本发明涉及计算机，具体地涉及一种基于雷达信息的图像处理方法。
背景技术：
1、变电站的消防安全是维持电网系统安全稳定运行的重要因素，因此需要定时对变电站的消防情况进行巡检。
2、现有技术中，一般采用消防机器人配合雷达定位的方式进行自动消防巡检，在雷达定位过程中，需要对雷达传来的图像信心进行分析定位。但是现有的识别方式，对于变电站中道路的识别噪音较多，导致定位误差较大，进而影响消防机器人的巡检进程。
3、本申请发明人在实现本发明的过程中发现，现有技术的上述方案具有定位误差大的缺陷。
技术实现思路
1、本发明实施例的目的是提供一种基于雷达信息的图像处理方法，该基于雷达信息的图像处理方法具有定位效果好的功能。
2、为了实现上述目的，本发明实施例提供一种基于雷达信息的图像处理方法，包括：
3、获取激光雷达的实时图像；
4、根据所述实时图像进行地面点分割；
5、对所述实时图像进行特征点提取；
6、对所述特征点进行分类；
7、对所述特征点进行过滤，以获取所述实时图像中的道路边界。
8、可选地，根据所述实时图像进行地面点分割包括：
9、在所述实时图像中构建道路边界检测区域；
10、预设距离阈值；
11、根据所述距离阈值在所述实时图像中获取地面点。
12、可选地，对所述实时图像进行特征点提取包括：
13、根据公式(1)以及公式(2)对所述图像中的点云点进行垂直阈值过滤，
14、a1≤zmax-zmin≤a2， (1)
15、
16、其中，a1为第一高度阈值，a2为第二高度阈值，a3为第三高度阈值，zmax为所述点云点周围点的最大z值，zmin为所述点云点周围点的最小z值，zli为第l个雷达线束的第i个点云点每个近邻点的z值，α为均值参数，α＝∑zli/nh，nh为近邻点数量，l、i为整数编号。
17、可选地，对所述实时图像进行特征点提取还包括：
18、获取所述点云点的近邻点的集合；
19、根据公式(3)对所述点云点的平滑度进行计算，
20、
21、其中，s为第l个雷达线束的第i个点云点的平滑度，s为取所述点云点的近邻点的集合，j为整数编号。
22、可选地，对所述实时图像进行特征点提取还包括：
23、根据公式(4)计算所述点云点的水平距离，
24、
25、其中，xli为第l个雷达线束的第i个点云点的水平距离，hs为第l个雷达线束的第i个点云点的高度绝对值，θl为第l个雷达线束的垂直方位角，θa为所述激光雷达的水平分辨率。
26、可选地，对所述特征点进行分类包括：
27、获取所述激光雷达前方和后方的最长光束；
28、将所述最长光束所在的角度视为道路分割线；
29、根据所述道路分割线将所述图像的特征点划分为道路左特征点和道路右特征点。
30、可选地，对所述特征点进行过滤包括：
31、根据所述特征点获取特征图像；
32、对所述特征图像进行滤波；
33、采用随机采样一致性算法对模型进行拟合；
34、获取拟合模型中距离小于阈值的点，并将其作为种子点。
35、可选地，对所述特征点进行过滤还包括：
36、将所述种子点设置为初始值；
37、构建高斯过程回归算法gpr计算模型；
38、将所述初始值输入至高斯过程回归算法gpr计算模型中，以获取所述实时图像中的道路边界。
39、通过上述技术方案，本发明提供的基于雷达信息的图像处理方法通过获取激光雷达的实时图像，先对实时图像进行地面点分割，再对实时图像中的特征点进行提取，并进行分类，最后对特征点进行过滤，以得到实时图像中清晰且准确的道路边界，进而能够便于消防机器人的准确移动和巡视，提高了消防机器人巡视时的移动精度和准度。
40、本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
1.一种基于雷达信息的图像处理方法，其特征在于，包括：
2.根据权利要求1所述的图像处理方法，其特征在于，根据所述实时图像进行地面点分割包括：
3.根据权利要求1所述的图像处理方法，其特征在于，对所述实时图像进行特征点提取包括：
4.根据权利要求3所述的图像处理方法，其特征在于，对所述实时图像进行特征点提取还包括：
5.根据权利要求4所述的图像处理方法，其特征在于，对所述实时图像进行特征点提取还包括：
6.根据权利要求1所述的图像处理方法，其特征在于，对所述特征点进行分类包括：
7.根据权利要求1所述的图像处理方法，其特征在于，对所述特征点进行过滤包括：
8.根据权利要求7所述的图像处理方法，其特征在于，对所述特征点进行过滤还包括：
