点云数据的匹配方法、匹配装置以及计算机可读介质制造方法及图纸

本公开涉及点云数据的匹配方法、匹配装置以及计算机可读介质。本实施方式涉及的匹配装置具备：生成部，其生成削减了点云数据的数据量的输入模型，并生成包含多个所述输入模型的输入模型群组；提取部，其根据输入模型的形状信息，从所述输入模型群组中提取一部分输入模型；计算部，其对提取出的提取模型与基于参考点云数据的参考模型进行比较，计算成本；判定部，其判定成本是否收敛；以及变化部，其在成本没有收敛的情况下，使位置姿势向成本变小的方向变化。向变化。向变化。

【技术实现步骤摘要】
点云数据的匹配方法、匹配装置以及计算机可读介质


[0001]本公开涉及点云(点群)数据的匹配方法、匹配装置以及计算机可读介质。

技术介绍

[0002]作为点云数据的位置对准方法，在利用ICP(Iterative Closest Point，迭代最近点法)。ICP是通过调整输入点云和位置姿势以使输入点云与参考点云一致来计算相对位置姿势的方法。例如，ICP被利用于汽车的自身位置推定。从设置于汽车的LiDAR(Light Detection And Ranging(光探测和测距)或者Laser Imaging Detection And Ranging(激光成像探测和测距))取得的点云数据成为输入点云。另外，街道地图由点云表现，作为参考点云数据而给出。
[0003]日本特开2019
‑
101885号公报中公开了通过NDT(Normal Distribution Transform，正态分布变换法)进行自身位置推定的技术。日本特开2019
‑
101885号公报的建模装置对点云数据应用体素(voxel)分割，按本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种点云数据的匹配装置，具备：生成部，其生成削减了点云数据的数据量的输入模型，并生成包含多个所述输入模型的输入模型群组；提取部，其根据所述输入模型的形状信息，从所述输入模型群组中提取一部分输入模型；计算部，其对提取出的提取模型与基于参考点云数据的参考模型进行比较，计算成本；判定部，其判定所述成本是否收敛；以及变化部，其在所述成本没有收敛的情况下，使位置姿势向所述成本变小的方向变化。2.根据权利要求1所述的点云数据的匹配装置，所述提取部根据所述输入模型的方向，决定所述提取模型。3.根据权利要求1或2所述的点云数据的匹配装置，所述提取部根据所述输入模型之间的距离，决定所述提取模型。4.根据权利要求1至3中任一项所述的点云数据的匹配装置，所述输入模型为椭圆体模型，将体素中包含的点作为一个整体而生成所述椭圆体模型。5.根据权利要求1至3中任一项所述的点云数据的匹配装置，所述输入模型为平面模型，将毗邻的多个点作为一个整体而生成所述平面模型。6.一种点云数据的匹配方法，包括：生成削减了点云数据的数据量的输入模型并生成包含多个所述输入模型的输入模型群组的步骤；根据所述输入模型群组中包含的输入模型的形状信息从所述输入模型群组中提取一部分输入模型的步骤；对提取出的提取模型与基于参考点云数据的参考模型进行比较来计算成本的步骤；判定所述成本是否收敛的步骤；和在所述成本没有收敛的情况下使位置姿势向所述成本变小的方向变化的步骤。7.根据权利要求6所述的点云数据的匹配方法，根据所述输入模型的方向，...

【专利技术属性】
技术研发人员：松野喜幸，
申请(专利权)人：丰田自动车株式会社，
类型：发明
国别省市：