基于邻域栅格高斯加权俯视图的点云配准方法技术

本发明专利技术公开了基于邻域栅格高斯加权俯视图的点云配准方法，包括点云俯视图的生成，图像匹配，点云配准以及全局优化四个步骤，通过对点云数据沿着z轴投影成图像并在图像上获取对应的特征匹配从而配准点云。其中改进配准中的步骤主要是通过邻域加权获得更好的图像以及端点获取正确匹配。所谓邻域高斯加权的点云投影是在栅格化点云之后，通过计算每个栅格极其邻域中的点到栅格中心的高斯加权密度，最后归一化到灰度图像0

【技术实现步骤摘要】
基于邻域栅格高斯加权俯视图的点云配准方法


[0001]本专利技术属于三维重建与计算机图形学领域，具体涉及一种基于高斯加权俯视图的点云快速配准方法。

技术介绍

[0002]基于地面激光雷达的点云采集工作为获取三维世界的直观信息提供了一种有效的手段。目前，如何针对现实世界进行三维描述，实现场景的数字化的需求与应用越来越广泛。例如：随着传感器技术的快速发展和大量软件处理工具的出现，点云数据得以普及，点云数据通过大量的三维点集合来实现场景的数字化，能够密集而准确地表示出环境中对象的三维几何形状。
[0003]现实生活中经常会出现一下两种场景：
[0004]场景一：对建筑物室内进行装修设计，需要事先获得建筑的模型以及其精确的尺寸，由于人工测量耗时并且成本高，如何快速得到一个高精度的三维建筑模型是十分必要的。
[0005]场景二：随着机器人与自动驾驶技术的发展，自动驾驶汽车等需要对环境感知需求增大，在汽车自动驾驶时需要有一个高精度地图和快速的环境感知能力。
[0006]为了快速得到高精度的三维建筑模型和室外三维地图，研究学者本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于邻域栅格高斯加权俯视图的点云配准方法，其特征在于，包括以下步骤：步骤一：点云俯视图的生成；具体包括以下步骤：A)遍历点云，找到点云中X，Y，Z三个方向上的最小点数值(minX，minY，minZ)和最大数值(maxX，maxY，maxZ)，并给定栅格大小VoxelSize，建立[(maxX
‑
minX)/VoxleSize]
×
[(maxY
‑
minY)/VoxleSize]
×
[(maxZ
‑
minZ)/VoxleSize]个栅格；B)遍历x，y面上的栅格，即x，y相同z不同的所有栅格在俯视图上认为是一个栅格，取每个栅格中心点的加权密度作为对应到图像中的像素值；步骤二：图像匹配；生成点云灰度图像后，在图像上进行特征点查找、特征描述和特征匹配；具体包括以下步骤：C)首先利用opencv中的SIFT特征检测、描述和匹配得到同名点，接着采用在使用Lowe
’
s算法筛选出优秀的匹配同名点，然后利用RANSAC框架以及最小二乘法得到图像变换；D)需要筛选正确的匹配；在图像上利用霍夫变换检测线段，接下来用向量来判断角度相近的线段：将近似平行的线段分为一类，然后将各类线段按照它们的数量进行排序，数量较少的线段为定是错误检测的情况；对于平行的线段，则计算出线段之间的距离，取出距离较近的直线端点进行线段拟合，解决线段重叠问题；根据检测出来的线段，得到它们的端点，以及利用它们的交点来获得墙角点；使用I_target检测出红色的端点，I_source检测出绿色的端点，将步骤B)中计算出结果应用到I_source的端点上，然后计算红色端点和变换后绿色端点的距离dist，如果dist<两个像素，则认为是匹配的端点，如果找到至少两个端点是匹配的，则认为是正确的变换；步骤三：点云配准；点云投影到图像的尺度缩放，将图像变换转到点云变换，要建立点云和图像的联系，结合α、β以及位移参数得到点云变换；设两站点云的一组对应点为P1:(x1,y1,z1)，P2:(x2,y2,z2)，它们满足关系：P1＝R_cloud
·
P2+T_cloud；P1和P2在投影灰度图上的对应点分别为I1:(u1,v1)，I2:(u2,v2)，它们满足关系：I1＝R_Image
·
I2+T_Image；((u1@v1))＝((r11&r12@r21&r22))
·
((u2@v2))+((t1@t2))；其中R_Image和T_Image可以步骤二中的计算结果来确定；根据点云和图像的坐标关系我能够得到它们的缩放关系和位移量，令X上缩放为α，位移为tx，Y上的缩放为β，位移为ty三维上3
×
3的旋转和3
×
1的平移变换矩阵可以写成2
×
2和2
×
1的平面变换矩阵了；P1到I1的变换公式为：((u1@v1))＝((α1&0@0&β1))((x1@y1))+((tx1@ty1...

【专利技术属性】
技术研发人员：熊彪，
申请(专利权)人：武汉称象科技有限公司，
类型：发明
国别省市：