[發明專利]一種激光雷達和相機融合的不規則物體測量方法

在審

• 申請號: 202110631408.9
• 申請日: 2021-06-07
• 公開（公告）號: CN113093216A
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 王濤;劉兆偉;李冉冉;賀業鳳
• 申請（專利權）人: 山東捷瑞數字科技股份有限公司
• 主分類號: G01S17/86
• 分類號: G01S17/86;G01B11/00;G06T7/13;G06T7/33;G06T7/62;G06T7/80;G06T17/00
• 代理公司: 煙臺雙聯專利事務所(普通合伙) 37225
• 代理人: 呂靜

1.一種激光雷達和相機融合的不規則物體測量方法，其特征在于，包括：

步驟1：對激光雷達和單目相機模塊進行聯合標定；

步驟2：激光雷達和單目相機同步執行，分別采集獲得不規則物體的激光點云數據和序列圖像，經各自數據融合處理，分別生成不規則物體的激光點云模型和圖像點云數據；

步驟3：對激光點云模型和圖像點云數據進行多源點云數據的配準融合，生成多源點云模型；

步驟4：對多源點云模型進行幾何和紋理重建，生成三維重建模型；

步驟5：對三維重建模型進行體積測量。

2.如權利要求1所述的一種激光雷達和相機融合的不規則物體測量方法，其特征在于，

步驟1中，所述聯合標定是采用二維棋盤格標定板對激光雷達和單目相機進行聯合標定。

3.如權利要求1所述的一種激光雷達和相機融合的不規則物體測量方法，其特征在于，

步驟2中，所述激光雷達通過一種結合SAC-IA算法和ICP算法的點云融合處理改進算法，將采集到的激光點云數據融合處理，生成不規則物體的激光點云模型；

所述點云融合處理改進算法的處理過程包括：

利用SAC-IA算法進行初始配準時，先對點云數據進行點云LOF因子精簡處理，刪除不必參與后續配準運算的點云，以提高點云粗配準處理效率；

利用ICP算法進行精確配準時，采用R樹索引，加速對應點對查詢，然后用方向向量的角度閾值對錯誤匹配點對進行剔除，進而提升精配準效率。

4.如權利要求1所述的一種激光雷達和相機融合的不規則物體測量方法，其特征在于，

步驟2中，所述單目相機通過一種拉普拉斯的邊緣檢測改進算法，對采集到的序列圖像進行邊緣提取，并通過運動恢復結構算法生成圖像點云數據；

所述拉普拉斯的邊緣檢測改進算法首先對圖像進行增強處理，并用高斯濾波器平滑圖像，抑制噪聲；然后對RGB三個相位分量方向分別進行拉普拉斯模板銳化拉伸；最后對這三個分量進行相位重組，實現改進算法的邊緣檢測。

5.如權利要求1所述的一種激光雷達和相機融合的不規則物體測量方法，其特征在于，

步驟3中，在配準融合之前需要先對圖像點云數據進行密度點云調控，使其密度與激光點云密度保持一致。

6.如權利要求5所述的一種激光雷達和相機融合的不規則物體測量方法，其特征在于，

所述密度點云調控，包括圖像點云密度減小方法：

a、確定閾值H，即最小單元格的邊長，求出在第一幅圖像中提取的二維特征點坐標在X、Y方向的最大值和最小值，確定二維特征點區域，對該區域以給定的H值進行均勻網格劃分，得到一系列網格；

b、提取每個最小單元格中距離該區域中心最近的特征點，用該特征點表示其所屬單元格中的所有點；

c、采用KLT特征點跟蹤算法取與步驟b中的特征點相匹配的點；

d、根據匹配點對生成圖像點云。

7.如權利要求5所述的一種激光雷達和相機融合的不規則物體測量方法，其特征在于，

所述密度點云調控，包括圖像點云密度減小方法：

a、確定閾值H，即最小單元格的邊長，求出在第一幅圖像中提取的二維特征點坐標在X、Y方向的最大值和最小值，確定二維特征點區域，對該區域以給定的H值進行均勻網格劃分，得到一系列網格；

b、對每個單元格中的二維特征點基于最小二乘曲線擬合，然后對擬合曲線進行插值實現密度增大；

c、采用KLT特征點跟蹤算法取與步驟b中的特征點相匹配的點；

d、根據匹配點對生成圖像點云。