[發(fā)明專利]一種基于平面特征約束的LiDAR點云無初值配準(zhǔn)方法

有效

• 申請?zhí)枺?/td>: 201910368059.9
• 申請日: 2019-05-05
• 公開（公告）號: CN110288636B
• 公開（公告）日: 2020-02-18
• 發(fā)明（設(shè)計）人: 王永波;鄭南山;張秋昭;楊化超
• 申請（專利權(quán)）人: 中國礦業(yè)大學(xué)
• 主分類號: G06T7/33
• 分類號: G06T7/33
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 康燕文

本發(fā)明公布了一種基于平面特征約束的LiDAR點云無初值配準(zhǔn)方法，本發(fā)明采用四參數(shù)法實現(xiàn)了三維空間中平面特征的表達，以配準(zhǔn)后相鄰測站同名平面特征的參數(shù)相等作為約束條件，依據(jù)最小二乘準(zhǔn)則構(gòu)建了平面特征約束下基于對偶四元數(shù)描述的三維空間相似變換目標(biāo)函數(shù)，并通過對目標(biāo)函數(shù)的極值分析實現(xiàn)了配準(zhǔn)參數(shù)的無初值求解。平面特征的四參數(shù)表達為同名特征的比較提供了更加簡單與有效的方式；較之于向量代數(shù)，基于對偶四元數(shù)描述的空間相似變換模型其表達形式更加簡潔，配準(zhǔn)過程中的附加約束條件更少；較之于迭代法，本專利算法在無需事先確定空間相似變換模型參數(shù)初值的前提下實現(xiàn)了參數(shù)的直接求解，算法的穩(wěn)定性更好、可靠性更高。

技術(shù)領(lǐng)域

本發(fā)明具體涉及一種基于平面特征約束的LiDAR點云無初值配準(zhǔn)方法。

背景技術(shù)

激光雷達(LiDAR)憑借其快速、高效、高精度等優(yōu)良特性，為全面、真實、快速、準(zhǔn)確地再現(xiàn)地理空間實體及其環(huán)境信息提供了可靠的數(shù)據(jù)保證。然而，源于地理實體的空間復(fù)雜度普遍較高，而LiDAR傳感器的視覺面通常較窄等原因，為了獲取能夠全面表征地理實體及其周邊地物的表面特征數(shù)據(jù)，基于地面LiDAR技術(shù)的空間三維數(shù)據(jù)采集方法通常需要沿著多個不同的視向瞄準(zhǔn)對象，采集能夠描述目標(biāo)地理實體及其周邊地物表面特征的LiDAR點云數(shù)據(jù)，并基于點云配準(zhǔn)算法將原本各自獨立的測站拼接到一起，以實現(xiàn)對地理實體及其周邊環(huán)境信息的全面表達。

LiDAR點云配準(zhǔn)的實質(zhì)，是尋求并確立相鄰測站LiDAR點云之間的特征對應(yīng)關(guān)系，基于空間相似變換模型對相鄰測站坐標(biāo)基準(zhǔn)間的相對位置關(guān)系進行描述，解算用于描述兩坐標(biāo)基準(zhǔn)間相對位置關(guān)系的旋轉(zhuǎn)、縮放與平移參數(shù)，進而實現(xiàn)不同測站坐標(biāo)系之間的相互轉(zhuǎn)換以及坐標(biāo)基準(zhǔn)的統(tǒng)一。當(dāng)前，LiDAR點云配準(zhǔn)中常用的模型參數(shù)求解方法是把空間相似變換公式采用多元函數(shù)的泰勒公式展開，并對其實施線性化處理，進而基于迭代的方式來實現(xiàn)空間相似變換參數(shù)的求解。然而，迭代法其自身存在如下不足：1)需要事先確定變換參數(shù)的初值，并據(jù)此實現(xiàn)非線性目標(biāo)函數(shù)模型的線性化，初值選擇不當(dāng)，則可能會造成結(jié)果的不正確或函數(shù)的不收斂；2)受線性化過程的約束，此類方法本質(zhì)上僅適用于小轉(zhuǎn)角坐標(biāo)變換的情況，在LiDAR點云的配準(zhǔn)過程中，若不能提供兩坐標(biāo)系統(tǒng)之間的相似變換模型參數(shù)初值，或提供的相似變換模型參數(shù)初值不夠理想，計算結(jié)果的正確性與可靠性將受到嚴(yán)重影響。相比較而言，解析法通過最優(yōu)化誤差函數(shù)來計算得到空間相似變換模型的參數(shù)，避免了初值計算以及由此帶來的迭代收斂性問題，因此，研究LiDAR點云配準(zhǔn)的解析求解方法(又稱直接求解方法或直接法)有著重要的意義。

現(xiàn)有的LiDAR點云配準(zhǔn)的解析求解算法中，根據(jù)點云配準(zhǔn)算法中旋轉(zhuǎn)變換過程的數(shù)學(xué)描述方法不同，可以將其分為3類：1)利用向量代數(shù)來實現(xiàn)旋轉(zhuǎn)變換過程的描述，并基于旋轉(zhuǎn)矩陣的正交化和奇異值分解(Single Value Decomposition，簡稱SVD)來實現(xiàn)變換參數(shù)的直接求解方法；2)基于單位四元數(shù)來實現(xiàn)旋轉(zhuǎn)變換過程的描述，并基于此實現(xiàn)的變換參數(shù)的直接求解方法；3)基于對偶四元數(shù)來實現(xiàn)旋轉(zhuǎn)變換過程的描述，并基于此實現(xiàn)的變換參數(shù)的直接求解方法。其中，單位四元數(shù)僅利用4個參數(shù)即可實現(xiàn)旋轉(zhuǎn)變換過程的簡潔描述，較之于向量代數(shù)法(利用旋轉(zhuǎn)矩陣或旋轉(zhuǎn)角對旋轉(zhuǎn)變換過程進行描述)，計算更為簡單，然而，在求解空間相似變換參數(shù)的過程中，平移向量的計算是建立在旋轉(zhuǎn)變換參數(shù)結(jié)果的基礎(chǔ)之上，因此，結(jié)果的精度在一定程度上將受到旋轉(zhuǎn)變換參數(shù)的影響，且這種影響存在誤差傳遞和累積現(xiàn)象；相比較之下，對偶四元數(shù)可實現(xiàn)旋轉(zhuǎn)與平移參數(shù)的直接描述，旋轉(zhuǎn)與平移的參數(shù)求解過程之間不存在任何相關(guān)性，因此，近年來有關(guān)其在LiDAR點云配準(zhǔn)及其相關(guān)應(yīng)用中的研究受到密切關(guān)注。