【技术实现步骤摘要】
本专利技术车路协同的，具体涉及一种基于高精地图的多视图点云配准方法。
技术介绍
1、车路协同系统是基于无线通信、传感探测等技术获取车辆和道路信息的一项创新技术。通过车辆之间以及车辆与道路基础设施之间的交互与共享，从而实现车辆和基础设施之间智能协同与配合，达到优化利用系统资源、提高道路交通安全、缓解交通拥堵的目标。得益于激光雷达、gps、通信和无线网络等关键技术的不断发展，车辆协同技术逐渐演化并趋于成熟。然而，尽管车辆协同技术的前景广阔，但在实际应用中仍然存在一些挑战。其中之一是不同雷达采集的数据视角不同，导致它们的数据点云在空间中的重叠度较低，使得直接整合这些数据变得相当困难。
技术实现思路
1、本专利技术的目的在于针对现有技术的不足之处，提供一种基于高精地图的多视图点云配准方法，该方法解决了低重叠度点云数据之间配准准确率低的问题，显著地提高了多视图点云配准的效率。
2、为解决上述技术问题，本专利技术采用如下技术方案：
3、一种基于高精地图的多视图点云配准方法，包括如下步骤：
4、步骤1、获取不同雷达的待配准点云数据以及高精地图数据；
5、步骤2、将待配准点云数据的坐标信息转化到高精地图参考坐标系中以将待配准点云数据与高精地图数据进行粗配置；
6、步骤3、在高精地图参考坐标系中，根据高度以及与待配准点云数据之间的距离对高精地图点云进行提取；
7、步骤4、从步骤3得到的高精地图点云中提取超点并计算其几何信息嵌入，
8、步骤5、使用gicp算法对步骤4得到的待配准点云与高精地图原点云之间的缓冲点对进行精配准；
9、步骤6、基于步骤5的精配准结果，在高精地图参考系上完成待配准点云数据的配准。
10、进一步地，步骤2具体方法为：
11、使用gps提供的变换矩阵，对待配准点云进行矩阵变化，将待配准点云数据的坐标信息转化到高精地图参考坐标系中，具体公式如下：
12、
13、式中，rl＝(xl,yl,zl)t表示点在雷达坐标系中的坐标信息，rm＝(xm,ym,zm)t表示点转换到高精地图坐标系下的坐标信息；表示gps提供的由雷达坐标系到高精地图坐标系的变换矩阵，其中，r表示旋转矩阵，r11,r12,r13表示点在高精地图坐标系下x轴上的分量，r21,r22,r23表示点在高精地图坐标系下y轴上的分量，r31,r32,r33表示点在高精地图坐标系下z轴上的分量，t表示平移矩阵，t1,t2,t3表示点从雷达坐标系到高精地图坐标系x,y,z方向上的距离。
14、进一步地，步骤3具体包括如下实现方法如下：
15、s3.1、计算高精地图中每个点的高度信息，保留高度不低于阈值的所有点；
16、s3.2、在高精地图参考坐标系中，对于s3.1得到的高精度地图，计算其下采样后的每个点到待配准点云的最近距离；
17、s3.2、设定一个距离阈值dmax，遍历高精地图点云，提取步骤s3.2中计算的最近距离小于dmax的所有点。
18、进一步地，步骤4中提取超点包括：
19、对于稠密的高精地图点云数据p，对其进行下采样得到稀疏的点云数据视为超点，再使用k近邻搜索算法计算每一个超点在原始高精地图点云的欧式空间中最近的k个邻域点
20、对于每一个超点的邻域点对邻域点和超点的相对位置进行编码，将超点的三维坐标邻域点的三维坐标相对坐标连进行连接作为超点的特征信息，得到：
21、
22、进一步地，步骤4中超点的几何信息嵌入包括点对距离嵌入信息和三元组角度嵌入信息。
23、进一步地，超点的点对距离嵌入信息的计算方法为：
24、首先，计算任意两个超点之间的距离然后根据得到的距离di,j采用正弦函数计算超点的点对距离嵌入信息，公式如下：
25、
26、其中，σd控制点对距离变化的敏感度，dt表示特征维度。
27、进一步地，三元组角度嵌入信息的计算方法为：
28、首先，对于每个邻域点计算角度αi,j,x＝∠(δx,i,δj,i)，其中δx,i表示第i个超点和第x个超点间的向量表示，δj,i表示第i个超点和第j个超点间的向量表示，然后使用正弦函数编码三元组角度嵌入信息，公式如下：
29、
30、其中，σα控制角度变化的敏感度，dt表示特征维度，αi,j,x表示第i个超点和第x个超点表示向量与第i个超点与第j个超点表示向量之间的角度。
31、进一步地，缓冲点对获得方法为：
32、计算高精地图和待配准点云的每两个超点间几何信息的距离，选取距离小于阈值的超点对，作为最佳的匹配超点对，再将高精地图中得到的最佳匹配的超点拓展回原始点，形成雷达待配准点云与高精地图原始点云之间一对多的缓冲点对a＝{ai}i＝1,...n和b＝{bi,j}i＝1,...n,j＝1,...k。
33、进一步地，步骤5具体包括如下步骤：
34、s51、设定一个最大匹配阈值，根据最大匹配阈值去除雷达点云与高精地图点云之间的一对多缓冲点对中不正确的对应关系，得到具有正确对应关系的雷达点云a＝{ai}i＝1,...n和高精地图点云b＝{bi}i＝1,...n；
35、s52、对雷达点云a＝{ai}i＝1,...n和高精地图点云b＝{bi}i＝1,...n进行配准计算得到使对应点云之间的距离最小化的变换矩阵；
36、s53、重复迭代步骤s52，直到收敛到期望变换矩阵或达到最大迭代次数。
37、进一步地，步骤52具体实现方式如下：
38、s521、假设存在一组潜在的点，和并根据和生成a和b，其中和表示与测量点相关的协方差矩阵；
39、s522、假设正确的变化矩阵为t*，有对于任意的刚性变换，有
40、s523、由于ai和bi,j假定为独立同分布于高斯分布，因此有：
41、
42、s524、使用极大似然估计法迭代计算t，即：
43、
44、式中，ωi,j表示缓冲点对的权重。
45、与现有技术相比，本专利技术的有益效果为：本专利技术基于高精地图数据，引入了缓冲点对，并结合gps信息与gicp技术，实现了多视图的点云配准，解决了低重叠度情况下配准精度低的问题；本专利技术可应用于城区车路协同的数据整合工作，有助于实现更安全、高效的道路交通系统。
本文档来自技高网...【技术保护点】
1.一种基于高精地图的多视图点云配准方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于高精地图的多视图点云配准方法，其特征在于，步骤2具体方法为：
3.根据权利要求1所述的基于高精地图的多视图点云配准方法，其特征在于，步骤3具体包括如下实现方法如下：
4.根据权利要求1所述的基于高精地图的多视图点云配准方法，其特征在于，步骤4中提取超点包括：
5.根据权利要求4所述的基于高精地图的多视图点云配准方法，其特征在于，步骤4中超点的几何信息嵌入包括点对距离嵌入信息和三元组角度嵌入信息。
6.根据权利要求5所述的基于高精地图的多视图点云配准方法，其特征在于，超点的点对距离嵌入信息的计算方法为：
7.根据权利要求5所述的基于高精地图的多视图点云配准方法，其特征在于，三元组角度嵌入信息的计算方法为：
8.根据权利要求5所述的基于高精地图的多视图点云配准方法，其特征在于，缓冲点对获得方法为：
9.根据权利要求1所述的基于高精地图的多视图点云配准方法，其特征在于，步骤5具体包括如下步骤：<...
【技术特征摘要】
1.一种基于高精地图的多视图点云配准方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于高精地图的多视图点云配准方法，其特征在于，步骤2具体方法为：
3.根据权利要求1所述的基于高精地图的多视图点云配准方法，其特征在于，步骤3具体包括如下实现方法如下：
4.根据权利要求1所述的基于高精地图的多视图点云配准方法，其特征在于，步骤4中提取超点包括：
5.根据权利要求4所述的基于高精地图的多视图点云配准方法，其特征在于，步骤4中超点的几何信息嵌入包括点对距离嵌入信息和三元组角度嵌入信息。
...【专利技术属性】
技术研发人员：周剑，段聪，肖进胜，郭圆，王斯远，
申请(专利权)人：武汉大学，
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。