多固态激光雷达标定方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种多固态激光雷达标定方法、装置、设备及存储介质，该方法包括获取源点云和目标点云，对源点云和目标点云进行特征提取与描述，获得源点云对应的第一特征描述子集合和目标点云对应的第二特征描述子集合，将第一特征描述子集合和第二特征描述子集合进行特征匹配，获得匹配点集，根据匹配点集，获得位姿变化结果，并基于位姿变化结果执行标定。本发明专利技术通过对SIFT算法进行改进，将其特征点领域的方形区域转换为一个八边形区域，去除原方形区域四个顶点处的四个三角形区域，实现尺度不变的特征点提取的同时降低了特征描述子维度，提高特征提取与匹配速度，且减小了误匹配率，保证特征匹配的精度，完成高效的多固态激光雷达标定。达标定。达标定。

【技术实现步骤摘要】
多固态激光雷达标定方法、装置、设备及存储介质


[0001]本专利技术涉及激光雷达
，尤其涉及到一种多固态激光雷达标定方法、装置、设备及存储介质。

技术介绍

[0002]固态激光雷达具有分辨率高、价格低、体积小等一系列优点，已逐渐应用到障碍物检测、机器人同时定位与建图、电力巡检、三维重建等多个
单个固态激光雷达视角狭窄,难以保证无人装备的安全运行。为了克服固态激光雷达视场较小的缺点，通常采用多个固态激光雷达组合的方式实现宽视场角的感知。然而，多个固态激光雷达分布在不同位置，各自的坐标系不一致，而雷达数据通常需要放在同一坐标系下处理，因此固态激光雷达的外参标定成为必不可少的一步，标定的准确性直接影响到后续数据处理的准确性。
[0003]现有一种方案提出一种高效的点云配准算法进行固态激光雷达间的标定，该方法不需要制作特定的标定靶，也不需要额外的传感器就可以获得较好的标定效果。该方法融合了3D
‑
HARRIS关键点检测算法与方向直方图签名(SHOT)特征描述子算法进行特征描述，然后通过采样一致性算法粗配准获得初始位姿，解决了初始位姿获取问题。最后通过精配准获取精确的位姿变换结果，从而获得了较好的标定效果，但由于该方案采用3D
‑
HARRIS关键点检测算法提取角点作为特征点，但由于该算法对尺度很敏感，不具备几何尺度不变性，稳定性有待提高。
[0004]现有SIFT算法可用于图像的特征匹配，其具有尺度不变性，有较高的不变形与鲁棒性，但该算法特征存在描述子维度过高、匹配时间长和误匹配率较高的问题。因此，如何提升特征点提取时的不变性和速度，并降低误匹配率，是一个亟需解决的技术问题。
[0005]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

[0006]本专利技术的主要目的在于提供一种多固态激光雷达标定方法、装置、设备及存储介质，旨在解决目前多固态激光雷达标定方法不具备集合尺度不变性以及误匹配率高的技术问题。
[0007]为实现上述目的，本专利技术提供一种多固态激光雷达标定方法，所述方法包括以下步骤：
[0008]获取源点云和目标点云；
[0009]对所述源点云和所述目标点云进行特征提取与描述，获得源点云对应的第一特征描述子集合和目标点云对应的第二特征描述子集合；
[0010]将所述第一特征描述子集合和所述第二特征描述子集合进行特征匹配，获得匹配点集；
[0011]根据所述匹配点集，获得位姿变化结果，并基于所述位姿变化结果执行标定。
[0012]可选的，所述获取源点云和目标点云步骤之后，所述方法还包括：对所述源点云和所述目标点云进行滤波处理。
[0013]可选的，所述滤波处理包括中值滤波和双边滤波。
[0014]可选的，在对所述源点云和所述目标点云进行特征提取与描述时，采用改进的SIFT算法；其中，所述改进的SIFT算法包括：
[0015]构建特征点领域；其中，所述特征点领域包括第一区域、第二区域和第三区域；
[0016]统计所述第一区域、所述第二区域和所述第三区域中每个子区域在8个方向上的梯度累加值，获得每个区域的特征描述子；
[0017]将每个区域的特征描述子进行拼接，获得源点云对应的第一特征描述子集合和目标点云对应的第二特征描述子集合。
[0018]可选的，所述第一区域包括关键点对应的四个方形子区域，所述第二区域包括关键点对应的四个与所述第一区域的边邻接的矩形子区域，所述第三区域包括关键点对应的四个设置于相邻两个第二区域之间的三角子区域。
[0019]可选的，当统计所述第一区域、所述第二区域和所述第三区域中每个子区域在8个方向上的梯度累加值时，获取所述第一区域、所述第二区域和所述第三区域的梯度累加预设权重值，并根据所述梯度累加预设权重值进行梯度累加，以获得每个子区域在8个方向上的梯度累加值。
[0020]可选的，所述根据所述匹配点集，获得位姿变化结果，并基于所述位姿变化结果执行标定步骤，具体包括：
[0021]利用采样一致性算法对所述匹配点集进行粗配准，获得所述源点云和所述目标点云的初始位姿；
[0022]对所述源点云和所述目标点云的初始位姿进行精配准，获得位姿变化结果，并基于所述位姿变化结果执行标定。
[0023]此外，为了实现上述目的，本专利技术还提供了一种多固态激光雷达标定装置，所述多固态激光雷达标定装置包括：
[0024]获取模块，用于获取源点云和目标点云；
[0025]提取与描述模块，用于对所述源点云和所述目标点云进行特征提取与描述，获得源点云对应的第一特征描述子集合和目标点云对应的第二特征描述子集合；
[0026]特征匹配模块，用于将所述第一特征描述子集合和所述第二特征描述子集合进行特征匹配，获得匹配点集；
[0027]标定模块，用于根据所述匹配点集，获得位姿变化结果，并基于所述位姿变化结果执行标定。
[0028]此外，为了实现上述目的，本专利技术还提供了一种多固态激光雷达标定设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的多固态激光雷达标定方法程序，所述多固态激光雷达标定方法程序被所述处理器执行时实现上述的多固态激光雷达标定方法的步骤。
[0029]此外，为了实现上述目的，本专利技术还提供了一种存储介质，所述存储介质上存储有多固态激光雷达标定方法程序，所述多固态激光雷达标定方法程序被处理器执行时实现上述的多固态激光雷达标定方法的步骤。
[0030]本专利技术实施例提出的一种多固态激光雷达标定方法、装置、设备及存储介质，该方法包括获取源点云和目标点云，对所述源点云和所述目标点云进行特征提取与描述，获得源点云对应的第一特征描述子集合和目标点云对应的第二特征描述子集合，将所述第一特征描述子集合和所述第二特征描述子集合进行特征匹配，获得匹配点集，根据所述匹配点集，获得位姿变化结果，并基于所述位姿变化结果执行标定。本专利技术通过对SIFT算法进行改进，将其特征点领域的方形区域转换为一个八边形区域，去除原方形区域四个顶点处的四个三角形区域，降低描述子维度，减少匹配计算量，实现尺度不变的特征点提取的同时降低了特征描述子维度，提高特征提取与匹配速度，且减小了误匹配率，保证特征匹配的精度，完成高效的多固态激光雷达标定。
附图说明
[0031]图1为本专利技术实施例中一种多固态激光雷达标定设备的结构示意图；
[0032]图2为本专利技术实施例中一种多固态激光雷达标定方法的流程示意图；
[0033]图3为本专利技术实施例中多固态激光雷达标定方法的原理示意图；
[0034]图4为本专利技术实施例中改进的SIFT算法的特征点领域的示意图；
[0035]图5为本专利技术实施例中一种多固态激光雷达标定装置的结构框图。
[0036]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式...

【技术保护点】

【技术特征摘要】
1.一种多固态激光雷达标定方法，其特征在于，所述方法包括以下步骤：获取源点云和目标点云；对所述源点云和所述目标点云进行特征提取与描述，获得源点云对应的第一特征描述子集合和目标点云对应的第二特征描述子集合；将所述第一特征描述子集合和所述第二特征描述子集合进行特征匹配，获得匹配点集；根据所述匹配点集，获得位姿变化结果，并基于所述位姿变化结果执行标定。2.如权利要求1所述的多固态激光雷达标定方法，其特征在于，所述获取源点云和目标点云步骤之后，所述方法还包括：对所述源点云和所述目标点云进行滤波处理。3.如权利要求2所述的多固态激光雷达标定方法，其特征在于，所述滤波处理包括中值滤波和双边滤波。4.如权利要求1所述的多固态激光雷达标定方法，其特征在于，在对所述源点云和所述目标点云进行特征提取与描述时，采用改进的SIFT算法；其中，所述改进的SIFT算法包括：构建特征点领域；其中，所述特征点领域包括第一区域、第二区域和第三区域；统计所述第一区域、所述第二区域和所述第三区域中每个子区域在8个方向上的梯度累加值，获得每个区域的特征描述子；将每个区域的特征描述子进行拼接，获得源点云对应的第一特征描述子集合和目标点云对应的第二特征描述子集合。5.如权利要求4所述的多固态激光雷达标定方法，其特征在于，所述第一区域包括关键点对应的四个方形子区域，所述第二区域包括关键点对应的四个与所述第一区域的边邻接的矩形子区域，所述第三区域包括关键点对应的四个设置于相邻两个第二区域之间的三角子区域。6.如权利要求5所述的多固态激光雷达标定方法，其特征在于，当统计所述第一区域、所述第二区域和所述第三区域中每个子区域在8个方向上...

【专利技术属性】
技术研发人员：龙英凯，李永福，佘倩豪，刘佳，杨财伟，王谦，王有元，邓群，罗骁枭，李勇，洪欣媛，陈伟根，李思全，杜林，李剑，张海兵，秦威，黄昊，籍勇亮，宫林，张世海，
申请(专利权)人：重庆大学国网重庆市电力公司国家电网有限公司，
类型：发明
国别省市：