【技术实现步骤摘要】
一种点云配准的方法、装置、电子设备和计算机存储介质
[0001]本申请涉及地图领域,并且具体的,涉及一种点云配准的方法
、
装置
、
电子设备和计算机存储介质
。
技术介绍
[0002]点云匹配
(Point Cloud Matching)
是将两个或多个点云数据集进行对齐或配准的过程,以找到它们之间的变换关系
。
点云匹配在许多领域中都是重要的任务,如机器人导航
、
三维重建和自动驾驶等
。
[0003]在点云匹配中,常用的方法包括迭代最近点
(Iterative Closest Point
,
ICP)、
正态分布变换算法
(Normal Distributions Transform
,
NDT)
等
。
这些方法在不同的场景和要求下具有各自的优势和适用性
。NDT
算法使用高斯分布模型来描述点云的分布特性,通过最大化相似度指标来找到点云之间的最佳配准,适用于各种类型的点云数据
。
然而,
NDT
算法的缺点是没有直接针对点云数据的线面特征进行提取和表达,忽略了点云数据中的线面特征,在点云匹配时,
NDT
算法的准确性有待提高
。
[0004]专利技术参数
[0005]本申请实施例提供了一种点云配准的方法
、
装置
、< ...
【技术保护点】
【技术特征摘要】
1.
一种点云配准的方法,其特征在于,包括:将预处理后的第一目标点转换到栅格地图的坐标系下得到第二目标点,其中,所述第一目标点为预处理后的激光雷达的点云数据的任一点;将所述第二目标点云投影到所述栅格地图中,确定所述第二目标点在所述栅格地图中对应的参考栅格;确定所述第二目标点与所述参考栅格包括的参考点的残差,所述残差为线特征残差或者面特征残差;优化所述残差,当所述残差达到预设条件时,确定所述第一目标点云与所述参考点匹配
。2.
根据权利要求1所述的方法,其特征在于,所述确定所述第二目标点与所述参考点的残差,包括:当所述参考栅格包括线特征值时,根据线特征的主方向
、
所述第二目标点和所述参考栅格的均值,确定所述第二目标点与所述参考点的线特征残差;或者,当所述参考栅格包括面特征值时,根据面特征的法向量
、
所述第二目标点云和所述参考栅格的均值,确定所述第二目标点与所述参考点的面特征残差
。3.
根据权利要求2所述的方法,其特征在于,所述将预处理后的第一目标点转换到栅格地图的坐标系下得到第二目标点,包括:根据转换矩阵,将预处理后的第一目标点转换到栅格地图的坐标系下得到第二目标点,所述转换矩阵包括旋转矩阵
R
和平移向量
t。4.
根据权利要求3所述的方法,其特征在于,所述根据线特征的主方向
、
所述第二目标点云和所述参考栅格的均值,确定所述第二目标点云与所述参考点的线特征残差,包括:根据式
(1)
确定线特征残差:
residual_line
=
V_principle
×
(R
·
point+t
‑
mean_point)
ꢀꢀꢀꢀ
(1)
其中,
residual_line
是线特征残差,
V_principle
是线特征的主方向,
mean_point
是所述参考栅格的均值,
point
是所述第一目标点,
R
·
point+t
是将所述第一目标点转换为所述第二目标点;或者,所述根据面特征的法向量
、
所述第二目标点和所述参考栅格的均值,确定所述第二目标点与所述参考点的面特征残差,包括:根据式
(2)
确定面特征残差:
residual_plane
=
V_normal
×
(R
·
point+t
‑
mean_point)
ꢀꢀꢀꢀ
(2)
其中,
residual_plane
是面特征残差,
V_normal
是面特征的法向量,
mean_point
是所述参考栅格的均值,
point
是所述第一目标点,
R
·
point+t
是将所述第一目标点转换为所述第二目标点
。5.
根据权利要求4所述的方法,其特征在于,所述优化所述残差,包括:确定所述残差的雅可比矩阵;根据所述残差的雅可比矩阵,采用高斯牛顿算法求解所述旋转矩阵
R<...
【专利技术属性】
技术研发人员:慕翔,赵耀,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。