对区域的分割是一个迭代的过程，对两条直线L1A继续采用同样的分割方法。直 至所有的直线区域（L 11IvLn)都满足线段特征；
[0099] 本实施例为了避免普通最小二乘法（OLS)在自变量和因变量都存在误差下情况 下拟合存在较大的误差，所以采用总体最小二乘法（TLS)对直线进行拟合。
[0100] 其中阈值的选取是根据自适应方法计算得到：
[0101] 设激光雷达的固定 ， 误差为a，若theta〈a，则theta取固定阈值a。分割结束后，形成（L1, Iv·· Ln)。
[0102] 本实施例将线段的一般模型y = k^x+bi转换成（Θ i，P1)模型形式。过原点作对 应直线的垂线，其中P1对应原点到直线的距离，Θ i对应交点与X轴形成的角度。然后利用 (Θ P1)模型采用阈值去合并