一种三维激光点云成像中的快速平差方法技术

本发明专利技术公开了一种三维激光点云成像中的快速平差方法，包括：关键帧选取、关键帧配准、平差检测、平差优化。关键帧选取负责从激光雷达获取的全部点云数据中选出后续配准中使用的点云；关键帧配准环节通过相邻两关键帧之间的配准来减小成像误差；平差检测环节负责判断关键帧配准环节中是否出现点云匹配错误；平差优化环节针对出现的点云匹配错误进行优化。本发明专利技术为移动激光雷达实时成像提供了一种快速平差的方法，算法容错性好，可以适用于多种不同环境的三维点云成像。

【技术实现步骤摘要】
一种三维激光点云成像中的快速平差方法
本专利技术涉及一种三维激光点云成像中的快速平差方法，属于遥感与测绘、计算机视觉与模式识别技术，适用于任何三维数字化仪获取的三维点云数据。
技术介绍
三维激光点云成像的平差一直是计算机视觉与模式识别、遥感与测绘领域十分关注的问题，持续的累加数据必然会造成轨迹漂移误差，需要优化平差。以往的平差算法是最后进行全局优化平差，这样速度慢，没有实时性，无法达到实时成像。
技术实现思路
本专利技术要解决的技术问题为：在移动激光雷达地图创建成像中，激光与其获得新一帧点云是以累加的方式获得的，持续累加会造成累计误差，本专利技术提供一种三维激光点云成像中的快速平差方法。该方法从点云的分布特征入手，提取有代表性的特征点，使用特征点在成像的同时快速的进行配准优化误差，大大减小了累计误差，算法容错性好，适合任何三维数字化仪获取三维点云的搜索匹配。本专利技术解决上述技术问题采用的技术方案为：一种三维激光点云成像中的快速平差方法，该方法包括如下步骤：步骤(1)确定一个固定的时间间隔，以该间隔为基础在获取的全部点云中选取关键帧进行平差，降低运算复杂度；步骤(2)在关键帧点云中，提取边界点和平面点，方法是：对于每个点，求该点到在其一定距离内的所有点的向量和的模，再除以激光测距仪到该点的距离，获得该点平整度即其中i为所计算的点，j为i的相邻点，S为i两侧相同个数的点构成的点集，Pi、Pj分别为点i点j的坐标。取其中c值最大的n个点作为边界点，取出c值最小(接近0)的n个点作为平面点。步骤(3)确定特征点之后，对每个特征点进行特征关联。特征关联就是求该特征点到上一帧中该点的关联特征的距离。步骤(4)特征关联之后，每一个特征点都有一个关于上一帧数据的特征距离d，找到一个位姿变换Tk＝[tx,ty,tz,rx,ry,rz]，尽量让所有特征距离都为0，那这个位姿变换就是激光雷达在这两帧数据之间的运动，即f(Pk,Tk)＝dk→0，Pk为k时刻特征点矩阵，dk为k时刻特征距离矩阵，Tk为k-1到k时刻的位姿变换。使用最小二乘法优化计算Tk，根据Tk更新点云位置，再次进行特征关联并更新距离d计算Tk，不断循环直到d小于设定阈值或者循环次数达到上限；步骤(5)若优化完成的后的全部特征距离的平均值比优化前减小，则认为平差完成；反之，则要进行平差优化：将当前关键帧的点云映射到全局坐标系之后，就可以确定激光雷达在已创建的三维点云图中的位置，在三维点云图中，以这个位置为中心取一个立方体内的全部点云与，让当前关键帧与这部分点云再次按步骤(2)、步骤(3)、步骤(4)进行配准来完成平差优化，其中立方体的大小与激光雷达的测量范围有关。其中，所述步骤(3)中配准误差求解方法如下：步骤(3.1)若特征点为平面点，它的关联特征是一个平面，需要在上一帧数据中寻找三个点来确定这个平面，首先遍历寻找上一关键帧中距离特征点最近的点M，再提取与M同一扫描线且距离M最近的点L，提取M的相邻扫描线上与M最近的点N；步骤(3.2)若特征点为平面点，它的关联特征是一个平面，需要在上一帧数据中寻找三个点来确定这个平面：首先遍历寻找上一关键帧中距离特征点最近的点M，再M的相邻扫描线上与M最近的点N。本专利技术与现有技术相比的优点在于：(1)本专利技术在成像的同时进行平差，大大提高了在实际环境中成像的效率。(2)本专利技术提取点云中的边界点和平面点作为特征点，各种环境中都存在类似特征，具有普适性，能供应用于各种不同实际场景。(3)本专利技术在特征关联时使用遍历算法，在计算过程中会自动选取当前最优点对，进而得到最优解。此特点令实验人员无需手动选取点对，提高了工作效率。(4)本专利技术在某次平差失败时会及时检测发现，并自动进行补偿，提高了算法的鲁棒性。(5)本专利技术所述方法不使用GPS/IMU等设备，不受环境限制，可在室内地下等GPS失锁环境中使用。附图说明图1为本专利技术的方法实现流程图；图2为本专利技术关键帧选取示意图；图3为本专利技术平面特征点关联方法图；图4为本专利技术边界特征点关联方法图；图5为本专利技术三维成像结果点云图；图6为本专利技术成像结果平面投影图；具体实施方式下面结合附图以及具体实施方式进一步说明本专利技术。如图1所示，本专利技术包含以下几个计算步骤：关键帧选取、关键帧配准、平差检测、平差优化。关键帧选取负责从激光雷达获取的全部点云数据中选出后续配准中使用的点云；关键帧配准环节通过相邻两关键帧之间的配准来减小成像误差；平差检测环节负责判断关键帧配准环节中是否出现点云匹配错误；平差优化环节针对出现的点云匹配错误进行优化。具体步骤如下：现手持16线激光雷达获取室内点云进行地图创建，这里通过关键帧选取、关键帧配准、平差检测、平差优化等4步在地图创建的同时实时完成平差。(1)关键帧选取确定一个固定的时间间隔，以该间隔为基础在获取的全部点云中选取关键帧进行平差，降低运算复杂度。如图2所示，设定一个间隔为X帧数据，每X帧选择一帧数据作为关键帧，对每个关键帧进行平差。以n+1部分为例，在地图创建过程中，关键帧(n+1)X+1的数据会以持续累加的方式得到的位姿变换映射到全局坐标系内，将映射完成后的数据与上一个关键帧nX+1再次进行配准，优化映射结果并得到优化后的总位姿变换，这样就完成了一次平差。其中，激光雷达在两关键帧间移动路程S越短，两个关键帧之间重复的特征越多，配准效果就越好。如式(1)移动路程S与每个大窗口所包含的帧数X、激光雷达运动速度v及频率f有关，所以在不影响程序运行速度与平差效果的情况下应设定较小的关键帧间隔。在该实例中选取X为10。(2)关键帧配准确定关键帧之后，在关键帧点云中，提取边界点和平面点。对于每个点，求该点到在其一定距离内的所有点的向量和的模，再除以激光测距仪到该点的距离，获得该点平整度即取其中c值最大的5个点作为边界点，取出c值最小(接近0)的5个点作为平面点。若点P为平面点，它的关联特征是一个平面，需要在上一帧数据中寻找三个点来确定这个平面。如图3所示，M为上一帧数据中距离P最近的点，L为与M同一扫描线且距离M最近的点，N为M的相邻扫描线上与M最近的点。若点P为边界点，它的关联特征为一条直线，需要在上一帧数据中寻找两个点来确定这条直线。如图4所示，M为上一帧数1据中距离P最近的点，N为M的相邻扫描线上与M最近的点，其中在三维空间中，点P到直线MN的距离等于点P到过直线MN且与平面PMN垂直的平面的距离。最终两种特征都转化为到某平面的距离，式(3)为平面方程。关联完成后根据式(4)即可求出特征距离,其中x0y0z0为特征点坐标。Ax+By+Cz+D＝0(3)每一个特征点都有一个关于上一帧数据的特征距离d，找到一个位姿变换Tk＝[tx,ty,tz,rx,ry,rz]，尽量让所有特征距离都为0，那这个位姿变换就是激光雷达在这两帧数据之间的运动，即f(Pk,Tk)＝dk→0，Pk为k时刻特征点矩阵，dk为k时刻特征距离矩阵，Tk为k-1到k时刻的位姿变换。使用最小二乘法优化计算Tk，根据Tk更新点云位置，再次进行特征关联并更新距离d计算Tk，不断循环直到d小于设定阈值或者循环次数达到上限。(3)求优化完成后的全部特征距离的平均值与优化前对比，n为特征点个数。若优化完成的后的全部特征距离的平均本文档来自技高网...

【技术保护点】
一种三维激光点云成像中的快速平差方法，其特征在于：该方法包括如下步骤：步骤(1)确定一个固定的时间间隔，以该间隔为基础在获取的全部点云中选取关键帧进行平差，降低运算复杂度；步骤(2)在关键帧点云中，提取边界点和平面点：对于每个点，求该点到在其一定距离内的所有点的向量和的模，再除以激光测距仪到该点的距离，获得该点平整度即

【技术特征摘要】
1.一种三维激光点云成像中的快速平差方法，其特征在于：该方法包括如下步骤：步骤(1)确定一个固定的时间间隔，以该间隔为基础在获取的全部点云中选取关键帧进行平差，降低运算复杂度；步骤(2)在关键帧点云中，提取边界点和平面点：对于每个点，求该点到在其一定距离内的所有点的向量和的模，再除以激光测距仪到该点的距离，获得该点平整度即其中i为所计算的点，j为i的相邻点，S为i两侧相同个数的点构成的点集，PiPj分别为点i点j的坐标，取其中c值最大的n个点作为边界点，取出c值最小(接近0)的n个点作为平面点；步骤(3)确定特征点之后，对每个特征点进行特征关联，特征关联就是求该特征点到上一帧中该点的关联特征的距离；步骤(4)特征关联之后，每一个特征点都有一个关于上一帧数据的特征距离d，找到一个位姿变换Tk＝[tx,ty,tz,rx,ry,rz]，尽量让所有特征距离都为0，那这个位姿变换就是激光雷达在这两帧数据之间的运动，即f(Pk,Tk)＝dk→0，Pk为k时刻特征点矩阵，dk为k时刻特征距离矩阵，Tk为k-1到k时刻的位姿变换，使用最小二乘法优化计算Tk，根据...

【专利技术属性】
技术研发人员：胡少兴，肖杨，李晓东，肖深，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11