一种基于多个雷达设备的自动化点云拼接方法技术

本发明专利技术公开了一种基于多个雷达设备的自动化点云拼接方法，属于雷达点云技术领域，具体技术方案为：获取雷达点云数据，激光雷达点云数据的抽稀、去噪等预处理，采用空间中五组点坐标构建转换坐标系，通过标靶提取雷达间的公共点坐标，自动识别标靶点，采用点云球心拟合算法计算标靶球心，计算两两雷达间的旋转矩阵和平移向量的参数，使源点云旋转平移过去与目标点云重合，能够实现多个雷达的点云数据拼接，解决多视角残缺点云的补全问题，利用自动识别标靶来进行点云拼接，能够解决重叠率低的两片点云拼接难度大、精度低的问题，有效提高了初始重叠程度较低的点云数据的拼接精度和时间效率。时间效率。时间效率。

【技术实现步骤摘要】
一种基于多个雷达设备的自动化点云拼接方法


[0001]本专利技术属于雷达点云
，具体涉及一种基于多个雷达设备的自动化点云拼接方法。

技术介绍

[0002]点云扫描设备在对环境进行扫描时，往往不能在同一坐标系下将环境的点云数据一次性测量。其原因是环境大小超过了扫描设备的测量范围，并且环境里的物体之间相互遮挡，点云扫描设备在一个角度不太可能扫描到物体的完整点云。得到多片点云数据后，我们需要一种技术将多片点云数据旋转平移到统一的坐标系下，使它们能够组成完整的环境点云数据，这种技术叫点云拼接，点云拼接技术使得大规模、无死角场景三维建模成为可能。
[0003]已有的激光雷达点云拼接技术按照不同的分类依据，可以划分为多个类别。根据转换矩阵解算时所依赖的基元不同，点云配准方法可划分为基于点基元的方法、基于几何基元的方法以及基于体素基元的方法三大类。此种方法依赖于特征描述准确性，否则会严重降低算法精度；按照配准的目的或者阶段不同，可以分为粗配准和精配准两种方法，其中粗配准主要用于解决较大初始转换误差条件下配准矩阵的粗搜寻问题，精配准方法主要用于解决较小初始转换误差条件下配准矩阵的高精度优化问题，此种方法的精配准依赖初始值，否则容易陷入局部最优解当中，在点云拼接中的鲁棒性较低。

技术实现思路

[0004]为解决同一空间中多个雷达设备的点云拼接技术问题，本专利技术提供了一种基于多个雷达设备的自动化点云拼接方法，提高了点云拼接的鲁棒性。
[0005]为实现上述目的，本专利技术所采用的技术方案为：一种基于多个雷达设备的自动化点云拼接方法，包括：
[0006]S1、获取激光雷达点云数据，对环境中布设好的雷达定时采集点云数据，点云数据包括源点云和目标点云，并存入对应路径下。
[0007]S2、点云预处理，对原始激光雷达点云数据进行降采样、去噪等预处理。
[0008]进一步是，步骤S2具体包括以下步骤：
[0009]S21、点云降采样，对采集到的原始激光雷达点云数据采用体素化降采样方法进行抽稀，该方法通过使用规则体素网格从输入点云创造一致化降采样点云，具体为：
①
把点云装进体素网格；
②
把每个被占据的体素中点做平均，取一个精确的点。
[0010]S22、点云去噪，对降采样后的点云数据进行统计滤波方法去噪，该方法计算每个点到其所有临近点的平均距离，假设得到的结果是一个高斯分布，其形状由均值和标准差决定，平均距离在标准范围(由全局距离平均值和方差定义)之外的点，被定义为离群点并从数据集中去除掉。
[0011]S3、建立用于雷达间坐标转换的空间直角坐标系，利用共顶点互相垂直的三条棱
构建直角坐标系的原理，采用空间中五组点建立用于转换的空间直角坐标系。
[0012]S4、球体标靶特征提取、自动识别，对每个激光雷达采集到的全局点云中提取球体标靶的球面点，再对球面点的点位按雷达关系进行一一对应的识别。
[0013]进一步是，步骤S4具体包括以下步骤：
[0014]S41、球体标靶特征提取，对采集到的点云数据进行球体特征识别和反射率的筛选，提取出五组标靶的点云数据。具体为：在全局点云中提取球体目标区域中的点作为待检测点，再从中筛选出反射率较高的点。
[0015]关于球体特征识别，采用球面点的自动提取算法，具体为：
[0016]1)、利用最小二乘法拟合二次曲面，计算点的平均曲率和高斯曲率，筛选出平均曲率K>0，高斯曲率H>0的所有点。
[0017]2)、在筛选出的点中随机取一点，计算邻域，拟合局部球面得到球半径r，球心坐标(x0,y0,z0)，给定半径误差阈值ε(ε>0)。
[0018]3)、对邻域中的每个点到球心的距离d进行计算，若符合条件：r
‑
ε≤d≤r+ε，则认为该点为球面点。若不符合半径条件的点超过给定的数量条件(本实施例设定3至6个)，则认为随机点与其邻域组成的局部点不是球面点，将这些点删除，重新随机取点，直到取到局部球面。
[0019]4)、计算所有到球心坐标距离符合半径条件的点，并输出球面点。
[0020]关于反射率的筛选，因为球体标靶贴了高反射率纸，正常情况下，它们的反射率参数在150左右，在上述步骤(识别球体特征)之后，对提取出的点再进行反射率筛选，即可确定全局点中的标靶球面点。
[0021]S42、球体标靶自动识别，这个步骤主要是做到将两两雷达间的标靶一一对应起来(标靶的点位对应)，用于后续源点云与目标点云间的旋转矩阵r和平移向量t参数的计算。本实施例中对标靶点位的自动识别算法包括：先采用聚类算法，再进行分类(包括计算每个类的中心点、中心距离以及向量叉乘方法)，将五组点一一对应并依次写入指定路径下。
[0022]S5、球面拟合算法计算球心，考虑到噪点的影响，在拟合球面之前，先对点云数据进行统计滤波预处理，处理过程同上述步骤S22。然后再采用最小二乘法拟合三维球面数据，旨在使拟合的半径在均方意义下误差达到最小，目标函数如下：
[0023]e
i
(x0,y0,z0,r)＝(x
i
‑
x0)2+(y
i
‑
y0)2+(z
i
‑
z0)2‑
r2[0024]式中，e
i
是拟合半径的误差，(x
i
,y
i
,z
i
)是已知球面坐标，(x0,y0,z0)和r是拟合的球心坐标和半径。
[0025]则误差的平方和为：
[0026]式中，E是x0,y0,z0,r的函数，因此，令E分别对x0,y0,z0,r的偏导数等于0，即可求出球心(x0,y0,z0)和半径r。
[0027]S6、求解旋转矩阵R和平移向量t，求两个点云之间的旋转平移矩阵，将源点云变换到目标点云相同的坐标系下。
[0028]实施例中有相邻两个激光雷达A、B的扫描数据，有公共球标靶C1、C2、C3、C4、C5，通过点拟合的方法提取A中的C1、C2、C3、C4、C5的三维坐标，同理提取B中的五个球标靶的三维坐标，采用点云配准公式P
t
＝R
·
P
s
+T(其中，R是旋转矩阵，T是平移向量，P
s
和P
t
是源点云和
目标点云中的对应点)把雷达B的点云坐标转换到雷达A的坐标系下。
[0029]其中，求解旋转矩阵R和平移向量t，采用奇异值分解的最小二乘刚性配准，最优化求解旋转矩阵R和平移向量t等价于最小化目标函数如下：
[0030][0031]式中，R就是旋转矩阵，t是平移向量，SO(d)表示d维空间的一组旋转群，R
d
是变换空间，p
i
和q
i
是变换空间中的两组点集，w
i
(w...

【技术保护点】

【技术特征摘要】
1.一种基于多个雷达设备的自动化点云拼接方法，其特征在于，具体步骤如下：S1、获取激光雷达点云数据，对环境中布设好的雷达定时采集点云数据，并存入对应路径下；S2、点云预处理，对原始激光雷达点云数据进行降采样、去噪预处理；S3、建立用于雷达间坐标转换的空间直角坐标系，利用共顶点互相垂直的三条棱构建直角坐标系的原理，采用空间中五组点建立用于转换的空间直角坐标系；S4、球体标靶特征提取、自动识别，对每个激光雷达采集到的全局点云中提取球体标靶的球面点，再对球面点的点位按雷达关系进行一一对应的识别；S5、球面拟合算法计算球心，在拟合球面之前，先对点云数据进行统计滤波预处理，然后再采用最小二乘法拟合三维球面数据，使拟合的半径在均方意义下误差达到最小，目标函数如下：e
i
(x0,y0,z0,r)＝(x
i
‑
x0)2+(y
i
‑
y0)2+(z
i
‑
z0)2‑
r2式中，e
i
是拟合半径的误差，(x
i
,y
i
,z
i
)是已知球面坐标，(x0,y0,z0)是拟合的球心坐标，r是拟合的半径；则误差的平方和为：式中，E是半径误差平方和，令E分别对x0,y0,z0,r的偏导数等于0，即可求出球心(x0,y0,z0)和半径r；S6、求解旋转矩阵R和平移向量t，求不同雷达坐标系间的旋转平移矩阵，将源点云变换到目标点云相同的坐标系下；S7、利用点云合成序列，进行多个雷达点云的拼接，首先采用广度优先搜索思想，将要合成的多个雷达的id输出为序列，在点云拼接中，按照合成序列和上述步骤S6计算出的雷达间的旋转矩阵R和平移向量t，将源点云变换到目标点云相同的坐标系下。2.根据权利要求1所述的一种基于多个雷达设备的自动化点云拼接方法，其特征在于，所述点云数据由源点云和目标点云组成。3.根据权利要求1所述的一种基于多个雷达设备的自动化点云拼接方法，其特征在于，在步骤S2中，具体步骤如下：S21、点云降采样，对采集到的原始激光雷达点云数据采用体素化降采样方法进行抽稀，该方法通过使用规则体素网格从输入点云创造一致化降采样点云，具体为：把点云装进体素网格；把每个被占据的体素中点做平均，取一个精确的点；S22、点云去噪，对降采样后的点云数据进行统计滤波方法去噪，该方法计算每个点到其所有临近点的平均距离，假设得到的结果是一个高斯分布，其形状由均值和标准差决定，平均距离在标准范围之外的点，被定义为离群点并从数据集中去除掉。4.根据权利要求1所述的一种基于多个雷达设备的自动化点云拼接方法，其特征在于，在步骤S4中，具体步骤如下：S41、球体标靶特征提取，对采集到的点云数据进行球体特征识别和反射率的筛选，提取出五组标靶的点云数据，在全局点云中提取球体目标区域中的点作为待检测点，再从中筛选出反射率较高的点；关于球体特征识别，采用球面点...

【专利技术属性】
技术研发人员：高佳锋，李晓方，王强，张付岗，赵文静，张岩，武娇娇，贾颜兴，王磊，邵福，赵彦伟，
申请(专利权)人：山西阳光三极科技股份有限公司，
类型：发明
国别省市：