一种基于杆状构筑物的公路点云自动配准方法技术

本发明专利技术涉及计算机技术领域，具体地说，是一种基于杆状构筑物的公路点云自动配准方法，主要分为三个阶段，第一阶段专注点云数据中杆状构筑物的自动提取与分割工作；第二阶段对上一阶段提取与分割后得到的杆状构筑物点云进行参数的提取，并且对两期数据中提取到的同名杆状物进行自动匹配；第三阶段利用匹配后的杆状构筑物以及其参数，进行两期数据间旋转与平移信息的获取，以完成配准工作。方法只需要两期数据中存在两对同名杆状构筑物，就可以完成配准工作，配准工作完成后可结合迭代最近点（ICP）算法，对配准精度进行进一步的提高。

An Automatic Registration Method of Highway Point Cloud Based on Rod Structure

The invention relates to the field of computer technology. Specifically, it is an automatic registration method of highway point clouds based on rod structures, which is mainly divided into three stages. The first stage focuses on the automatic extraction and segmentation of rod structures in point cloud data; the second stage extracts parameters of rod structures point clouds obtained after the extraction and segmentation of the previous stage, and then extracts two stages of data. In the third stage, the matched rod structure and its parameters are used to acquire rotation and translation information between two periods of data to complete the registration work. The method only needs two pairs of rod structures with the same name in two phases of data to complete the registration work. After the registration work is completed, the registration accuracy can be further improved by combining the iterative closest point (ICP) algorithm.

【技术实现步骤摘要】
一种基于杆状构筑物的公路点云自动配准方法
本专利技术涉及计算机
，具体地说，是一种基于杆状构筑物的公路点云自动配准方法。
技术介绍
点云配准方法通过两个坐标系之间的变化矩阵，其中变化矩阵包含旋转和平移，将一个数据点云（测试点集）的坐标匹配到另一个数据点云（参考点集）的坐标下，从而达到两片点云坐标的一致性。由于点云配准方法的配准精度直接影响误差分析等后续过程的可靠性，因此，在立体匹配、目标识别、姿态估计和图像匹配等计算机视觉领域和计算机辅助几何领域中，点云配准方法是一项关键步骤。点云配准是三维激光扫描技术中处理多站获取数据的必经步骤之一；目前常用人工标靶点与测量过程进行配合，完成点云的配准工作，这种方法要求两站数据之间共同识别到不少于三个的同名标靶点；但当其实际应用于公路测量等工作中，标靶的携带、放置以及识别过程将消耗大量的外业测量工作时间，造成项目周期的加长以及项目支出的增加，而且在公路测量环境下，车辆经过引起的震动或遮挡以及环境因素（大风等），都会对标靶点的稳定性与识别效果产生影响，造成测量结果的不准确，影响项目进度。
技术实现思路
为了解决上述技术问题，本方法使用道路两侧十分常见且形状规则的杆状构筑物（路灯杆、电线杆等）代替标靶点进行公路点云的配准工作，配准过程只需要两对杆状物就可以完成，且方法配准过程实现完全自动化，应用在实际工作中可节省大量项目支出与时间，提高项目开展效率。且经过试验测试，方法可以带来较为理想的配准结果。本专利技术采用的具体技术方案如下：一种基于杆状构筑物的公路点云自动配准方法，主要分为三个阶段，第一阶段专注点云数据中杆状构筑物的自动提取与分割工作；第二阶段对上一阶段提取与分割后得到的杆状构筑物点云进行参数的提取，并且对两期数据中提取到的同名杆状物进行自动匹配；第三阶段利用匹配后的杆状构筑物以及其参数，进行两期数据间旋转与平移信息的获取，以完成配准工作。方法只需要两期数据中存在两对同名杆状构筑物，就可以完成配准工作，配准工作完成后可结合迭代最近点（ICP）算法，对配准精度进行进一步的提高。本专利技术的进一步改进，第一阶段中对杆状构筑物的自动识别与分割，方法名称为二次聚类法。首先对点云数据进行水平方向上的切片处理，之后对各个切片上的点云进行欧式聚类分割，以初步分割出杆状构筑物上的点，在这个过程中，通过对聚类点数量的限制以及控制聚类形状与杆状物形状的符合程度，对初步提取效果进行优化，之后在水平投影面上，对所有切片上的聚类利用其中心点进行第二次欧式聚类，并通过聚类数量的限制对第二次聚类结果进行优化，对于场景内的杆状构筑物部分已经能够实现完整提取，为下一阶段的工作提供数据基础。第二阶段对上一阶段提取出的杆状构筑物进行参数提取与匹配，参数提取使用随机采样一致性算法（RANSAC算法），并在提取过程中依据杆状构筑物特性，对提取出模型的角度和半径进行约束，以加快迭代提取速度并且提升提取效果。参数包括以圆柱为模型的杆状物中心线信息（中心线上一点（X0，Y0，Z0）以及中心线方向向量（m，n，l）），并结合路面信息的自动提取通过计算中心线与路面交点的形式，获取杆状构筑物的中心点信息（Xc，Yc，Zc）。其中中心点信息的获取需要结合对路面进行自动提取，路面自动提取的方法结合第一阶段中的切片信息，利用包含地面点切片与不包含地面点切片间点数的差异，初步提取出地面点集，之后利用RANSAC算法以平面为模型对地面信息进行获取，参数包括平面模型参数（a，b，c，d）。获取参数后，提取同名杆状物的过程为一个经典的最大团问题，因为该方法利用杆状构筑物进行配准，其数量相比利用特征点进行配准会少很多，所以可以利用相对鲁莽的算法解决最大团问题，且不会耗费很多计算时间，其中，中心点计算如下式所示：本专利技术的进一步改进，第三阶段利用提取出的杆状构筑物信息（中心线和中心点信息）利用欧拉角原理进行旋转矩阵和平移值的求取，需要注意的是，在Z轴投影面上进行角度获取时，不需利用杆状物中心线参数，而用两根杆状物中心点的连线求取，这样做是因为现实中杆状物多为竖立，其中心线在Z轴投影面的投影距离过短，容易因测量误差而产生影响。对欧拉角进行求取后，可利用欧拉角根据相应公式获取旋转矩阵，之后利用旋转后对应杆状构筑物中心点坐标之间的差距，确定平移向量，此时，利用杆状构筑物的配准工作结束。本专利技术的有益效果：本方法利用道路两侧常见的杆状构筑物（路灯杆、电线杆等）进行道路点云的粗配准工作，且配准过程只需两根同名杆状物就可完成且实现完全自动化，避免了对人工标靶点的使用，用于实际使用中可大幅提高公路监测的外业工作效率，且避免自然与人为因素对测量过程与结果产生的影响，对三维激光扫描技术在公路监测工作中的开展与应用具有很大意义。附图说明图1是本专利技术披露的点云自动配准方法流程图。图2是本专利技术实施例利用杆状构筑物配准结果表。图3是本专利技术实施例后续ICP算法实施后配准结果表。具体实施方式为了加深对本专利技术的理解，下面将结合附图和实施例对本专利技术做进一步详细描述，该实施例仅用于解释本专利技术，并不对本专利技术的保护范围构成限定。实施例：如图1所示，一种基于杆状构筑物的公路点云自动配准方法，主要分为三个阶段，第一阶段专注点云数据中杆状构筑物的自动提取与分割工作；第二阶段对上一阶段提取与分割后得到的杆状构筑物点云进行参数的提取，并且对两期数据中提取到的同名杆状物进行自动匹配；第三阶段利用匹配后的杆状构筑物以及其参数，进行两期数据间旋转与平移信息的获取，以完成配准工作。方法只需要两期数据中存在两对同名杆状构筑物，就可以完成配准工作，配准工作完成后可结合迭代最近点（ICP）算法，对配准精度进行进一步的提高。在本实施例中，第一阶段中对杆状构筑物的自动识别与分割，方法名称为二次聚类法。首先对点云数据进行水平方向上的切片处理，之后对各个切片上的点云进行欧式聚类分割，以初步分割出杆状构筑物上的点，在这个过程中，通过对聚类点数量的限制以及控制聚类形状与杆状物形状的符合程度，对初步提取效果进行优化，之后在水平投影面上，对所有切片上的聚类利用其中心点进行第二次欧式聚类，并通过聚类数量的限制对第二次聚类结果进行优化，对于场景内的杆状构筑物部分已经能够实现完整提取，为下一阶段的工作提供数据基础。第二阶段对上一阶段提取出的杆状构筑物进行参数提取与匹配，参数提取使用随机采样一致性算法（RANSAC算法），并在提取过程中依据杆状构筑物特性，对提取出模型的角度和半径进行约束，以加快迭代提取速度并且提升提取效果。参数包括以圆柱为模型的杆状物中心线信息（中心线上一点（X0，Y0，Z0）以及中心线方向向量（m，n，l）），并结合路面信息的自动提取通过计算中心线与路面交点的形式，获取杆状构筑物的中心点信息（Xc，Yc，Zc）。其中中心点信息的获取需要结合对路面进行自动提取，路面自动提取的方法结合第一阶段中的切片信息，利用包含地面点切片与不包含地面点切片间点数的差异，初步提取出地面点集，之后利用RANSAC算法以平面为模型对地面信息进行获取，参数包括平面模型参数（a，b，c，d）。获取参数后，提取同名杆状物的过程为一个经典的最大团问题，因为该方法利用杆状构筑物进行配准，其数量相比利用特征点进行配准会少很多，所以可以利本文档来自技高网...

【技术保护点】
1.一种基于杆状构筑物的公路点云自动配准方法，其特征在于，无需利用人工标志点进行配准工作，通过形状规则、根基稳定且在公路场景下较为常见的杆状构筑物，完成公路点云的配准工作，方法主要包括以下阶段：第一阶段：专注点云数据中杆状构筑物的自动提取与分割工作；第二阶段：对第一阶段提取与分割后得到的杆状构筑物点云进行参数的提取，并且对两期数据中提取到的同名杆状物进行自动匹配；第三阶段：利用匹配后的杆状构筑物以及其参数，进行两期数据间旋转与平移信息的获取，以完成配准工作。

【技术特征摘要】
1.一种基于杆状构筑物的公路点云自动配准方法，其特征在于，无需利用人工标志点进行配准工作，通过形状规则、根基稳定且在公路场景下较为常见的杆状构筑物，完成公路点云的配准工作，方法主要包括以下阶段：第一阶段：专注点云数据中杆状构筑物的自动提取与分割工作；第二阶段：对第一阶段提取与分割后得到的杆状构筑物点云进行参数的提取，并且对两期数据中提取到的同名杆状物进行自动匹配；第三阶段：利用匹配后的杆状构筑物以及其参数，进行两期数据间旋转与平移信息的获取，以完成配准工作。2.根据权利要求1所述的基于杆状构筑物的公路点云自动配准方法，其特征在于，在第一阶段中对杆状构筑物的自动分割和提取使用二次聚类法，具体步骤如下：对点云数据进行水平方向上的切片处理，之后对各个切片上的点云进行欧式聚类分割，以初步分割出杆状构筑物上的点，在这个过程中，通过对聚类点数量的限制以及控制聚类形状与杆状物形状的符合程度，对初步提取效果进行优化，之后在水平投影面上，对所有切片上的聚类结果进行第二次欧式聚类，并通过聚类数量的限制对第二次聚类结果进行优化，以得到快速且有效的杆状构筑物识别及分割效果。3.根据权利要求1所述的基于杆状构筑物的公路点云自动配准方法，其特征在于，在第二阶段中对上一阶段提取出的杆状构...

【专利技术属性】
技术研发人员：张正华，陈国良，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：江苏,32