一种基于虚拟超点的激光点云配准方法和系统技术方案

本发明专利技术公开一种基于虚拟超点的激光点云配准方法和系统，其中，激光点云配准方法包括：对激光雷达获取的点云数据进行预处理，分别得到源点云和目标点云；将源点云和目标点云投影至球形坐标系，使用稀疏卷积提取点云的特征，得到源点云和目标点云分别对应的超点和超点特征；根据源点云和目标点云的超点特征的欧氏距离，计算得到特征对应概率；查找源点云中每个超点在目标点云中特征对应概率最大的预定数量的超点，使用预定数量的超点生成目标点云中虚拟超点及超点特征；根据源点云的超点分别与目标点云中虚拟超点及超点特征的对应关系生成点云配准结果。本发明专利技术的技术方案能解决现有技术配准的两组点云重叠率较低、鲁棒性不强且配准效率低的问题。且配准效率低的问题。且配准效率低的问题。

【技术实现步骤摘要】
一种基于虚拟超点的激光点云配准方法和系统


[0001]本专利技术涉及激光点云测量
，尤其涉及一种基于虚拟超点的激光点云配准方法和系统。

技术介绍

[0002]两组未对齐部分点云的准确欧式变换(即点云配准)，是许多点云任务的先决条件，例如激光雷达测绘、3D重建、姿态估计、AR/VR和自动驾驶等点云任务，因此找到准确的点云配准方法具有重要意义。激光点云具有数据量大、无序且特征难以提取等特点，传统的点云配准方法在处理大规模点云数据时通常精度较低且速度较慢。
[0003]近年来，随着深度学习技术的发展，大规模点云配准任务的效率得到很大提升，所以基于深度学习的激光点云配准方法具有较大的潜力。目前的点云配准算法以基于深度学习和基于对应点的方法为主。其中，基于深度学习的激光点云配准方法，通常依靠训练神经网络，提取两个输入点云之间的点对应关系，并在此基础上使用稳健的估计算法(例如RANSAC算法)计算对齐变换。上述基于点对应关系的配置方法，通常依赖于关键点的检测，以此来获得对应点。
[0004]然而，检测两个点云重叠区域的关键点是具有挑战本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于虚拟超点的激光点云配准方法，其特征在于，包括：对激光雷达获取的点云数据进行预处理，分别得到待配准的源点云和目标点云；将所述源点云和目标点云投影至球形坐标系，使用稀疏卷积提取投影后的所述源点云和目标点云的特征，得到所述源点云和目标点云分别对应的超点和超点特征；根据所述源点云和目标点云的超点特征之间的欧氏距离，计算得到特征对应概率；查找所述源点云中每个超点在所述目标点云中特征对应概率最大的预定数量的超点，使用所述预定数量的超点生成目标点云中虚拟超点及超点特征；根据所述源点云的超点分别与所述目标点云中虚拟超点及超点特征的对应关系，生成点云配准结果。2.根据权利要求1所述的激光点云配准方法，其特征在于，所述对激光雷达获取的点云数据进行预处理，分别得到待配准的源点云和目标点云的步骤，包括：使用激光雷达扫描被监测场景，得到所述被监测场景对应的点云数据；对所述点云数据进行体素滤波，得到所述源点云和目标点云。3.根据权利要求1所述的激光点云配准方法，其特征在于，所述将源点云和目标点云投影至球形坐标系，使用稀疏卷积提取投影后的所述源点云和目标点云的特征的步骤，包括：将所述源点云和目标点云投影至所述球形坐标系，使用所述球形坐标系分别得到所述源点云和目标点云的球形坐标；将投影至所述球形坐标系的源点云和目标点云输入至稀疏卷积模块进行特征提取；根据所述源点云和目标点云的球形坐标，分别计算得到所述源点云的超点和超点特征，以及目标点云的超点和超点特征。4.根据权利要求1或3所述的激光点云配准方法，其特征在于，所述根据所述源点云和目标点云的超点特征之间的欧氏距离，计算得到特征对应概率的步骤，包括：根据所述源点云和目标点云分别对应的超点特征之间的距离，计算得到两组超点的距离矩阵；使用Softmax函数对所述距离矩阵进行归一化处理，得到所述距离矩阵对应的概率矩阵。5.根据权利要求4所述的激光点云配准方法，其特征在于，所述查找所述源点云中每个超点在所述目标点云中特征对应概率最大的预定数量的超点，使用所述预定数量的超点生成目标点云中虚拟超点及超点特征的步骤，包括：求解所述概率矩阵，计算得到所述源点云中每个超点在所述目标点云中的特征对应概率；选取特征对应概率最大的预定数量的超点和超点特征；根据所述预定数量的超点和超点特征，使用基于距离的加权融合策略分别计算得到所述虚拟超点及超点特...

【专利技术属性】
技术研发人员：请求不公布姓名，孙喜亮，王爽，吴芳芳，
申请(专利权)人：武汉绿土图景科技有限公司，
类型：发明
国别省市：