点云配准方法及边缘服务器技术

本发明专利技术提供一种点云配准方法及边缘服务器，该点云配准方法包括：对源点云和目标点云进行粗配准，获得所述目标点云的粗配准点云，其中，所述源点云为通过第一测量设备测量获得的点云，所述目标点云为通过第二测量设备测量获得的点云，所述第一测量设备和所述第二测量设备具有共同测量区域；对所述源点云和所述粗配准点云进行精确配准；其中，对源点云和目标点云进行粗配准时，采用深度图特征与特征点分布特征结合的方法进行粗配准，由于将点云转换为深度图时将点云数据映射到平面坐标系中，使得密度较大的点云的密度变得稀疏，当需要配准的两个点云密度差距较大时，也可以提供较佳的配准效果。配准效果。配准效果。

【技术实现步骤摘要】
点云配准方法及边缘服务器


[0001]本专利技术实施例涉及点云拼接
，尤其涉及一种点云配准方法及边缘服务器。

技术介绍

[0002]路侧感知场景中，通常采用激光雷达获取路面的点云数据，激光雷达按照固定间隔进行排布，通过将不同激光雷达在共同测量区域的共有点云信息进行点云配准，可以获得不同激光雷达坐标系转换关系，从而可以进行跨设备感知与追踪。点云间配准效果直接影响目标的跨设备感知与跟踪。但是，由于雷达分布远近问题，造成了距离共同测量区域近的雷达点云密度高，而较远的雷达在共同测量区域的点云密度低，在点云特征提取时，容易造成配准效果不佳。

技术实现思路

[0003]本专利技术实施例提供一种点云配准方法及边缘服务器，用于解决由于不同测量设备获得的点云密度差距较大，导致配准效果不佳的问题。
[0004]为了解决上述技术问题，本专利技术是这样实现的：
[0005]第一方面，本专利技术实施例提供了一种点云配准方法，包括：
[0006]对源点云和目标点云进行粗配准，获得所述目标点云的粗配准点云，其中，所述源点云为通过第一测量设备测量获得的点云，所述目标点云为通过第二测量设备测量获得的点云，所述第一测量设备和所述第二测量设备具有共同测量区域；
[0007]对所述源点云和所述粗配准点云进行精确配准；
[0008]其中，对所述对源点云和目标点云进行粗配准，获得所述目标点云的粗配准点云包括：
[0009]获取所述源点云和所述目标点云的点云深度图；
[0010]获取所述源点云和所述目标点云的点云深度图中的特征点，对所述特征点进行计算，获得所述源点云和所述目标点云的特征点分布特征描述；
[0011]根据所述特征点和特征点分布特征描述，确定所述源点云和所述目标点云的特征点匹配关系；
[0012]根据所述特征点匹配关系，获得所述目标点云的转换矩阵；
[0013]根据所述转换矩阵，获得粗配准点云。
[0014]可选的，获取所述目标点云的点云深度图之前还包括：
[0015]根据所述源点云和所述目标点云的位置信息和角度外参标定结果，对所述目标点云进行初步转换，获得所述目标点云的初步转换点云；
[0016]对所述初步转换点云进行点云校正，获得所述目标点云对应的粗转换点云以更新所述目标点云。
[0017]可选的，对所述初步转换点云进行点云校正，获得所述目标点云对应的粗转换点
云包括：
[0018]分别对所述源点云和所述初步转换点云进行地面点云拟合，获得所述源点云和所述初步转换点云的地面向量；
[0019]根据所述地面向量获得所述初步转换点云相对于所述源点云的旋转角；
[0020]根据所述旋转角对所述初步转换点云进行点云校正，获得所述目标点云。
[0021]可选的，通过以下公式进行地面点云拟合：
[0022]Ax+By+Cz+D＝0
[0023]其中，A，B，C，D为常量，x,y,z为点云数据的位置信息。
[0024]可选的，通过以下公式进行所述旋转角的计算：
[0025]θ＝arccos(R，V)
[0026]其中，θ为所述旋转角，R为所述初步转换点云的地面向量，V为所述源点云的地面向量。
[0027]可选的，通过以下公式对所述初步转换点云进行点云校正：
[0028]P
ti
＝TP
t1
[0029][0030]其中，P
ti
为所述目标点云，P
t1
为所述初步转换点云，T为转换矩阵。
[0031]可选的，获取所述源点云和所述目标点云的点云深度图包括：
[0032]分别对所述源点云和所述目标点云进行点云簇聚合，获得所述源点云的点云簇和所述目标点云的点云簇，并获取每个所述点云簇的识别框；
[0033]对所述点云簇的识别框进行体素化处理，获得多个体素，并将每个所述体素的中点质心作为体素中心点，与所述体素中心点最近的N个体素中心点构成N个曲率表面，并计算所述N个曲率表面的表面法向量，根据所述表面法向量获得所述体素中心点邻域表面的曲率信息；
[0034]根据所述曲率信息，计算所述源点云中的每一点云簇与所述目标点云中的每一点云簇的相似度，根据所述相似度确定所述目标点云和所述源点云中的最匹配点云簇和最匹配区域，将所述源点云或所述目标点云中的所述最匹配区域中的体素个数较大的点云中的点云簇采用体素个数较小的点云簇代替；
[0035]根据所述源点云的点云簇生成所述源点云的点云深度图；
[0036]根据所述目标点云的点云簇生成所述目标点云的点云深度图。
[0037]可选的，N等于3。
[0038]可选的，根据所述表面法向量获得所述体素中心点邻域表面的曲率信息包括：
[0039]将所述N个表面法向量的平均值作为所述体素中心点邻域表面的曲率信息。
[0040]可选的，根据所述曲率信息，计算所述源点云中的每一点云簇与所述目标点云中的每一点云簇的相似度包括：
[0041]选取所述源点云和所述目标点云对应的点云体素空间中体素个数较小的点云体素空间作为体素卷积核，与体素个数较大的点云体素空间进行对比计算，获得相同对应空
间占用体素系数；
[0042]根据所述源点云和所述目标点云对应的所述曲率信息，计算所述源点云和所述目标点云的曲率相似度系数；
[0043]根据所述相同对应空间占用体素系数和所述曲率相似度系数，计算所述源点云中的点云簇与所述目标点云中的点云簇的相似度。
[0044]可选的，通过以下公式计算所述相同对应空间占用体素系数：
[0045][0046][0047]其中，C0为所述相同对应空间占用体素系数，V
min
为所述体素个数较小的点云体素空间的体素个数，V
max
为所述体素个数较大的点云体素空间的体素个数，n为所述体素卷积核与卷积区域中相同属性的体素个数，所述相同属性为同为有点或没点的点云体素空间。
[0048]可选的，通过以下公式计算所述曲率相似度系数：
[0049][0050][0051]其中，c为所述曲率相似度系数，cur
i
为所述源点云对应的所述曲率信息，cur
j
为所述目标点云对应的所述曲率信息，α
i
为所述源点云的体素的属性，α
j
为所述目标点云的体素的属性，所述属性为体素内有点或无点。
[0052]可选的，通过以下公式计算所述源点云中的点云簇与所述目标点云中的点云簇的相似度：
[0053]S＝c*C0[0054]其中，S为所述源点云中的点云簇与所述目标点云中的点云簇的相似度，c为所述曲率相似度系数，C0为所述相同对应空间占用体素系数。
[0055]可选的，根据所述源点云的点云簇生成所述源点云的点云深度图包括：
[0056]计算所述源点云的每个点本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种点云配准方法，其特征在于，包括：对源点云和目标点云进行粗配准，获得所述目标点云的粗配准点云，其中，所述源点云为通过第一测量设备测量获得的点云，所述目标点云为通过第二测量设备测量获得的点云，所述第一测量设备和所述第二测量设备具有共同测量区域；对所述源点云和所述粗配准点云进行精确配准；其中，对所述对源点云和目标点云进行粗配准，获得所述目标点云的粗配准点云包括：获取所述源点云和所述目标点云的点云深度图；获取所述源点云和所述目标点云的点云深度图中的特征点，对所述特征点进行计算，获得所述源点云和所述目标点云的特征点分布特征描述；根据所述特征点和特征点分布特征描述，确定所述源点云和所述目标点云的特征点匹配关系；根据所述特征点匹配关系，获得所述目标点云的转换矩阵；根据所述转换矩阵，获得粗配准点云。2.如权利要求1所述的方法，其特征在于，获取所述目标点云的点云深度图之前还包括：根据所述源点云和所述目标点云的位置信息和角度外参标定结果，对所述目标点云进行初步转换，获得所述目标点云的初步转换点云；对所述初步转换点云进行点云校正，获得所述目标点云对应的粗转换点云以更新所述目标点云。3.如权利要求2所述的方法，其特征在于，对所述初步转换点云进行点云校正，获得所述目标点云对应的粗转换点云包括：分别对所述源点云和所述初步转换点云进行地面点云拟合，获得所述源点云和所述初步转换点云的地面向量；根据所述地面向量获得所述初步转换点云相对于所述源点云的旋转角；根据所述旋转角对所述初步转换点云进行点云校正，获得所述粗转换点云。4.如权利要求3所述的方法，其特征在于，通过以下公式进行地面点云拟合：Ax+By+Cz+D＝0其中，A，B，C，D为常量，x,y,z为点云数据的位置信息。5.如权利要求3所述的方法，其特征在于，通过以下公式进行所述旋转角的计算：θ＝arccos(R，V)其中，θ为所述旋转角，R为所述初步转换点云的地面向量，V为所述源点云的地面向量。6.如权利要求3所述的方法，其特征在于，通过以下公式对所述初步转换点云进行点云校正：P
ti
＝TP
t1
其中，P
ti
为所述粗转换点云，P
t1
为所述初步转换点云，T为转换矩阵。
7.如权利要求1所述的方法，其特征在于，获取所述源点云和所述目标点云的点云深度图包括：分别对所述源点云和所述目标点云进行点云簇聚合，获得所述源点云的点云簇和所述目标点云的点云簇，并获取每个所述点云簇的识别框；对所述点云簇的识别框进行体素化处理，获得多个体素，并将每个所述体素的中点质心作为体素中心点，与所述体素中心点最近的N个体素中心点构成N个曲率表面，并计算所述N个曲率表面的表面法向量，根据所述表面法向量获得所述体素中心点邻域表面的曲率信息；根据所述曲率信息，计算所述源点云中的每一点云簇与所述目标点云中的每一点云簇的相似度，根据所述相似度确定所述目标点云和所述源点云中的最匹配点云簇和最匹配区域，将所述源点云或所述目标点云中的所述最匹配区域中的体素个数较大的点云中的点云簇采用体素个数较小的点云簇代替；根据所述源点云的点云簇生成所述源点云的点云深度图；根据所述目标点云的点云簇生成所述目标点云的点云深度图。8.如权利要求7所述的方法，其特征在于，N等于3。9.如权利要求7或8所述的方法，其特征在于，根据所述表面法向量获得所述体素中心点邻域表面的曲率信息包括：将所述N个表面法向量的平均值作为所述体素中心点邻域表面的曲率信息。10.如权利要求7所述的方法，其特征在于，根据所述曲率信息，计算所述源点云中的每一点云簇与所述目标点云中的每一点云簇的相似度包括：选取所述源点云和所述目标点云对应的点云体素空间中体素个数较小的点云体素空间作为体素卷积核，与体素个数较大的点云体素空间进行对比计算，获得相同对应空间占用体素系数；根据所述源点云和所述目标点云对应的所述曲率信息，计算所述源点云和所述目标点云的曲率相似度系数；根据所述相同对应空间占用体素系数和所述曲率相似度系数，计算所述源点云中的点云簇与所述目标点云中的点云簇的相似度。11.如权利要求10所述的方法，其特征在于，通过以下公式计算所述相同对应空间占用体素系数：体素系数：其中，C0为所述相同对应空间占用体素系数，V
min
为所述体素个数较小的点云体素空间的体素个数，V
max
为所述体素个数较大的点云体素空间的体素个数，n为所述体素卷积核与卷积区域中相同属性的体素个数，所述相同属性为同为有点或没点的点云体素空间。12.如权利要求10所述的方法，其特征在于，通过以下公式计算所述曲率相似度系数：
其中，c为所述曲率相似度系数，cur
i
为所述源点云对应的所述曲率信息，cur
j
为所述目标点云对应的所述曲率信息，α
i
为所述源点云的体素的属性，α
j
为所述目标点云的体素的属性，所述属性为体素内有点或无点。13.如权利要求10所述的方法，其特征在于，通过以下公...

【专利技术属性】
技术研发人员：孙天齐，房正正，王柄璇，张童，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：