[發(fā)明專利]一種激光雷達(dá)與視覺點(diǎn)云的初始化自動(dòng)配準(zhǔn)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110573218.6
• 申請(qǐng)日: 2021-05-25
• 公開（公告）號(hào): CN113436235B
• 公開（公告）日: 2022-07-01
• 發(fā)明（設(shè)計(jì)）人: 陳靖;馬明;王涌天
• 申請(qǐng)（專利權(quán)）人: 北京理工大學(xué)
• 主分類號(hào): G06T7/33
• 分類號(hào): G06T7/33;G06T7/66
• 代理公司: 北京理工大學(xué)專利中心 11120
• 代理人: 李微微

本發(fā)明公開了一種激光雷達(dá)與視覺點(diǎn)云的初始化自動(dòng)配準(zhǔn)方法，在現(xiàn)有的JRMPC(多點(diǎn)集聯(lián)合注冊(cè))算法的基礎(chǔ)上，加入了尺度估計(jì)，采用帶有尺度估計(jì)的JRMPC算法進(jìn)行激光雷達(dá)點(diǎn)云和視覺點(diǎn)云的精匹配；該方法采用將體素降采樣和ESF(形狀函數(shù)集成)描述符相結(jié)合，進(jìn)行激光雷達(dá)點(diǎn)云和視覺點(diǎn)云的粗匹配，解決了激光雷達(dá)點(diǎn)云和視覺點(diǎn)云的規(guī)模不同問題；采用歐式距離計(jì)算，可以降低計(jì)算量，縮短計(jì)算時(shí)間。

技術(shù)領(lǐng)域

本發(fā)明屬于信息技術(shù)領(lǐng)域，具體涉及一種激光雷達(dá)與視覺點(diǎn)云的初始化自動(dòng)配準(zhǔn)方法。

背景技術(shù)

三維點(diǎn)云的配準(zhǔn)一直以來(lái)是一個(gè)重要的研究方向，在自動(dòng)駕駛、機(jī)器人導(dǎo)航、增強(qiáng)現(xiàn)實(shí)等各領(lǐng)域均有運(yùn)用。但是異源3D點(diǎn)云的配準(zhǔn)卻十分困難，這是因?yàn)楫愒袋c(diǎn)云之間的尺度、密度、規(guī)模大小、噪聲分布機(jī)制等各方面都有較大的差異性。目前3D點(diǎn)云的配準(zhǔn)算法主要分為兩類，一類是全局配準(zhǔn)算法，另一類是非全局配準(zhǔn)算法。全局配準(zhǔn)算法是基于BnB(分支與定界)的方法，不斷更新變換空間的幾何邊界，從而搜尋出最佳變換矩陣。這類算法的關(guān)鍵在于如何精準(zhǔn)地?cái)?shù)學(xué)建模出變換空間的幾何邊界，從而實(shí)現(xiàn)最佳變換矩陣的準(zhǔn)確搜尋。該算法雖然配準(zhǔn)精度較高，但是由于其需要進(jìn)行大量的計(jì)算，比較耗時(shí)，不適合實(shí)際的運(yùn)用。非全局配準(zhǔn)方法主要分為基于點(diǎn)云特征的配準(zhǔn)方法和基于混合高斯模型的配準(zhǔn)方法。基于點(diǎn)云特征的配準(zhǔn)算法，其算法的精確程度上取決于點(diǎn)云特征的描述是否準(zhǔn)確。但是每一種描述子都有局限性，其魯棒性在異源點(diǎn)云的描述中較低，這將導(dǎo)致無(wú)法實(shí)現(xiàn)點(diǎn)云對(duì)之間準(zhǔn)確匹配，從而不能實(shí)現(xiàn)準(zhǔn)確的注冊(cè)。基于混合高斯模型的配準(zhǔn)算法，是一種基于概率模型的配準(zhǔn)算法，采用混合高斯模型模型來(lái)表示點(diǎn)云的分布，通過最小化相應(yīng)混合高斯模型的統(tǒng)計(jì)差異，從而求取最佳的變換矩陣。該類算法在參數(shù)求解的時(shí)候，通常采用EM(期望最大化)或ECM(期望條件最大化)方法求解。由于該類算法魯棒性高，對(duì)噪聲、密度、視角等因素不敏感，在異源點(diǎn)云的配準(zhǔn)中比較適用。

在復(fù)雜的跟蹤定位系統(tǒng)中，通常會(huì)采集激光雷達(dá)構(gòu)建離線地圖，該地圖規(guī)模較大，且是稠密點(diǎn)云，而在系統(tǒng)的在線階段，采用視覺的方式進(jìn)行在線的跟蹤定位。為了實(shí)現(xiàn)二者之間的關(guān)聯(lián)，需要將激光雷達(dá)點(diǎn)云和視覺重建的點(diǎn)云進(jìn)行配準(zhǔn)，以便實(shí)現(xiàn)精確的定位、導(dǎo)航等各種需求。由于二者構(gòu)建的點(diǎn)云數(shù)據(jù)屬于異源數(shù)據(jù)，在點(diǎn)云的尺度、密度、規(guī)模大小、噪聲分布機(jī)制等各個(gè)方面存在較大差異性。因此，需要著重解決激光雷達(dá)與視覺點(diǎn)云的初始化配準(zhǔn)。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的是提供一種激光雷達(dá)與視覺點(diǎn)云的初始化自動(dòng)配準(zhǔn)方法，能夠解決激光雷達(dá)和視覺點(diǎn)云異源數(shù)據(jù)的關(guān)聯(lián)問題，具有快速實(shí)現(xiàn)異源點(diǎn)云初始化配準(zhǔn)的效果。

一種激光雷達(dá)與視覺點(diǎn)云的初始化自動(dòng)配準(zhǔn)方法，其特征在于，包括如下步驟：

步驟一：獲得整個(gè)真實(shí)場(chǎng)景的激光雷達(dá)掃描點(diǎn)云P_l；

步驟二：利用相機(jī)對(duì)真實(shí)場(chǎng)景的某一區(qū)域進(jìn)行拍照，采用視覺重建的方式獲得該區(qū)域的視覺點(diǎn)云P_v；

步驟三：對(duì)點(diǎn)云P_l和點(diǎn)云P_v進(jìn)行預(yù)處理；

步驟四：從點(diǎn)云P_l中隨機(jī)選取M個(gè)點(diǎn)作為球心，以每一個(gè)球心構(gòu)建N個(gè)半徑大小不同的球體，把球體內(nèi)部的點(diǎn)作為構(gòu)建候選區(qū)域點(diǎn)云的點(diǎn)，從而獲得規(guī)模大小不同的候選區(qū)域點(diǎn)云a＝1，...，N；b＝1，...，M；M＞1；N＞1；

步驟五：尺度統(tǒng)一化，以點(diǎn)云的規(guī)模大小作為尺度基準(zhǔn)，對(duì)點(diǎn)云P_v的尺度調(diào)整，得到點(diǎn)云

步驟六：分別計(jì)算點(diǎn)云和點(diǎn)云的ESF描述子；

步驟七：對(duì)點(diǎn)云的ESF描述子和點(diǎn)云的ESF描述子進(jìn)行粗匹配；

步驟八：選出匹配程度最好的前NN個(gè)候選區(qū)域點(diǎn)云中的點(diǎn)云n＝1，...，NN，和對(duì)應(yīng)點(diǎn)云NN取大于2整數(shù)；