【技术实现步骤摘要】
本申请涉及自动驾驶，具体涉及一种点云配准方法、智能设备及存储介质。
技术介绍
1、点云配准是求解两帧点云之间相对位姿的一种计算方法，可以根据匹配好的两帧点云计算获得两帧点云之间的相对位姿。根据计算过程中约束形式的不同，可以分为点对点的配准、点对分布(p2d：point to distribution))和分布对分布(d2d：distribution todistribution)的配准。不同约束形式的配准在位姿求解精度和算力上存在差异。这里的distribution一般表示为点云的分辨率格子内的点的高斯分布。其中d2d方法，考虑了两帧点云之间局部形状一致性的约束，精度会更高些，因此业内通常采用d2d形式的约束来迭代优化初始位姿，以此来提高点云配准的精度。
2、但是业内采用的d2d约束形式的点云配准方法，为了避免直接计算雅克比矩阵和海森堡矩阵，一般是采用第三方非线性优化库（比如google开发的ceres）进行求导计算，同时ceres这种通用的非线性优化库，为了通用性，有一些额外的计算，因此导致使用ceres等第三方非线性优化...
【技术保护点】
1.一种点云配准方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述初始相对位姿将所述源点云转换到所述目标点云所在坐标系，具体包括：
3.根据权利要求2所述的方法，其特征在于：所述基于所述目标点云所在坐标系下的所述源点云的高斯分布和所述目标点云的高斯分布构建代价函数具体包括：
4.根据权利要求1所述的方法，其特征在于：所述基于所述雅克比矩阵和所述海森堡矩阵对所述代价函数进行优化迭代获得位姿增量具体为：
5.根据权利要求4所述的方法，其特征在于：所述迭代求解过程还包括：基于所述海森堡矩阵...
【技术特征摘要】
1.一种点云配准方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述初始相对位姿将所述源点云转换到所述目标点云所在坐标系，具体包括：
3.根据权利要求2所述的方法，其特征在于：所述基于所述目标点云所在坐标系下的所述源点云的高斯分布和所述目标点云的高斯分布构建代价函数具体包括：
4.根据权利要求1所述的方法，其特征在于：所述基于所述雅克比矩阵和所述海森堡矩阵对所述代价函数进行优化迭代获得位姿增量具体为：
5.根据权利要求4所述的方法，其特征在于：所述迭代求解过程还包括：基于所述海森堡矩阵、所述雅克比矩阵，以及预先设定的匹配栅格点对噪声确定位姿协方差。
6.根据权利要求4或5所述的方法，其特征在于，所述迭代求解过程还包括：
7.根据权利要求6所述的方法，其特征在于，所述基于所述位姿增量重新计算海森堡矩阵和雅可比矩阵具体包括：
8.根据权利要求1所述的方法，其特...
【专利技术属性】
技术研发人员：游振兴，李琦，孙立，袁弘渊，任少卿，
申请(专利权)人：安徽蔚来智驾科技有限公司，
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。