本发明专利技术公开了一种多激光点云技术三维重建系统及方法，包括：车辆经过两龙门架之间的区域；对车辆左右两侧扫描，同时扫描车辆的后侧，将获得的当前帧点云作为基准点云，将获得的新一帧点云作为待配准点云；计算从待配准点云变换至基准点云的最优变换矩阵，获得每次配准后待配准点云相对基准点云的水平平移距离和左右偏移量；将扫描时间相同的横截面点云切片与后侧点云图的帧点云配对，并使与后侧点云图对应的水平平移距离和左右偏移量，与横截面点云切片配对；直至所有的横截面点云切片的坐标均转换添加到最后一帧横截面点云切片中，获得整辆车体点云图像。本发明专利技术在沙场中对空载和装载的货车进行三维重建，所构成的点云图与实物基本一致。物基本一致。物基本一致。
【技术实现步骤摘要】
一种多激光点云技术三维重建系统及方法
[0001]本专利技术涉及三维重建
，具体涉及一种多激光点云技术三维重建的方法，还涉及一种多激光点云技术三维重建系统。
技术介绍
[0002]当前三维重建技术繁多，有接触式和非接触式，其中非接触式又分为主动视觉法和被动视觉法，其中激光扫描法应用广泛，市面上大多数是对于大堆料堆积的测量，但是对于大型车辆高精度三维重建测量市面较少，需要改进技术方案。
技术实现思路
[0003]针对大型车辆激光点云扫描三维重建的改进，解决精度较低的问题，本专利技术的目的在于提供了一种多激光点云技术三维重建的方法，利用造价相对较低的二维激光，二维激光更能够适应较为恶劣的工作环境的同时能够保证较高的测量精度，且不用提前规划测量路线，操作更加简单。
[0004]本专利技术的另一个目的在于提供了一种多激光点云技术三维重建系统，即使在扬尘较大的环境下也可以较为准确的点云图，使用此点云图在后期进行计算，所得到的结果也会更加的精准。
[0005]为进一步实现上述目的，本专利技术采用以下技术方案：一种多激光点云技术三维重建的方法，包括以下步骤：
[0006](1)车辆沿直线缓慢前进依次经过第一/第二龙门架之间的区域；
[0007](2)在第二龙门架上两侧的激光雷达同时分别对车辆左右两侧进行扫描，将获得的第二龙门架正下方的帧点云作为横截面点云切片，在第一龙门架上的激光雷达同时扫描车辆的后侧，获得后侧点云图，记录以上每帧点云的扫描时间，将获得的当前帧点云作为基准点云，将获得的新一帧点云作为待配准点云，直至第二龙门架上的激光雷达扫描完车辆；
[0008](3)计算从待配准点云变换至基准点云的最优变换矩阵，获得每次配准后待配准点云相对基准点云的水平平移距离和左右偏移量；
[0009](4)将扫描时间相同的横截面点云切片与后侧点云图的帧点云配对，并使与后侧点云图对应的所述水平平移距离和左右偏移量，与所述横截面点云切片配对；
[0010](5)将第i帧横截面点云切片的坐标按对应的所述水平平移距离和左右偏移量转换添加到第i+1帧横截面点云切片中，更新第i+1帧横截面点云切片；
[0011](6)重复步骤(5)，直至所有的横截面点云切片的坐标均转换添加到最后一帧横截面点云切片中，获得整辆车体点云图像。
[0012]可选地，所述步骤（1）中，为了使车辆保持直线缓慢前进，车辆沿地标直线前进，时速不高于10km/h。
[0013]可选地，所述步骤（3）中，计算待配准点云变换至基准点云的最优变换矩阵的方法具体包括：
[0014]（3.1）NDT算法进行粗配准：
[0015]首先确定单元格分辨率大小，将基准点云中的点云数据划分为若干个网格数据，并采用高斯函数模型近似地表示每个网格内的点云数据量，其表达式为：
[0016]网格数据中：
[0017]式中，P(x)表示每个网格内的点云数据量，x
i
为每个网格中的点，C为每个网格单元的协方差矩阵，u为每个网格的均值向量，c为常量，n为每个网格中点的数量；
[0018]随后根据旋转矩阵R和平移向量t的初始值，将待配准点云中的x转换到基准点云坐标下：x
’
=Rx+t
[0019]式中，x
’
表示待配准点云中每个点在基准点云坐标下的投影点，对每个投影点求解概率分布并求和：
[0020]式中，S(p)为每个投影点求解概率分布之和，x
i
’
表示待配准点云中第i个点在基准点云坐标下的投影点，p为单个投影点概率分布；
[0021]采用牛顿迭代优化法对目标函数是s(p)优化求解，得到位姿旋转矩阵R和平移向量t；以上步骤进行循环直至满足收敛条件，最后输出粗配准环节的最佳变换矩阵；
[0022]（3.2）ICP算法进行精配准：
[0023]将NDT算法输出的变换矩阵作为ICP精配准的位姿初始值，通过两帧点云数据中点到点的对应关系建立目标函数，采用非线性最小二乘法求解该目标函数，其模型表示为：
[0024]其中，
[0025]假设空间中两帧三维点云为基准点云A(x,y,z)和待配准点云B(x,y,z)，两点云重叠去O(x,y,z),选取待配准点云中任意一点Q(x
q
,y
q
,z
q
)，找到其基准点云中的对应点P(x
p
,y
p
,z
p
)，用空间变换模型描述两幅点云的转换关系为：
[0026][0027]其中，m为两个三维坐标系之间的比例转换系数，t
x
,t
y
,t
z
表示点云进行空间变换时X，Y，Z轴方向的平移分量，ψ，ω，κ为坐标转换时绕X，Y，Z轴旋转的角度参数；
[0028]计算点云配准后两点之间的欧式距离平方和为：
[0029]结合两幅点云之间的空间转换关系进行迭代计算可得：
[0030]采用Gauss
‑
Newton算法求解ICP目标函数，迭代求解误差方程，直至得到待配准点
云到基准点云之间的最优变换矩阵。
[0031]上述步骤中，使用组合二维激光对待测物体按照步骤（1）（2）进行扫描，与使用无人机的方法相比，不用对待扫描物体的行动轨迹进行预测，使测量更加方便。使用二维激光在车辆行驶的过程中对待测物体进行横向和纵向的扫描并形成点云图，即使在扬尘较大的环境下也可以较为准确的点云图，使用此点云图在后期进行计算，所得到的结果也会更加的精准。且相比较而言二维激光的造价要比相机的造价要低，更加适合于本产品的购买人群。
[0032]本专利技术还要求保护一种多激光点云技术三维重建系统，包括两龙门架以及龙门架上的激光雷达，其中，
[0033]第一龙门架居中设有一处激光雷达，用于纵向扫描测距；
[0034]第二龙门架间隔设有两处激光雷达，用于横向截面扫描。
[0035]可选地，两龙门架之间的间距大于车体的长度，两龙门架的宽度大于车体的宽度，两龙门架的高度大于车体的高度。
[0036]由上，由于本系统所应用的地方大多为施工场所，扬尘较多，若使用相机进行测量，所得到的结果不准确，相比较而言使用二维激光能够得到更加精确的测量结果。
[0037]与现有技术相比，本专利技术至少具有如下效果：本专利技术采用的二维激光的造价相对较低，且二维激光与其他使用相机的方法相比更能够适应较为恶劣的工作环境的同时能够保证较高的测量精度；与使用无人机的方法相比，不用提前规划测量路线，操作更加简单。
附图说明
[0038]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0039]图1为本专利技术系统搭建示意图；
[0040]图2为纵向激光扫描本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种多激光点云技术三维重建的方法，其特征在于，包括以下步骤：(1)车辆沿直线缓慢前进依次经过第一/第二龙门架之间的区域；(2)在第二龙门架上两侧的激光雷达同时分别对车辆左右两侧进行扫描，将获得的第二龙门架正下方的帧点云作为横截面点云切片，在第一龙门架上的激光雷达同时扫描车辆的后侧，获得后侧点云图，记录以上每帧点云的扫描时间，将获得的当前帧点云作为基准点云，将获得的新一帧点云作为待配准点云，直至第二龙门架上的激光雷达扫描完车辆；(3)计算从待配准点云变换至基准点云的最优变换矩阵，获得每次配准后待配准点云相对基准点云的水平平移距离和左右偏移量；(4)将扫描时间相同的横截面点云切片与后侧点云图的帧点云配对，并使与后侧点云图对应的所述水平平移距离和左右偏移量，与所述横截面点云切片配对；(5)将第i帧横截面点云切片的坐标按对应的所述水平平移距离和左右偏移量转换添加到第i+1帧横截面点云切片中，更新第i+1帧横截面点云切片；(6)重复步骤(5)，直至所有的横截面点云切片的坐标均转换添加到最后一帧横截面点云切片中，获得整辆车体点云图像。2.根据权利要求1所述的多激光点云技术三维重建的方法，其特征在于，所述步骤（1）中，为了使车辆保持直线缓慢前进，车辆沿地标直线前进，时速不高于10km/h。3.根据权利要求1所述的多激光点云技术三维重建的方法，其特征在于，所述步骤（3）中，计算待配准点云变换至基准点云的最优变换矩阵的方法具体包括：（3.1）NDT算法进行粗配准：首先确定单元格分辨率大小，将基准点云中的点云数据划分为若干个网格数据，并采用高斯函数模型近似地表示每个网格内的点云数据量，其表达式为：网格数据中：式中，P(x)表示每个网格内的点云数据量，x
i
为每个网格中的点，C为每个网格单元的协方差矩阵，u为每个网格的均值向量，c为常量，n为每个网格中点的数量；随后根据旋转矩阵R和平移向量t的初始值，将待配准点云中的点x转换到基准点云坐标下：x
’
=Rx+t式中，x
’
表示待配准点云中每个点在基准点云坐标下的投影点，对每个投影点求解概率分布并求和：式中，...
【专利技术属性】
技术研发人员：钱闯，叶子璇，谢欣然，宁思琪，李英，刘姗栩，邵逸宾，刘梓仪，郁梓涵，卢睿仪，胡军楠，王朝伟，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。