[發(fā)明專利]三維點云配準(zhǔn)方法、移動設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202210080099.5
• 申請日: 2022-01-24
• 公開（公告）號: CN114419118A
• 公開（公告）日: 2022-04-29
• 發(fā)明（設(shè)計）人: 何弢;謝榮榮;廖文龍
• 申請（專利權(quán)）人: 安徽酷哇機(jī)器人有限公司;上海酷移機(jī)器人有限公司
• 主分類號: G06T7/33
• 分類號: G06T7/33
• 代理公司: 上海段和段律師事務(wù)所 31334
• 代理人: 高璀璀

本發(fā)明提供了一種三維點云配準(zhǔn)方法、移動設(shè)備及存儲介質(zhì)，包括：根據(jù)移動設(shè)備的慣性測量數(shù)據(jù)和速度數(shù)據(jù)，得到位姿變化量，以及根據(jù)源點云和目標(biāo)點云，分別得到源特征點云和目標(biāo)特征點云；通過最近鄰距離觀測函數(shù)對源特征點云和目標(biāo)特征點云進(jìn)行迭代優(yōu)化，得到第一觀測矩陣；通過第一觀測矩陣，確定退化的強(qiáng)化數(shù)量；根據(jù)強(qiáng)化數(shù)量和位姿變化量，確定位姿變化量觀測函數(shù)；根據(jù)最近鄰距離觀測函數(shù)和位姿變化量觀測函數(shù)，得到優(yōu)化矩陣方程；對優(yōu)化矩陣方程進(jìn)行求解，得到點云配準(zhǔn)結(jié)果。與現(xiàn)有技術(shù)相比，本發(fā)明通過最近鄰距離觀測函數(shù)和位姿變化量觀測函數(shù)解決了點云退化下點云配準(zhǔn)失效的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及傳感器數(shù)據(jù)處理技術(shù)領(lǐng)域，具體地，涉及一種三維點云配準(zhǔn)方法、移動設(shè)備及存儲介質(zhì)。

背景技術(shù)

激光雷達(dá)具有抗干擾能力強(qiáng)、感知信息豐富、測量精度高等優(yōu)點，因此被廣泛用于自主機(jī)器人和自動駕駛汽車的障礙物檢測、高精度定位和地圖構(gòu)建等。激光雷達(dá)測得的數(shù)據(jù)由大量點構(gòu)成的三維點云表示，每個點包含空間位置和反射強(qiáng)度信息。點云能夠表征三維世界；但由于每臺激光雷達(dá)只能在有限的視野內(nèi)掃描獲取數(shù)據(jù)，因此要獲得完整的三維場景，必須結(jié)合多個不同視角的點云。

點云配準(zhǔn)就是計算兩幀點云之間變換矩陣的問題。點云配準(zhǔn)主要用于：三位重建，生成完成的三維場景，例如自動駕駛中的高精度三維地圖重建和機(jī)器人技術(shù)中的三維環(huán)境重建；三維定位，例如自動駕駛汽車估計其在地圖上的位置以及到道路邊沿的距離；位姿估計，將一個點云A與另一個點云B對齊，可以生成點云A相對于點云B的位姿信息，其中，點云A為3D實時視圖，點云B表征3D環(huán)境。

然而，在隧道、寬闊廣場等環(huán)境中，點云容易因為環(huán)境特征不明細(xì)而出現(xiàn)“退化”現(xiàn)象，即信息丟失現(xiàn)象。當(dāng)點云發(fā)生退化時，點云配準(zhǔn)將在某些維度上出現(xiàn)不確定和精度下降的情況，引發(fā)位姿計算失敗，最終導(dǎo)致定位失敗。

專利文獻(xiàn)CN111340862A公開了一種基于多特征融合的點云配準(zhǔn)方法、裝置及存儲介質(zhì)，所述方法包括：分別從源點云和目標(biāo)點云中提取若干源點云特征點以及若干目標(biāo)點云特征點；提取每一特征點的局部深度特征、法線角度特征、點云密度特征以及局部顏色特征，繼而根據(jù)每一特征點的局部深度特征、法線角度特征、點云密度特征以及局部顏色特征生成每一特征點對應(yīng)的特征描述子；其中，特征點包括源點云特征點和目標(biāo)點云特征點；根據(jù)特征描述子，將源點云特征點與目標(biāo)點云特征點進(jìn)行配對，生成特征點對；根據(jù)特征點對生成變換矩陣，并根據(jù)變換矩陣對源點云進(jìn)行變換，生成第二源點云，繼而對第二源點云以及目標(biāo)點云進(jìn)行精配準(zhǔn)。但該方法并未點云退化下點云配準(zhǔn)失效的問題。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供一種三維點云配準(zhǔn)方法、移動設(shè)備及存儲介質(zhì)。

第一方面，本發(fā)明提供一種三維點云配準(zhǔn)方法，包括如下步驟：

步驟1：根據(jù)移動設(shè)備的慣性測量數(shù)據(jù)和速度數(shù)據(jù)得到位姿變化量，以及根據(jù)源點云和目標(biāo)點云分別得到源特征點云和目標(biāo)特征點云；

步驟2：通過最近鄰距離觀測函數(shù)對所述源特征點云和所述目標(biāo)特征點云進(jìn)行迭代優(yōu)化，得到第一觀測矩陣；

步驟3：通過所述第一觀測矩陣，確定退化位姿維度的強(qiáng)化數(shù)量；

步驟4：根據(jù)所述強(qiáng)化數(shù)量和所述位姿變化量，確定位姿變化量觀測函數(shù)；

步驟5：根據(jù)所述最近鄰距離觀測函數(shù)和所述位姿變化量觀測函數(shù)，得到優(yōu)化矩陣方程；

步驟6：對所述優(yōu)化矩陣方程進(jìn)行求解，得到點云配準(zhǔn)結(jié)果。

優(yōu)選地，步驟1，包括：

步驟101：根據(jù)移動設(shè)備的慣性測量數(shù)據(jù)和速度數(shù)據(jù)，采用組合導(dǎo)航算法，得到位姿變化量；

步驟102：對源點云和目標(biāo)點云進(jìn)行特征提取，分別得到源特征點云和目標(biāo)特征點云。

優(yōu)選地，步驟3，包括：