一种点云配准方法、设备及介质技术

本申请实施例公开了一种点云配准方法、设备及介质。将通过3D激光雷达采集的点云数据进行预处理；其中，预处理至少包括点云数据下采样、阈值分割以及点云去畸变中的一项；确定NDT单元网格分辨率大小，通过NDT算法将预处理后的待配准点云与基准点云进行配准，并输出粗配准的位姿变换矩阵；基于粗配准的位姿变换矩阵与基准点云，确定出最近点集合；其中，最近点集合中包括多个点对，且多个点对均与两帧点云数据中两个点之间的距离相关；基于最近点集合构建点云误差函数，通过Gauss

【技术实现步骤摘要】
一种点云配准方法、设备及介质


[0001]本申请涉及数据处理
，尤其涉及一种点云配准方法、设备及介质。

技术介绍

[0002]地图的构建是移动机器人实现自主导航的前提，机器人通过周围环境地图规划出可行驶路线并沿该路线执行复杂任务。建图环节主要依靠同步定位与建图(Simultaneous Localization and Mapping,SLAM)技术，该技术依靠机器人搭载的传感器实现边定位边建图。SLAM依靠的传感器主要有视觉相机和激光雷达，其中激光雷达具有测量精度高且对光照变化不敏感的优势，因此机器人建图环节通常采用激光SLAM方案。激光SLAM的核心环节为点云配准，因此点云配准的精度决定了整个建图环节的精度。
[0003]点云配准的方法主要有迭代最近点(Iterative Closest Point，ICP)算法和正态分布变换(Normal Distributions Transform，NDT)算法。ICP算法通过求解两帧点云之间的最小欧氏距离，从而得到两帧点云之间的位姿变换关系，由于该算法依靠两帧点云中的对应点进行计算，当位姿初始值偏差较大时容易陷入局部最优。而NDT算法通过建立两帧点云的概率分布，采用牛顿迭代法使概率分布值达到最小，进而求解出两帧点云的位姿变换矩阵，其配准精度较低，以致难以满足当前对三维点云地图的精度的需求。

技术实现思路

[0004]本申请实施例提供了一种点云配准方法、设备及介质，用于解决如下技术问题：现有技术构建的三维点云地图其误差较大，精度较低。
[0005]本申请实施例采用下述技术方案：
[0006]本申请实施例提供一种点云配准方法。包括，将通过3D激光雷达采集的点云数据进行预处理；其中，预处理至少包括点云数据下采样、阈值分割以及点云去畸变中的一项；确定NDT单元网格分辨率大小，通过NDT算法将预处理后的待配准点云与基准点云进行配准，并输出粗配准的位姿变换矩阵；基于粗配准的位姿变换矩阵与基准点云，确定出最近点集合；其中，最近点集合中包括多个点对，且多个点对均与两帧点云数据中两个点之间的距离相关；基于最近点集合构建点云误差函数，通过Gauss
‑
Newton算法对点云误差函数进行求解，以得到点云配准结果。
[0007]本申请实施例通过采用激光点云数据的预处理操作，在保留原有点云特征的基础上减少点云数量，同时修正由于激光雷达运动而产生的点云畸变，提高了后续点云配准的效率和精度。其次，本申请实施例结合NDT和ICP算法的优势，将点云配准分为NDT粗配准和ICP精配准两个环节，解决了点云配准对初始位姿要求较高的问题，同时在精配准环节通过两帧点云中点到点的欧氏距离的平方和构建误差方程，通过Gauss
‑
Newton迭代求解误差方程，提升了两帧点云的配准精度。
[0008]在本申请的一种实现方式中，确定NDT单元网格分辨率大小，通过NDT算法将预处理后的待配准点云与基准点云进行配准，并输出粗配准的位姿变换矩阵，具体包括：确定
NDT单元网格分辨率大小，根据NDT单元网格分辨率将基准点云划分为多个网格，并通过预置高斯函数模型近似表示每个单元网格内的点云数据；通过位姿初始值将预处理后的待配准点云中的点云数据转换到基准点云坐标系下；对转换后的待配准点云的概率分布进行计算，以确定目标函数；通过牛顿法迭代对目标函数进行求解，直至输出符合条件的位姿旋转矩阵，并将符合条件的位姿旋转矩阵作为NDT粗配准的输出结果。
[0009]在本申请的一种实现方式中，基于粗配准的位姿变换矩阵与基准点云，确定出最近点集合，具体包括：基于粗配准的位姿变换矩阵，确定出当前待配准点云数据；在当前待配准点云数据中进行采样，得到采样子集；基于预置两点间距离函数，在基准点云中确定出与采样子集中的每个采样点距离最近的点；基于采样点与距离采样点最近的点，构建最近点对，以基于最近点对构建最近点集合。
[0010]在本申请的一种实现方式中，基于最近点集合构建点云误差函数，具体包括：基于最近点集合构建点云误差函数
[0011][0012]其中，R为旋转矩阵，t为平移向量，k为最近点集合中最近点对的数量，P0为采样子集中的点，p
i
为与距离采样子集中的点最近点，i为当前最近点对的序号。
[0013]在本申请的一种实现方式中，通过Gauss
‑
Newton算法对点云误差函数进行求解，以得到点云配准结果，具体包括：基于点云误差函数得到旋转矩阵与平移向量；基于旋转矩阵、平移向量以及采样子集，得到变换后的点云集；对变换后的点云集与基准点云对应的最近点进行误差计算，在两点之间的误差不符合预设误差要求的情况下，重新在基准点云中选取新的最近点进行计算，直到计算出的误差符合预设要求。
[0014]在本申请的一种实现方式中，将通过3D激光雷达采集的点云数据进行预处理，具体包括：确定出点云数据中x轴、y轴和z轴方向上分别对应的最大值和最小值；以及确定三维体素栅格的尺寸；基于最大值、最小值与三维体素栅格的尺寸，确定出点云数据中每个点所在三维体素栅格的索引；基于索引的点集，进行点云数据下采样。
[0015]在本申请的一种实现方式中，基于最大值、最小值与三维体素栅格的尺寸，确定出点云数据中每个点所在三维体素栅格的索引，具体包括：基于x轴、y轴和z轴方向上分别对应的最大值和最小值，得到每个方向轴分别对应的差值；基于差值与三维体素栅格的尺寸之间的比值，确定出三维体素栅格的维度；基于最小值、三维体素栅格的尺寸以及三维体素栅格的维度，确定出述点云数据中每个点所在三维体素栅格的索引。
[0016]在本申请的一种实现方式中，基于索引的点集，进行点云数据下采样，具体包括：基于索引的点集与点集中的数据数量，确定出索引的点集的体素中心点；通过体素中心点对体素栅格中的全部点进行替换，以实现点云数据下采样。
[0017]本申请实施例提供一种点云配准设备，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：将通过3D激光雷达采集的点云数据进行预处理；其中，预处理至少包括点云数据下采样、阈值分割以及点云去畸变中的一项；确定NDT单元网格分辨率大小，通过NDT算法将预处理后的待配准点云与基准点云进行配准，并输出粗配准的位姿变换矩阵；基于粗配准的位姿变换矩阵与基准点云，确定出最近点集合；其
中，最近点集合中包括多个点对，且多个点对均与两帧点云数据中两个点之间的距离相关；基于最近点集合构建点云误差函数，通过Gauss
‑
Newton算法对点云误差函数进行求解，以得到点云配准结果。
[0018]本申请实施例提供的一种非易失性计算机存储介质，存储有计算机可执行指令，计算机可执行指令设置为：将通过3D激光雷达采集的点云数据进行预处理；其中，预处理至少包括点云数据下采样、阈值分割以及点云去畸变中的一项；确本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种点云配准方法，其特征在于，所述方法包括：将通过3D激光雷达采集的点云数据进行预处理；其中，所述预处理至少包括点云数据下采样、阈值分割以及点云去畸变中的一项；确定NDT单元网格分辨率大小，通过NDT算法将预处理后的待配准点云与基准点云进行配准，并输出粗配准的位姿变换矩阵；基于所述粗配准的位姿变换矩阵与所述基准点云，确定出最近点集合；其中，所述最近点集合中包括多个点对，且所述多个点对均与两帧点云数据中两个点之间的距离相关；基于所述最近点集合构建点云误差函数，通过Gauss
‑
Newton算法对所述点云误差函数进行求解，以得到点云配准结果。2.根据权利要求1所述的一种点云配准方法，其特征在于，所述确定NDT单元网格分辨率大小，通过NDT算法将预处理后的待配准点云与基准点云进行配准，并输出粗配准的位姿变换矩阵，具体包括：确定所述NDT单元网格分辨率的大小，根据所述NDT单元网格分辨率将所述基准点云划分为多个网格，并通过预置高斯函数模型近似表示每个单元网格内的点云数据；通过位姿初始值，将所述预处理后的待配准点云中的点云数据转换到基准点云坐标系下；对转换后的待配准点云的概率分布进行计算，以确定目标函数；通过牛顿法迭代对所述目标函数进行求解，直至输出符合条件的位姿旋转矩阵，并将所述符合条件的位姿旋转矩阵作为NDT粗配准的输出结果。3.根据权利要求1所述的一种点云配准方法，其特征在于，所述基于所述粗配准的位姿变换矩阵与所述基准点云，确定出最近点集合，具体包括：基于所述粗配准的位姿变换矩阵，确定出当前待配准点云数据；在所述当前待配准点云数据中进行采样，得到采样子集；基于预置两点间距离函数，在所述基准点云中确定出与所述采样子集中的每个采样点距离最近的点；基于所述采样点与距离所述采样点最近的点，构建最近点对，以基于所述最近点对构建所述最近点集合。4.根据权利要求3所述的一种点云配准方法，其特征在于，所述基于所述最近点集合构建点云误差函数，具体包括：基于所述最近点集合构建点云误差函数其中，R为旋转矩阵，t为平移向量，k为所述最近点集合中最近点对的数量，P0为所述采样子集中的点，p
i
为与距离所述采样子集中的点最近点，i为当前最近点对的序号。5.根据权利要求4所述的一种点云配准方法，其特征在于，所述通过Gauss
‑
Newton算法对所述点云误差函数进行求解，以得到点云配准结果，具体包括：基于所述点云误差函数得到所述旋转矩阵与所述平移向量；基于所述旋转矩阵、所述平移向量以及所述采样子集，得到变换后的点云集；
对所述变换后的点云集与所述基准点云对应的最近点进行误差计算，在两点之间的误差不符合预设误差要求的情况下，重新在所述基准点云中选取新的最近点进行计算，直到计算出的误差符合预设要求。6.根据权...

【专利技术属性】
技术研发人员：翟凯，华逢彬，马辰，宋凯，
申请(专利权)人：山东新一代信息产业技术研究院有限公司，
类型：发明
国别省市：