路侧激光雷达点云配准方法及装置制造方法及图纸

本申请提供了一种路侧激光雷达点云配准方法及装置，涉及交通工程技术领域，缓解了传统的点云配准方法的点云配准速度较低的技术问题。该方法包括：根据点云数据以及GPS时间戳数据确定点云数据在不同激光雷达传感器间的对应帧，以完成时间同步；基于点云数据通过角点选取点云配准的第一关键点；通过PICP算法对多个第一关键点组成的图形进行配准，得到旋转矩阵R1和平移向量T1，以完成X

【技术实现步骤摘要】
路侧激光雷达点云配准方法及装置


[0001]本申请涉及交通工程
，尤其是涉及一种路侧激光雷达点云配准方法及装置。

技术介绍

[0002]车联网是智慧交通发展的重要阶段，获取实时高精度的微观交通数据是车联网的最大挑战之一。道路上非网联的交通工具或行人无法与网联车辆之间进行通信，因而成为车联网系统中的“黑点”，影响了网联车发挥其应有的效用。激光雷达能够扫描周围环境，获取探测范围内的目标点云数据，现已被广泛应用于自动驾驶、标志识别等领域。而安装在路侧的激光雷达能够同时获取网联车辆和非网联道路用户的实时高精度数据，是有效解决道路“黑点”问题的手段之一。
[0003]但是，单个路侧激光雷达的探测范围十分有限，并可能出现目标被部分遮挡或无法被探测的情况，因此需要沿路侧的不同方位布设多个激光雷达。而每个激光雷达生成的点云数据都在以其自身为原点的局部坐标系中，要融合多个激光雷达的点云数据，必须将其整合到同一坐标系中，即点云配准。
[0004]目前的多路侧激光雷达具有更大的探测范围，但生成的点云密度更为稀疏，传统的点云配准方法的点云配准速度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种路侧激光雷达点云配准方法，其特征在于，所述方法包括：获取激光雷达传感器检测到的点云数据以及所述点云数据对应的GPS时间戳数据；根据所述点云数据以及所述GPS时间戳数据，确定所述点云数据在不同所述激光雷达传感器间的对应帧，以完成时间同步；基于所述点云数据通过角点选取点云配准的第一关键点；通过PICP算法对多个所述第一关键点组成的图形进行配准，得到旋转矩阵R1和平移向量T1，以完成X
‑
Y平面配准；利用最近邻算法选取不同所述激光雷达传感器的探测区域相交部分的多个地面交点作为第二关键点，并基于所述第二关键点通过PICP算法得到旋转矩阵R2和平移向量T2，以完成Z轴配准。2.根据权利要求1所述的方法，其特征在于，所述根据所述点云数据以及所述GPS时间戳数据，确定所述点云数据在不同所述激光雷达传感器间的对应帧的步骤，包括：读取所述激光雷达传感器检测到的所述点云数据以及所述GPS时间戳数据，使A帧为第一激光雷达传感器中的帧，B帧为第二激光雷达传感器中的帧，则所述A帧在所述第二激光雷达传感器中对应的A＇帧满足下式：其中，m为所述第一激光雷达传感器中所述A帧的点云数量；n为所述第二激光雷达传感器中所述B帧的点云数量；N为所述第二激光雷达传感器中的总帧数；T为某一帧中某点的时间戳。3.根据权利要求2所述的方法，其特征在于，所述基于所述点云数据通过角点选取点云配准的第一关键点的步骤，包括：将所述点云数据从三维空间投影至二维平面；创建一个包含角点的区域，并在所述包含角点的区域内，创建一个由4条直线组成的“L”形边界，且所述“L”形边界两平行直线间的距离为所述激光雷达传感器的测量精度值；在所述包含角点的区域内，移动所述“L”形边界，并计算所述“L”形边界内部包含的点数量，当所述点数量达到最高时，将所述“L”形边界的交点选取为点云配准的第一关键点。4.根据权利要求3所述的方法，其特征在于，所述通过PICP算法对多个所述第一关键点组成的图形进行配准，得到旋转矩阵R1和平移向量T1，以完成X
‑
Y平面配准的步骤，包括：从所述二维平面中选取三个不同的所述第一关键点，且三个不同的所述第一关键点在所述第一激光雷达传感器和所述第二激光雷达传感器中均组成一个三边长不等的三角形；通过PICP算法对所述三角形进行配准，得到旋转矩阵R1和平移向量T1，并使P
A
为所述第一激光雷达传感器的X
‑
Y平面坐标矩阵，P
B
为所述第二激光雷达传感器的X
‑
Y平面坐标矩阵，则通过下式计算得到经X
‑
Y平面配准后的P
B
：P
B
→
A；xy
＝P
B
*R1*T1；基于所述P
A
和所述经X
‑
Y平面配准后的P
B
，得到配准后的X
‑
Y平面坐标如下式：
5.根据权利要求4所述的方法，其特征在于，所述PICP算法包括以下步骤：选取待匹配点云P中的关键点集p
i
∈P；查找源点云Q中的对应点集q
i
∈Q，使其满足min||q
...

【专利技术属性】
技术研发人员：吴建清，马兆有，张营超，宋修广，徐加宾，庄培芝，张宏博，杨梓梁，朱新远，刘健，
申请(专利权)人：公安部交通管理科学研究所，
类型：发明
国别省市：