【技术实现步骤摘要】
标志物匹配方法、装置及终端设备
本申请涉及点云匹配
，尤其涉及一种标志物匹配方法、装置及终端设备。
技术介绍
经过激光雷达扫描得到的点云数据，通常含有大量具有丰富语义信息的标志物的点云数据。其中，标志物可以为建筑、杆、树木、标线等。这些标志物的点云数据，既可以作为高精度地图在定位、场景理解、建立数字城市等应用中的数据基础，也可以用于优化高精度地图的重建过程。点云数据的采集通常需要分批多次实现，因为激光雷达的扫描光束受诸如物体遮挡、激光雷达的所处位置等原因，难以一次扫描目标区域(诸如特定物体、特定场景等)得到完整且清晰的点云数据，往往需要从不同的位置和角度对目标区域进行分批多次扫描，之后对不同批次扫描得到的点云数据进行拼接处理。为了保证高精度地图的全局一致性，避免拼接过程中产生的误差，不同批次的点云需要通过匹配与优化进行拼接。现有技术中点云的匹配方法主要基于单一的几何特征，准确率和鲁棒性较差，不能满足实际应用的需要。
技术实现思路
有鉴于此，本申请实施例提供一种标志物匹配方法、装置及终端设备，...
【技术保护点】
1.一种标志物匹配方法，其特征在于，所述方法包括：/n从第一组点云数据中获取第一标志物的第一点云数据；/n从第二组点云数据中获取第二标志物的第二点云数据；/n根据所述第一点云数据和所述第二点云数据，获取所述第一标志物与所述第二标志物的匹配特征；所述匹配特征包括表征标志物匹配关系的全局特征和局部特征；/n根据所述匹配特征确定所述第一标志物与所述第二标志物的匹配关系。/n
【技术特征摘要】
1.一种标志物匹配方法，其特征在于，所述方法包括：
从第一组点云数据中获取第一标志物的第一点云数据；
从第二组点云数据中获取第二标志物的第二点云数据；
根据所述第一点云数据和所述第二点云数据，获取所述第一标志物与所述第二标志物的匹配特征；所述匹配特征包括表征标志物匹配关系的全局特征和局部特征；
根据所述匹配特征确定所述第一标志物与所述第二标志物的匹配关系。
2.如权利要求1所述的方法，其特征在于，根据所述第一点云数据和所述第二点云数据，获取所述第一标志物与所述第二标志物的匹配特征的步骤，包括：
根据所述第一点云数据和所述第二点云数据，获取所述第一标志物与所述第二标志物的全局特征，所述全局特征包括：全局位姿偏差和/或全局几何特征匹配度；
根据所述第一点云数据和所述第二点云数据，获取所述第一标志物与所述第二标志物的局部特征，所述局部特征包括：局部特征点相似度。
3.如权利要求2所述的方法，其特征在于，根据所述第一点云数据和所述第二点云数据，获取所述第一标志物与所述第二标志物的全局位姿偏差的步骤，包括以下至少之一：
根据所述第一点云数据和所述第二点云数据，计算所述第一标志物与所述第二标志物间的绝对位置差；
根据所述第一点云数据和所述第二点云数据，计算所述第一标志物与所述第二标志物间的姿态角度差；
根据所述第一点云数据和所述第二点云数据，计算所述第一标志物与所述第二标志物的点云重叠度。
4.如权利要求3所述的方法，其特征在于，根据所述第一点云数据和所述第二点云数据，计算所述第一标志物与所述第二标志物间的绝对位置差的步骤，包括：
根据所述第一点云数据，计算所述第一标志物的第一绝对位置；
根据所述第二点云数据，计算所述第二标志物的第二绝对位置；
计算所述第一绝对位置和所述第二绝对位置的差，得到所述第一标志物与所述第二标志物间的绝对位置差。
5.如权利要求3所述的方法，其特征在于，根据所述第一点云数据和所述第二点云数据，计算所述第一标志物与所述第二标志物间的姿态角度差的步骤，包括：
根据所述第一点云数据，计算所述第一标志物的第一姿态角度；
根据所述第二点云数据，计算所述第二标志物的第二姿态角度；
计算所述第一姿态角度和所述第二姿态角度的差，得到所述第一标志物与所述第二标志物间的姿态角度差。
6.如权利要求3所述的方法，其特征在于，根据所述第一点云数据和所述第二点云数据，计算所述第一标志物与所述第二标志物间的点云重叠度的步骤，包括：
计算所述第一点云数据与所述第二点云数据之间的重合程度；
将所述重合程度确定为所述第一标志物与所述第二标志物间的点云重叠度。
7.如权利要求2所述的方法，其特征在于，根据所述第一点云数据和所述第二点云数据，获取所述第一标志物与所述第二标志物的局部特征的步骤，包括：
根据所述第一点云数据和所述第二点云数据，计算所述第一标志物与所述第二标志物的局部特征点相似度，所述局部特征点相似度包括以下至少之一：点特征直方图PFH相似度、快速点特征直方图FPFH相似度、矢量场直方图VFH相似度和方向直方图SHOT相似度。
8.如权利要求1所述的方法，其特征在于，所述匹配特征还包括类型特征。
9.如权利要求1所述的方法，其特征在于，根据所述匹配特征确定所述第一标志物与所述第二标志物的匹配关系的步骤包括：
将所述匹配特征输入至预先训练的分类模型中，得到所述第一标志物与所述第二标志物的匹配关系。
10.如权利要求9所述的方法，其特征在于，所述分类模型的训练步骤包括：
获取训练样本集；所述训练样本集包括来自点云数据样本中的每对标志物对应的特征向量以及每对所述标志物的匹配标签，所述匹配标签用以标识每对所述标志物是否匹配；
将所述训练样本集输入至分类器中进行训练，得到分类模型。
11.如权利要求10所述的方法，其特征在于，获取训练样本集的步骤包括：
采集不同场景下的点云数据样本；
提取所述点云数据样本中的标志物的点云数据；
获取每对所述标志物对应的特征向量；所述特征向量是与标志物间匹配关系具有相关性的特征集合；
按照用户的标注指令标注每对所述标志物的匹配标签。
12.如权利要求10所述的方法，其特征在于，将所述训练样本集输入至分类器中进行训练的步骤，包括：
从所述训练样本集抽取一批训练样本；
将所述训练样本中每对所述标志物的特征向量输入分类器中进行训练；
根据所述训练样本的中每对所述标志物的匹配标签验证当前的训练结果，如果所述训练结果不符合设定的训练要求，继续重复上述训练过程，直到训练结果符合所述设定的训练要求时结束训练，得到所述分类模型。
13.如权利要求1至12任一项所述的方法，其特征在于，所述方法还包括：
根据所述第一标志物与所述第二标志物的匹配关系，对第一组点云数据和所述第二组点云数据进行拼接处理。
14.一种标志物匹配装置，其特征在于，所述装置包括：
第一获取模块，用于从第一组点...
【专利技术属性】
技术研发人员：马腾，杨晟，朱晓玲，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。