【技术实现步骤摘要】
本申请属于计算机视觉，具体涉及一种点云配准方法、装置及计算机可读存储介质。
技术介绍
1、激光点云建图技术在三维建模、机器人导航、自动驾驶、城市规划等领域扮演着至关重要的角色，其中，点云配准技术是其中的核心技术之一。这个技术在激光雷达里程计或者点云的融合阶段，均发挥着重要作用。点云配准一般要把源点云配准到目标点云上，以获取两片点云之间的位姿转换关系。
2、当前的点云配准常用方法，主要是迭代最近点(icp，iterative closest point)和正态分布变换(ndt，normal distributions transform)方法及其变种。icp算法是一种常用的点云配准算法通过迭代的方式，不断优化两个点云之间的匹配误差，直到误差最小化为止；ndt算法将点云数据转换为一个概率密度分布，并通过优化这个分布来找到最佳的变换参数。icp算法用到的点云数据量大，且受初始迭代值影响较大，容易陷入局部最优解。ndt算法的性能受单元格大小的选择、概率密度分布的假设等影响较大，在准确性和效率之间很难兼顾。另外，现有的配准方法，不论是采用先验收敛阈值、最大迭代次数或者均方误差、梯度变化等等，仅仅能保障算法本身的收敛，并不能保证结果的准确性。
3、事实上，在实际使用场景中，存在很多卫星导航定位不可用的场景。由于这种情况下缺乏具备足够精度(卫星导航可用时精度可达厘米级)的绝对参考，不同的采集设备、不同路线、不同时段建立的多块点云地图容易错位，从而无法直接融合在一起。此时，为了保持全局的一致性，必须采用点云配准的方法进行
4、因此，如何提高点云配准的准确性是一个亟待解决的问题。
技术实现思路
1、针对上述现有技术中存在的问题，提出了一种点云配准方法、装置及计算机可读存储介质，利用这种方法、装置及计算机可读存储介质，能够提高点云配准的准确性。
2、本申请提供了以下方案。
3、第一方面，本申请提供了一种点云配准方法，包括：
4、解析第一点云数据和第二点云数据，获得第一语义信息和第二语义信息，第一语义信息中包括带坐标的多个语义，第一语义信息中的语义指示第一点云数据中元素的类型，第二语义信息中包括带坐标的多个语义，第二语义信息中的语义指示第二点云数据中元素的类型；
5、将第一语义信息中的语义和第二语义信息中的语义进行匹配，获得匹配语义对；
6、根据匹配语义对进行对第一点云数据和第二点云数据进行配准。
7、在一些可能的实施例中，第一语义信息中的多个语义包括点语义、线语义和面语义，第一点云数据中的多个语义包括点元素、线元素和面元素；
8、第一语义信息中的点语义指示第一点云数据中的点元素的类型，第一语义信息中的线语义指示第一点云数据中的线语义的类型，第一语义信息中的面语义指示第一点云数据中的面元素的类型；
9、第二语义信息中的多个语义包括点语义、线语义和面语义，第二点云数据中的多个语义包括点元素、线元素和面元素；
10、第二语义信息中的点语义指示第二点云数据中的点元素的类型，第二语义信息中的线语义指示第二点云数据中的线语义的类型，第二语义信息中的面语义指示第二点云数据中的面元素的类型。
11、在一些可能的实施例中，将第一语义信息中的语义和第二语义信息中的语义进行匹配，获得匹配语义对，包括：
12、根据语义的坐标将第一语义信息划分为多个网格，并将第二语义信息划分为多个网格；
13、将第一语义信息中目标位置的第一网格，与第二语义信息中目标位置和目标位置周围的多个第二网格进行匹配，在多个第二网格中确定与第一网格匹配程度最高的目标网格；
14、将第一网格中的语义与目标网格中的语义进行匹配，获得至少两个匹配语义对。
15、在一些可能的实施例中，还包括：
16、计算第一点云数据和第二点云数据之间的错位程度；
17、根据错位程度确定多个第二网格中网格的数量，错位程度越高，多个第二网格中网格的数量越多。
18、在一些可能的实施例中，通过下述的公式计算第一点云数据和第二点云数据之间的错位程度sm,n：
19、
20、
21、其中，表示第一网格m和第二网格n内类型type_i的语义的相似度，表示第一网格m内类型type_i的语义的总数，表示第二网格n内类型type_i的语义的总数，ptype_i表示类型type_i的权值。
22、在一些可能的实施例中，多个第二网格包括第二语义信息中目标位置的网格，和与目标位置的网格相邻的8个网格。
23、在一些可能的实施例中，将第一网格中的语义与目标网格中的语义进行匹配，获得至少两个匹配语义对，包括：
24、将目标网格中语义之间的几何关系与第一网格中语义之间的几何关系进行匹配，获得至少两个匹配语义对。
25、在一些可能的实施例中，当第一网格中的语义与目标网格中的语义满足下列条件时，判断第一网格中的语义与第二网格中相应的语义组成匹配语义对：
26、δaij小于α°且δbij小于τ米；
27、δcij小于α/1.4°且δdij小于τ/1.4米；
28、其中，α和τ均为预先设定的常数，表示第一网格中面语义的法向量与线语义的夹角集合{aobj}中第i个元素与目标网格中面语义的法向量与线语义的夹角集合{asrc}中第j个元素的差异，与对应的语义指示的元素的类型一致；
29、表示第一网格中面语义中心点与线语义中心点几何距离集合{bobj}中第i个元素与目标网格中面语义中心点与线语义中心点几何距离集合{bsrc}中第j个元素的差异，与对应的语义指示的元素的类型一致；
30、表示第一网格中面语义中心点与点语义连线和面语义法向量的夹角集合{cobj}中第i个元素与目标网格中面语义中心点与点语义连线和面语义法向量的夹角集合{csrc}中第j个元素的差异，与对应的语义指示的元素的类型一致；
31、表示第一网格中面语义中心点与点语义几何距离集合{dobj}中第i个元素与目标网格中面语义中心点与点语义几何距离集合{dsrc}中第j个元素的差异，与对应的语义指示的元素的类型一致。
32、在一些可能的实施例中，根据匹配语义对进行对第一点云数据和第二点云数据进行配准，包括：
33、提取第一点云数据和第二点云数据中匹配语义对的位置对应的匹配数据；
34、根据匹配数据对进行对第一点云数据和第二点云数据进行配准。
35、在一些可能的实施例中，提取第一点云数据和第二点云数据中匹配语义对的位置对应的匹配数据，包括：
36、将第一点云数据和第二点云数据中坐标在[xmin-δ,ymin-δ,zmin-δ]至[本文档来自技高网...
【技术保护点】
1.一种点云配准方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述第一语义信息中的多个语义包括点语义、线语义和面语义，所述第一点云数据中的多个语义包括点元素、线元素和面元素；
3.根据权利要求1所述的方法，其特征在于，所述将所述第一语义信息中的语义和所述第二语义信息中的语义进行匹配，获得匹配语义对，包括：
4.根据权利要求3所述的方法，其特征在于，还包括：
5.根据权利要求4所述的方法，其特征在于，通过下述的公式计算所述第一点云数据和所述第二点云数据之间的错位程度Sm,n：
6.根据权利要求3所述的方法，其特征在于，所述多个第二网格包括所述第二语义信息中所述目标位置的网格，和与所述目标位置的网格相邻的8个网格。
7.根据权利要求3所述的方法，其特征在于，所述将所述第一网格中的语义与所述目标网格中的语义进行匹配，获得至少两个匹配语义对，包括：
8.根据权利要求7所述的方法，其特征在于，当所述第一网格中的语义与所述目标网格中的语义满足下列条件时，判断所述第一网格中的语义与所述第二
9.根据权利要求3所述的方法，其特征在于，所述根据所述匹配语义对进行对第一点云数据和第二点云数据进行配准，包括：
10.根据权利要求9所述的方法，其特征在于，所述提取所述第一点云数据和所述第二点云数据中所述匹配语义对的位置对应的匹配数据，包括：
11.根据权利要求9所述的方法，其特征在于，所述根据所述匹配数据对进行对第一点云数据和第二点云数据进行配准，包括：
12.根据权利要求9所述的方法，其特征在于，还包括：
13.一种点云配准装置，其特征在于，包括：
14.一种计算机可读存储介质，所述计算机可读存储介质存储有程序，当所述程序被多核处理器执行时，使得所述多核处理器执行如权利要求1-12中任一项所述的方法。
...【技术特征摘要】
1.一种点云配准方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述第一语义信息中的多个语义包括点语义、线语义和面语义，所述第一点云数据中的多个语义包括点元素、线元素和面元素；
3.根据权利要求1所述的方法，其特征在于，所述将所述第一语义信息中的语义和所述第二语义信息中的语义进行匹配，获得匹配语义对，包括：
4.根据权利要求3所述的方法，其特征在于，还包括：
5.根据权利要求4所述的方法，其特征在于，通过下述的公式计算所述第一点云数据和所述第二点云数据之间的错位程度sm,n：
6.根据权利要求3所述的方法，其特征在于，所述多个第二网格包括所述第二语义信息中所述目标位置的网格，和与所述目标位置的网格相邻的8个网格。
7.根据权利要求3所述的方法，其特征在于，所述将所述第一网格中的语义与所述目标网格中的语义进行匹配，获得至少两个匹配语义对，包括：
8...
【专利技术属性】
技术研发人员：吴风波，鞠伟平，郜延红，
申请(专利权)人：浙江宽凳云图科技有限公司，
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。