【技术实现步骤摘要】
本申请涉及计算机，特别涉及一种驾驶设备的点云配准方法、装置、设备和介质。
技术介绍
1、目前，同时定位与地图构建(simultaneous localization and mapping，slam)在自动驾驶、机器人技术、三维建模与地图构建等领域有着非常重要的应用。点云的刚性精配准在slam技术中扮演着极其重要的角色，它通过将车辆或机器人在移动过程中不同时间步采集到的点云进行对齐，从而获得连续的、一致的地图，并且能对系统的位置和姿态信息进行准确的估计，这些信息的获取对于移动设备的自主导航和定位是至关重要的。
2、点云的刚性精配准是通过计算一组旋转和平移矩阵，将不同视角或不同时间采集的两片点云的重叠区域进行对齐的过程。现有的点云刚性精配准方法主要分为两大类：一类是基于优化的方法，另一类是基于深度学习的方法。虽然深度学习在计算机视觉和机器学习领域取得了显著的进展，但对于slam领域的配准方法来说，基于深度学习的方法能否在未知环境或新动作中依然保证良好的性能还未得到充分验证，同时移动设备通常难以提供非常强大的硬件算力以保证基于深度学习的方法的实时性。而基于优化的配准方法，因其算法的稳定性、可靠性、实时性以及可解释性在slam中有着广泛的应用。
3、现有技术中，最广为使用的点云刚性精配准技术主要为基于迭代最近点(iterative closest point，icp)算法的刚性精配准技术。其基本思想为，通过迭代的方式，不断优化两个点云之间的对应关系，使它们的重合度最大化。
4、虽然icp算法由于其精
5、为了解决icp算法的问题，相关研究人员提出了许多基于icp算法的变种，如基于点到线的ipc(point to line icp，plicp)算法和基于点到面的ipc(point to plane icp，pp-icp)算法，从算法优化的角度提高icp算法的收敛速度。然而，这些基于icp的算法在进行驾驶设备的点云配准的过程中，仅考虑点与点之间的对应关系，并没有对点云的结构信息进行考虑。但在实际使用中，由于点云采集设备及使用环境等原因，通常难以保证对同一物体采集的两片点云实现完全重合，这就导致仅考虑点与点之间对应关系的配准方法精度受限。基于标准正态分布(normal distribution transformation，ndt)算法和generalized-icp(gicp)算法通过对点云进行体素化的方法对icp算法进行加速。这两种方法通过在算法中引入协方差来对点云的结构信息进行描述。然而，实际上，这两种方法仅利用协方差的逆对点与点之间的距离进行加权，并没有对点云的结构信息进行实质上的考量。为了解决这一问题，现有提出了一种由kl散度推导而出的新的配准方法，其损失函数为：
6、loss＝wicpeicp+wcovecov
7、eicp＝(q-(rp+t))tcqp(q-(rp+t))
8、
9、
10、
11、其中，p和q分别为参考点云和待配准点云。r为旋转矩阵，t为平移矩阵，cp和cq分别为参考点云和待配准点云的协方差矩阵。cqp为距离加权矩阵，当cqp＝i时，eicp即为icp的损失函数。
12、由上式可以看出，该算法通过利用损失函数中的第一项对点与点之间的距离进行度量、利用损失函数中的第二项对点云分布结构信息的差异进行度量的方式，对点云的结构信息和点与点之间的对应关系同时进行考量。
13、但是，其结构项在计算结构信息时并没对点对之间对应关系匹配的准确性进行考虑，也即，不管假设的对应点对是否匹配正确，其都会依据假设对其之间的结构匹配度进行计算并进行相应的惩罚。当假设的对应点并非完全正确的时候，这部分损失函数必然会对点云的配准带来错误信息，降低点云配准的精度。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种驾驶设备的点云配准方法、装置、设备和介质。
2、本说明书采用下述技术方案：
3、本说明书提供了一种驾驶设备的点云配准方法，包括：
4、获取驾驶设备在移动过程中不同时间步采集到的两组点云，将其中一组作为参考点云，另一组作为待配准点云；并对参考点云和待配准点云分别进行体素划分，并计算各体素的中心位置；
5、将参考点云和待配准点云中对应相同三维空间区域的体素作为体素对，根据体素对的两中心位置之间的g-w距离，构造用于刻画体素对之间结构信息相似度的关系权重系数；其中，关系权重系数与g-w距离呈负相关；
6、以点云配准后体素对的两中心位置相同为约束，确定体素对的中心位置之间的刚体变换损失和旋转的结构信息损失，并通过关系权重系数对刚体变换损失和旋转的结构信息损失之和进行加权，构造点云配准的损失函数；
7、针对参考点云中每个体素，根据该体素的中心位置与待配准点云中各体素的中心位置之间的距离，将该体素和与其距离最近的待配准点云中体素确定为体素对；
8、将体素对的两中心位置输入点云配准的损失函数，以最小化损失函数为目标，求解待配准点云基于参考点云的旋转矩阵和平移矩阵以实现驾驶设备的点云配准。
9、可选地，通过下式表示体素对之间结构信息相似度的关系权重系数：
10、ki＝exp(-kggw(ai,bi))；
11、其中，ki为参考点云第i个体素和待配准点云第i个体素的关系权重系数，k为常数系数，ggw(ai,bi)为参考点云第i个体素中心位置ai和和待配准点云第i个体素中心位置bi之间的g-w距离。
12、可选地，通过下式表示所述损失函数：
13、
14、其中，ki为参考点云第i个体素和待配准点云第i个体素的关系权重系数，ai为参考点云的第i个体素的中心位置，bi为待配准点云的第i个体素的中心位置，r为待配准点云基于参考点云的旋转矩阵，t为待配准点云基于参考点云的平移矩阵，为参考点云第i个体素的协方差矩阵的特征向量矩阵，为待配准点云第i个体素的协方差矩阵的特征向量矩阵，n为点云中体素的总个数，i为单位矩阵。
15、可选地，所述所述求解待配准点云基于参考点云的旋转矩阵，具体包括：
16、基于最小二乘法，通过下式将损失函数对平移矩阵进行求导：
17、
18、令求导为零，通过下式得到旋转矩阵和平移矩阵的计算关系：
19、
20、将平移矩阵带入损失函数得到下式：
21、
22、
23、a＝[k0a0k1a1...kn-1an-1]3×n，
24、b＝[b0b1...bn-1]3×n,ik＝[ikik...ik]3×n，
25、pi＝本文档来自技高网...
【技术保护点】
1.一种驾驶设备的点云配准方法，其特征在于，包括：
2.如权利要求1所述的驾驶设备的点云配准方法，其特征在于，通过下式表示体素对之间结构信息相似度的关系权重系数：
3.如权利要求1所述的驾驶设备的点云配准方法，其特征在于，通过下式表示所述损失函数：
4.如权利要求3所述的驾驶设备的点云配准方法，其特征在于，所述求解待配准点云基于参考点云的旋转矩阵，具体包括：
5.如权利要求4所述的驾驶设备的点云配准方法，其特征在于，所述求解待配准点云基于参考点云的平移矩阵，具体包括：
6.如权利要求1所述的驾驶设备的点云配准方法，其特征在于，所述方法还包括：
7.一种驾驶设备的点云配准装置，其特征在于，包括：
8.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1～6任一项所述的方法。
9.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述权利要求1～6任一所述的方
...【技术特征摘要】
1.一种驾驶设备的点云配准方法，其特征在于，包括：
2.如权利要求1所述的驾驶设备的点云配准方法，其特征在于，通过下式表示体素对之间结构信息相似度的关系权重系数：
3.如权利要求1所述的驾驶设备的点云配准方法，其特征在于，通过下式表示所述损失函数：
4.如权利要求3所述的驾驶设备的点云配准方法，其特征在于，所述求解待配准点云基于参考点云的旋转矩阵，具体包括：
5.如权利要求4所述的驾驶设备的点云配准方法，其特征在于，所述求解待配准点云基于参考点云的...
【专利技术属性】
技术研发人员：庞天吉，段东旭，胡峻毅，刘闯，张义夫，何贤昆，
申请(专利权)人：西安第六镜网络科技有限公司，
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。