一种点云配准的方法技术

本申请提供一种点云配准的方法

【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
、<br/>电子设备和计算机存储介质，该方法在将点云匹配至栅格地图的过程中，充分考虑到栅格地图的线面特征，进而可以提高点云匹配的准确性
。
[0006]第一方面，本申请实施例提供了一种的方法，包括：
[0007]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；
[0008]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；
[0009]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；
[0010]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
。
[0011]第二方面，本申请实施例提供了一的装置，包括：
[0012]处理单元，用于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；
[0013]所述处理单元还用于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；
[0014]所述处理单元还用于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；
[0015]所述处理单元还用于优化所述残差，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
。
[0016]第三方面，本申请实施例本申请提供了一种电子设备，包括：
[0017]处理器，适于实现计算机指令；以及，
[0018]存储器，存储有计算机指令，计算机指令适于由处理器加载并执行上述第一方面的方法
。
[0019]第四方面，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机指令，该计算机指令被计算机设备的处理器读取并执行时，使得计算机设备执行上述第一方面的方法
。
[0020]第五方面，本申请实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中
。
计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述第一方面的方法
。
[0021]通过上述技术方案，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，并将所述第二目标点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线特征残差或者面特征残差，进而优化所述线特征残差或者面特征残差来匹配所述第二目标点与所述参考点
。
在该第二目标点与参考点匹配的过程中，根据栅格地图中栅格的线特征值或面特征值构造残差，充分考虑到栅格地图中的线面特征，可以提高点云匹配的准确性
。
附图说明
[0022]图1为本申请实施例涉及的系统架构的一个可选的示意图；
[0023]图2为本申请实施例提供的一个点云匹配的示意性框图；
[0024]图3为本申请实施例提供的
NDT
地图；
[0025]图4为本申请实施例提供的
LOAM
算法构建的地图；
[0026]图5为本申请实施例提供的一种的方法
200
的示意性流程图；
[0027]图6为本申请实施例提供的一种三维栅格划分的示意型结构框图；
[0028]图7是本申请实施例的装置
300
的示意性框图；
[0029]图8为本申请实施例提供的电子设备
400
的示意性框图
。
具体实施方式
[0030]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚
、
完整地描述
。
[0031]为了更清楚的理解本申请实施例，下面对本申请涉及到的相关术语进行简单描述
。
[0032]点云数据
(point cloud data)
是指在一个三维坐标系统中的一组向量的集合
。
其中，该集合以点的形式记录，每一个点包含有三维坐标，并且可以携带有关该点属性的其他信息，例如颜色
、
反射率
、
强度等
。
点云数据通常由激光扫描仪
、
相机
、
三维扫描仪等设备获取，可以用于三维建模
、
场景重建
、
机器人导航
、
虚拟现实和增强现实等应用中
。
[0033]点云数据的主要特点是具有高精度
、
高分辨率和高维度的几何信息，可以直观地表示空间中的物体形状
、
表面和纹理等信息
。
点云数据的处理和分析通常需要使用计算机
视觉和计算机图形学的技术，例如点云滤波
、
配准
、
分割
、
重建
、
识别和分类等
。
[0034]常用的点云数据为激光雷达采集的数据，激光雷达的非接触式测量特点，具有测量速度快
、
精度高
、<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：