[發(fā)明專利]一種基于映射圖的LiDAR數(shù)據(jù)隨機(jī)采樣及重構(gòu)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010092005.7
• 申請(qǐng)日: 2020-02-14
• 公開(kāi)（公告）號(hào): CN111311752B
• 公開(kāi)（公告）日: 2021-04-27
• 發(fā)明（設(shè)計(jì)）人: 陳建;陳志峰;楊秀芝;陳元相
• 申請(qǐng)（專利權(quán)）人: 福州大學(xué)
• 主分類號(hào): G06T17/20
• 分類號(hào): G06T17/20;G06T3/00
• 代理公司: 福州元?jiǎng)?chuàng)專利商標(biāo)代理有限公司 35100
• 代理人: 陳明鑫;蔡學(xué)俊

本發(fā)明涉及一種基于映射圖的LiDAR數(shù)據(jù)隨機(jī)采樣及重構(gòu)方法。采集端隨機(jī)捕獲特定角度發(fā)射光束測(cè)得的距離和反射強(qiáng)度值，接收端利用基于梯度和小波稀疏性的交替方向法分別恢復(fù)出距離映射圖和強(qiáng)度映射圖，進(jìn)而轉(zhuǎn)換為點(diǎn)云幀。本發(fā)明能夠直接處理激光雷達(dá)采集的第一手?jǐn)?shù)據(jù)，具有節(jié)約采集端存儲(chǔ)空間，提升重構(gòu)效率的優(yōu)點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于映射圖的LiDAR數(shù)據(jù)隨機(jī)采樣及重構(gòu)方法。

背景技術(shù)

點(diǎn)云主要指三維空間中的離散點(diǎn)集，它是對(duì)物體表面信息的離散采樣。在數(shù)字化文物，自由視點(diǎn)賽事轉(zhuǎn)播，虛擬現(xiàn)實(shí)/增強(qiáng)現(xiàn)實(shí)/混合現(xiàn)實(shí)，自動(dòng)駕駛及輔助駕駛等方面有廣闊的應(yīng)用前景。在智能駕駛領(lǐng)域，激光雷達(dá)動(dòng)態(tài)捕獲的點(diǎn)云數(shù)據(jù)非常龐大。實(shí)際應(yīng)用中由于存儲(chǔ)和傳輸帶寬受限，迫切需要進(jìn)行點(diǎn)云壓縮。

由于點(diǎn)云的稀疏性和無(wú)序性，很難直接減少點(diǎn)云的空間冗余。諸多學(xué)者研究了基于樹(shù)形結(jié)構(gòu)和基于2D矩陣的點(diǎn)云壓縮算法?；跇?shù)形結(jié)構(gòu)的單幀點(diǎn)云壓縮算法可以達(dá)到很高精度，但難以進(jìn)行幀間預(yù)測(cè)；2D矩陣壓縮算法直接提取原始LiDAR數(shù)據(jù)包數(shù)據(jù)，然后采用現(xiàn)有的圖像和視頻壓縮方法對(duì)其進(jìn)行壓縮，然而采集端需要很大的存儲(chǔ)空間存儲(chǔ)動(dòng)態(tài)數(shù)據(jù)包。

作為一種新型的信息處理理論，壓縮感知打破了奈奎斯特理論的瓶頸，可以直接壓縮采樣的數(shù)據(jù)，并能從少量的投影值出恢復(fù)出稀疏或可壓縮的信號(hào)。近年來(lái)壓縮感知被引入到點(diǎn)云的幾何屬性和顏色屬性壓縮中。例如，西電的李佳和上大的張習(xí)民等研究了點(diǎn)云幾何屬性的稀疏化算法，對(duì)xyz三個(gè)坐標(biāo)軸分別進(jìn)行分段、降維、變換和測(cè)量，并利用正交匹配追蹤(OMP)算法重構(gòu)。Shuai Gu將三維點(diǎn)云的不規(guī)則特征作為幾何信息，引導(dǎo)顏色屬性的虛擬自適應(yīng)采樣過(guò)程，并利用OMP進(jìn)行重建。然而，這些點(diǎn)云壓縮感知算法僅適合于靜態(tài)三維點(diǎn)云，不適合動(dòng)態(tài)捕獲的激光雷達(dá)數(shù)據(jù)。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于映射圖的LiDAR數(shù)據(jù)隨機(jī)采樣及重構(gòu)方法，進(jìn)一步簡(jiǎn)化激光雷達(dá)數(shù)據(jù)包的壓縮過(guò)程，提升動(dòng)態(tài)點(diǎn)云重構(gòu)效率。

為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案是：一種基于映射圖的LiDAR數(shù)據(jù)隨機(jī)采樣及重構(gòu)方法，包括采集過(guò)程和重構(gòu)過(guò)程，具體如下：

采集過(guò)程包括如下步驟：

步驟A1：解析原始的LiDAR數(shù)據(jù)包，分離出包括俯仰角ω、偏航角α、時(shí)間戳t、距離R和反射強(qiáng)度I的相關(guān)信息；

步驟A2：隨機(jī)捕獲距離和反射強(qiáng)度，保留對(duì)應(yīng)的俯仰角索引ω_ind、偏航角索引α_ind和時(shí)間索引值t_ind，并提取俯仰角、偏航角及時(shí)間參數(shù)；

重構(gòu)過(guò)程包括以下步驟：

步驟B1：根據(jù)所捕獲的俯仰角索引、偏航角索引和時(shí)間索引對(duì)應(yīng)的距離和反射強(qiáng)度，利用基于梯度稀疏性和小波稀疏性的交替方向乘子法(ADMM)求解每幀的距離映射圖(Range Map)和反射強(qiáng)度映射圖(Intensity Map)；同時(shí)，根據(jù)俯仰角、偏航角信息和時(shí)間參數(shù)，恢復(fù)出不同時(shí)間索引下的俯仰角和偏航角的數(shù)值；

步驟B2：將極坐標(biāo)系下的俯仰角ω、偏航角α和距離R的重構(gòu)值變換到空間坐標(biāo)系下，得到不同時(shí)間索引下的xyz坐標(biāo)，并將xyz及對(duì)應(yīng)的反射強(qiáng)度I的重構(gòu)值矢量化得到三維點(diǎn)云幀。

在本發(fā)明一實(shí)施例中，所述步驟A2中隨機(jī)捕獲距離和反射強(qiáng)度，即b_R＝PR和b_I＝PI，其中P為隨機(jī)采樣操作，并保留對(duì)應(yīng)的俯仰角索引ω_ind、偏航角索引α_ind和時(shí)間索引值t_ind；定義距離或反射強(qiáng)度映射圖(Map)為縱坐標(biāo)為俯仰角編號(hào)，橫坐標(biāo)為偏航角編號(hào)，時(shí)間軸為時(shí)間編號(hào)，內(nèi)容為距離或反射強(qiáng)度的三維映射圖，隨機(jī)捕獲相當(dāng)于取映射圖上部分三維坐標(biāo)點(diǎn)(ω_ind,α_ind,t_ind)對(duì)應(yīng)的R和I。