CN110544201A - 一种车载激光扫描点云的大范围拼接方法及装置 - Google Patents

一种车载激光扫描点云的大范围拼接方法及装置 Download PDF

Info

Publication number
CN110544201A
CN110544201A CN201910816757.0A CN201910816757A CN110544201A CN 110544201 A CN110544201 A CN 110544201A CN 201910816757 A CN201910816757 A CN 201910816757A CN 110544201 A CN110544201 A CN 110544201A
Authority
CN
China
Prior art keywords
point cloud
cloud data
point
offset
scanning line
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910816757.0A
Other languages
English (en)
Other versions
CN110544201B (zh
Inventor
刘圆
逯梦强
姚懿丹
罗跃军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Zhonghai Data Technology Co Ltd
Original Assignee
Wuhan Zhonghai Data Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan Zhonghai Data Technology Co Ltd filed Critical Wuhan Zhonghai Data Technology Co Ltd
Priority to CN201910816757.0A priority Critical patent/CN110544201B/zh
Publication of CN110544201A publication Critical patent/CN110544201A/zh
Application granted granted Critical
Publication of CN110544201B publication Critical patent/CN110544201B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Processing Or Creating Images (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明涉及一种车载激光扫描点云的大范围拼接方法及装置，其中，该方法包括：获取待接边点云数据集合，从待接边点云数据集合中提取扫描线结构；从待接边点云数据集合的每两个待接边点云数据中分别提取若干控制点，形成控制点对集合；基于控制点和待接边点云数据的对应关系，计算待接边点云数据集合中每一扫描线的偏移量；基于每一扫描线的偏移量，对所述多个待接边点云数据进行两两拼接。与传统点云拼接方法需要计算大量特征点的偏移量，数据处理量较大，处理效率较低相比，本发明基于扫描线的偏移量对待接边点云数据进行拼接，减少数据计算量，提高数据处理效率。

Description

一种车载激光扫描点云的大范围拼接方法及装置
技术领域
本发明涉及高精度地图制作技术领域，尤其涉及一种车载激光扫描点云的大范围拼接方法及装置。
背景技术
随着汽车无人驾驶技术的发展，高精度地图作为无人驾驶系统的一种重要的先验信息传感器的观点已达成共识，基于激光扫描点云的高精度地图制作也慢慢受到广泛关注。
由于车载激光扫描系统中用于绝对定位的GPS系统存在不同时期的定位误差不一致的特性导致不同时期采集的激光点云精度不一致，因此，在进行高精度地图制作进行大范围激光点云采集时，无法避免采集区域之间接边的点云无法完全匹配的问题。
无法匹配的点云有以下两种表现：同向接边，即采集区域间的采集轨迹的行驶方向为一条道路的同一行车方向；上下行接边，即采集区域间的采集轨迹的行驶方向分别为一条道路的上行方向和下行方向。
另外，在实际高精度地图激光点云采集作业时，待接边的点云有以下三个特点：一、因为成本(同向采集时，会尽量减少重复采集，如要求每段30KM重叠部分的采集里程小于50米)和工艺(双向采集，一般适用于道路中间存在影响对向道路点云采集的物理隔离带或道路宽度较大而单次采集无法满足要求的情况)上的考虑，用于拼接的点云重叠部分较少。二、在完成一个区域道路网络的激光点云采集后，所有点云数据形成一个网络结构，因此存在一块点云与多块点云存在接边的情况。三、为了便于高精度地图后续作业，要求激光点云的密度不会太低，因此，用于拼接的点云一般都是稠密点云。
传统点云拼接算法主要基于ICP(Iterative Closest Point，迭代最近邻点)算法或特征匹配算法。其中，ICP算法是对目标点集(待接边点云)的每一个点在参考点集中找一个与之距离最近的点，建立点对的映射关系，然后以点对间距离平方和最小为条件，通过最小二乘法迭代解算出一个最优坐标变换关系式。特征匹配算法通常是在三维可视环境下，人工选择两份待融合的点云数据，分别在两份待融合的点云数据中选取表示同一个特征物上的同一点的点云数据，并作为一个特征点对，以此在两份待融合的点云数据中选取多个特征点对，根据选取出的特征点对计算偏差，在按照一定的偏移方法将两份待融合的点云数据进行融合。
传统点云拼接算法在针对高精度地图激光点云拼接时以下不足之处：1)由于点云重叠区域少，特征点不足，拼接效果较差；2)单次拼接结果基于一个变换矩阵，无法适用于多个点云两两间相互拼接的情况；3)点云密度大，计算量大，处理效率不高。
发明内容
本发明针对现有技术中存在的技术问题，提供一种车载激光扫描点云的大范围拼接方法及系统，解决传统点云拼接方法需要计算大量特征点的偏移量，数据处理量较大，处理效率较低的问题。
本发明解决上述技术问题的技术方案如下：
第一方面，本发明提供一种车载激光扫描点云的大范围拼接方法，包括：
获取待接边点云数据集合，从待接边点云数据集合中提取扫描线结构；其中，所述待接边点云数据集合包括多个待接边点云数据；
从待接边点云数据集合的每两个待接边点云数据中分别提取若干控制点，形成控制点对集合；
基于所述控制点和待接边点云数据的对应关系，计算待接边点云数据集合中每一扫描线的偏移量；
基于每一扫描线的偏移量，对所述多个待接边点云数据进行两两拼接。
本发明的有益效果是：本发明在待接边点云数据中提取扫描线结构，在每两个待接边点云数据中提取交互式的控制点，形成控制点对。基于各控制点对应的扫描线的偏移量计算所有扫描线的偏移量，基于每一扫描线的偏移量，对多个待接边点云数据进行两两拼接，解决大范围点云拼接的问题。与传统点云拼接方法需要计算大量特征点的偏移量，数据处理量较大，处理效率较低相比，本发明基于扫描线的偏移量对待接边点云数据进行拼接，减少数据计算量，提高数据处理效率。
进一步，所述从待接边点云数据集合中提取扫描线结构具体包括：
基于激光扫描采集的待接边点云数据集合，对每一扫描周期的点进行归类，将连续点云归于一条扫描线中，从而将待接边点云数据集合中离散的扫描点转化成有序的二维扫描线数据集，并将二维扫描线数据集中的各扫描线依次编号。
进一步，所述从待接边点云数据集合的每两个待接边点云数据中分别提取若干控制点具体包括：
在服务器中加载各个待接边点云数据关联的采集轨迹数据；其中，所述待接边点云数据包括同向接边点云数据和上下行接边点云数据；
获取每两个待接边点云数据的接边位置，并将各个接边位置在服务器的地图界面上显示；
在每一接边位置对应的两个待接边点云数据中分别提取若干控制点。
进一步，所述在每一接边位置对应的两个待接边点云数据中分别提取若干控制点具体包括：
a1，在所述地图界面上选取一个接边位置，并显示接边位置对应的两个待接边点云数据；
a2，分别从两个待接边点云数据中选择一个控制点，形成控制点对；
a3，根据控制点对自动计算两个待接边点云数据各自对应的平移偏移量，对两个待接边点云数据进行拼接，在地图界面上显示拼接结果；
a4，判断拼接结果是否满足预设要求，若否，则调整控制点对中的一个控制点的位置以更新控制点对，重复步骤a3～a4，若是，则进入步骤a5；
a5，在两个待接边点云数据的重叠区域中，间隔预设距离选取下一控制点对，重复步骤a3～a4；
a6，选择下一接边位置，重复步骤a1～a5。
进一步，在从待接边点云数据集合的每两个待接边点云数据中分别提取若干控制点之后，所述方法还包括：
计算各个控制点的误差因子，基于所述误差因子的对所述控制点进行粗差剔除。
进一步，所述计算各个控制点的误差因子，基于所述误差因子的对所述控制点进行粗差剔除具体包括：
b1，根据控制点与待接边点云数据的对应关系，将每个待接边点云数据关联的控制点添加扫描线序号属性；
b2，计算一个待接边点云数据的每个控制点的误差因子：
式中，当前控制点的扫描线序号记为Nocur，偏移量记为Offsetcur，距离当前控制点预设距离L的其他控制点个数为k。其他各控制点各自对应的扫描线序号记为Non，其他各控制点各自对应的偏移量记为Offsetn，则当前控制点的误差因子M的计算公式如下，Scale为相对精度因子；
b3，将误差因子值最大的控制点在地图界面上标示，判断该控制点周边的两个待接边点云数据的位置差异是否最大，若是，则保留该控制点，若否，则删除该控制点。
b4，选择下一待接边点云数据重复步骤b2～b3，直到遍历待接边点云数据集合中所有待接边点云数据。
进一步，所述基于控制点和待接边点云数据的对应关系，计算待接边点云数据集合中每一扫描线的偏移量具体包括：
选取一个待接边点云数据，计算所述待接边点云数据中各个控制点各自对应的扫描线的偏移量；
对于不包含控制点的扫描线，若所述扫描线在重叠区域内，所述扫描线处于当前控制点和下一控制点之间，将当前控制点对应的扫描线序号记为Nocur，偏移量记为Offsetcur；下一控制点对应的扫描线序号记为Nonext，偏移量记为Offsetnext；所述扫描线序号在Nocur和Nonext之间，且所述扫描线的序号记为No，所述扫描线的偏移量记为Offset；所述扫描线的偏移量Offset的计算公式为：
Offset＝(No-Nocur)×(Offsetnext-Offsetcur)/(Nonext-Nocur)
若所述扫描线在重叠区域以外，所述扫描线序号记为No，偏移量记为Offset；距离所述扫描线最近的扫描线序号为Nobase，偏移量记为Offsetbase；所述扫描线的偏移量Offset的计算公式为：
Offset＝(No-Nobase)×Offsetbase×Scale
式中，Scale为相对精度因子，根据高精度地图对相对精度的要求设置。
采用上述进一步方案的有益效果是：
1)本发明对于控制点的选择不同于以往特征点的选择，点云重叠区域中任一同名点都能够作为控制点，解决了现有点云拼接方法特征点不足的问题。
2)在提取控制点时，通过可视化界面实时显示基于控制点的拼接结果，通过显示的拼接结果人工调整控制点位置，提高了控制点的可靠性，从而提高了点云拼接质量。
3)在提取控制点后，对控制点进行粗差剔除时，加入相对精度因子，免单个控制点对全局点云的精度进行影响。并添加人工辅助判断，避免剔除关键控制点，提高粗差剔除的准确性。
4)在扫描线偏移量的计算过程中，对于未处于两个控制点间的扫描线的偏移量计算，加入相对精度因子，有效的控制了单个控制点的影响范围，避免大范围点云两两之间无法完全拼接的问题。
第二方面，本发明提供一种车载激光扫描点云的大范围拼接装置，包括：
扫描线结构提取模块，用于获取待接边点云数据集合，从待接边点云数据集合中提取扫描线结构；其中，所述待接边点云数据集合包括多个待接边点云数据；
控制点提取模块，用于从待接边点云数据集合的每两个待接边点云数据中分别提取若干控制点，形成控制点对集合；
扫描线偏移量计算模块，用于基于所述控制点和待接边点云数据的对应关系，计算待接边点云数据集合中每一扫描线的偏移量；
全局点云拼接模块，用于基于每一扫描线的偏移量，对所述多个待接边点云数据进行两两拼接。
第三方面，本发明提供一种电子设备，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如第一方面所提供的方法的步骤。
第四方面，本发明提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。
附图说明
图1为本发明实施例提供的车载激光扫描点云的大范围拼接方法流程示意图；
图2为本发明实施例提供的车载激光扫描点云的大范围拼接装置的结构示意图；
图3为本发明实施例提供的一种电子设备的实体结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在实际制作高精度电子地图的过程中，需要采集道路的位置信息，而采集道路的位置信息通常通过采集车携带的激光向四周发射激光，并接收碰到物体而返回的激光，记录激光返回的时间与激光返回的强度，并根据时间计算物体的坐标位置，根据强度确定激光是接触到什么物体返回的，并以此形成激光点云，通过激光点云模拟现实的三维世界中的道路。
但是，在制作高精度电子地图的的实际采集中，同一段道路在采集时有可能会被重复采集，例如，第一天采集了A道路，并在A道路的终点停止第一天的采集，而第二天需要在A道路的终点处继续采集，但是由于采集车不能准确的确定A道路终点的具体位置，因此，为了保证采集的数据不出现任何遗漏，通常都是在A道路终点前的某一点B开始继续采集，点B到A道路的终点之间这段道路就会被重复采集，由于每次采集的偏差通常都是不同的，因此，两次采集点B到A道路的终点之间的这段道路的点云数据是不同的，为了消除点云数据间的偏差，保持所采集到的点B到A道路的终点之间的这段道路的点云数据是一致的，因此，需要对所采集到的点B到A道路的终点之间的这段道路的点云数据进行点云拼接。
针对传统点云拼接方法需要计算大量特征点的偏移量，数据处理量较大，处理效率较低的问题。本发明实施例提供了一种车载激光扫描点云的大范围拼接方法。图1为本发明实施例提供的车载激光扫描点云的大范围拼接方法流程示意图，如图1所示，该方法包括：
101，获取待接边点云数据集合，从待接边点云数据集合中提取扫描线结构；其中，所述待接边点云数据集合包括多个待接边点云数据；
具体地，点云数据(point cloud data)是指扫描资料以点的形式记录，点云数据中每一个点包含有三维坐标。待接边点云数据是需要进行点云拼接的点云数据。
102，从待接边点云数据集合的每两个待接边点云数据中分别提取若干控制点，形成控制点对集合；
其中，本发明实施例对于控制点的选择不同于以往特征点的选择，点云重叠区域中任一同名点都能够作为控制点。解决了现有点云拼接方法特征点不足的问题。其中，两个待接边点云数据的两个控制点是道路上相同位置采集的点。点云重叠区域是指两个待接边点云数据的重复采集区域。
需要进行点云拼接的点云数据包括以下两种情况：第一种情况，沿着采集轨迹同一个方向被采集了两次的点云数据，叫做同向接边数据。
第二种情况，采集车在采集该高速的点云数据时，顺行的时候采集一次，逆行的采集一次，这就使得顺行和逆行之间所存在栏杆或者细杆或者指示牌被采集了两次，这种顺行和逆行采集了两次的点云数据叫做上下行接边数据。
103，基于所述控制点和待接边点云数据的对应关系，计算待接边点云数据集合中每一扫描线的偏移量。
104，基于每一扫描线的偏移量，对所述多个待接边点云数据进行两两拼接。
本实施例中，从待接边点云数据集合的每两个待接边点云数据中分别提取若干控制点，计算控制点的偏移量，进而能够获取控制点对应的扫描线的偏移量。基于各控制点对应的扫描线的偏移量计算所有扫描线的偏移量，基于每一扫描线的偏移量，对多个待接边点云数据进行两两拼接。
本发明实施例提供的方法，在待接边点云数据中提取扫描线结构，在每两个待接边点云数据中提取交互式的控制点，形成控制点对。基于各控制点对应的扫描线的偏移量计算所有扫描线的偏移量，基于每一扫描线的偏移量，对多个待接边点云数据进行两两拼接，解决大范围点云拼接的问题。与传统点云拼接方法需要计算大量特征点的偏移量，数据处理量较大，处理效率较低相比，本发明基于扫描线的偏移量对待接边点云数据进行拼接，减少数据计算量，提高数据处理效率。
基于上述实施例的内容，作为一种可选实施例，所述从待接边点云数据集合中提取扫描线结构具体包括：
基于激光扫描采集的待接边点云数据集合，对每一扫描周期的点进行归类，将连续点云归于一条扫描线中，从而将待接边点云数据集合中离散的扫描点转化成有序的二维扫描线数据集，并将二维扫描线数据集中的各扫描线依次编号。
进一步的，基于立体像对获取的待接边点云数据集合。首先，选取一个待接边点云数据，根据待接边点云数据对应的采集轨迹的形点进行插值；接着，对插值后的采集轨迹中的形点作垂线，以对点云进行分段。然后，选取下一待接边点云数据重复上述步骤，直到遍历待接边点云数据集合中的每一待接边点云数据，完成扫描线结构的提取。
基于上述实施例的内容，作为一种可选实施例，步骤102中，从待接边点云数据集合的每两个待接边点云数据中分别提取若干控制点具体包括：
201，在服务器中加载各个待接边点云数据关联的采集轨迹数据；其中，所述待接边点云数据包括同向接边点云数据和上下行接边点云数据。
202，获取每两个待接边点云数据的接边位置，并将各个接边位置在服务器的地图界面上显示；
具体的，对于同向接边数据，利用当前采集轨迹的结束节点和下一采集轨迹的起始节点的距离阈值查找需要同向接边的两条采集轨迹，距离阈值根据高精地图数据采集工艺要求设定，本实施例中距离阈值设置为100米。以当前采集轨迹结束节点和下一采集轨迹起始节点的中间位置为接边位置。
203，在每一接边位置对应的两个待接边点云数据中分别提取若干控制点。
需要说明的是，现有的点云拼方法，在缺乏特征物的区域，例如高速公路，会出现特征点不足的问题，导致拼接效果较差。针对这一问题，本实施例对于控制点的选择不同于以往特征点的选择，点云重叠区域中任一同名点都能够作为控制点。解决了现有点云拼接方法特征点不足的问题。
基于上述实施例的内容，作为一种可选实施例，步骤203中，所述在每一接边位置对应的两个待接边点云数据中分别提取若干控制点具体包括：
a1，在所述地图界面上选取一个接边位置，并显示接边位置对应的两个待接边点云数据；
a2，分别从两个待接边点云数据中选择一个控制点，形成控制点对；
a3，根据控制点对自动计算两个待接边点云数据各自对应的平移偏移量，对两个待接边点云数据进行拼接，在地图界面上显示拼接结果；
a4，判断拼接结果是否满足预设要求，若否，则调整控制点对中的一个控制点的位置以更新控制点对，重复步骤a3～a4，若是，则进入步骤a5；
其中，判断拼接结果是否满足预设要求是指，通过地图界面的点云拼接结果判断是否满足拼接精度要求。
a5，在两个待接边点云数据的重叠区域中，间隔预设距离选取下一控制点对，重复步骤a3～a4。可以理解的是，预设距离根据实际点云拼接情况确定，在此不作具体限制。
可以理解的是，在两个待接边点云数据的拼接过程中，选取的控制点对越多，并且，所选取的控制点对越均匀，则点云数据的拼接结果越精确。本实施例中，均匀选取多个控制点对，提高了点云数据拼接结果的精确度。
a6，选择下一接边位置，重复步骤a1～a5。
本发明实施例提供的车载激光扫描点云的大范围拼接方法，在提取控制点时，通过可视化界面实时显示拼接结果，并通过显示的拼接结果人工调整控制点位置，提高了控制点的可靠性，从而提高了点云拼接质量。
基于上述实施例的内容，作为一种可选实施例，在步骤102之后，所述方法还包括：
计算各个控制点的误差因子，基于所述误差因子的对所述控制点进行粗差剔除。
对控制点进行粗差剔除的过程具体包括：
b1，根据控制点与待接边点云数据的对应关系，将每个待接边点云数据关联的控制点添加扫描线序号属性；
b2，计算一个待接边点云数据的每个控制点的误差因子：
式中，当前控制点的扫描线序号记为Nocur，偏移量记为Offsetcur，距离当前控制点预设距离L的其他控制点个数为k。其他各控制点各自对应的扫描线序号记为Non，其他各控制点各自对应的偏移量记为Offsetn，则当前控制点的误差因子M的计算公式如下，Scale为相对精度因子；
b3，将误差因子值最大的控制点在地图界面上标示，判断该控制点周边的两个待接边点云数据的位置差异是否最大，若是，则保留该控制点，若否，则删除该控制点。
b4，选择下一待接边点云数据重复步骤b2～b3，直到遍历待接边点云数据集合中所有待接边点云数据。
本实施例提供的方法，在提取控制点后，对控制点进行粗差剔除时，加入相对精度因子，免单个控制点对全局点云的精度进行影响。并添加人工辅助判断，避免剔除关键控制点，提高粗差剔除的准确性。
基于上述实施例的内容，作为一种可选实施例，步骤103中，所述基于控制点和待接边点云数据的对应关系，计算待接边点云数据集合中每一扫描线的偏移量具体包括：
选取一个待接边点云数据，计算所述待接边点云数据中各个控制点各自对应的扫描线的偏移量；
对于不包含控制点的扫描线，若所述扫描线在重叠区域内，所述扫描线处于当前控制点和下一控制点之间，将当前控制点对应的扫描线序号记为Nocur，偏移量记为Offsetcur；下一控制点对应的扫描线序号记为Nonext，偏移量记为Offsetnext；所述扫描线序号在Nocur和Nonext之间，且所述扫描线的序号记为No，所述扫描线的偏移量记为Offset；所述扫描线的偏移量Offset的计算公式为：
Offset＝(No-Nocur)×(Offsetnext-Offsetcur)/(Nonext-Nocur)
若所述扫描线在重叠区域以外，所述扫描线序号记为No，偏移量记为Offset；距离所述扫描线最近的扫描线序号为Nobase，偏移量记为Offsetbase；所述扫描线的偏移量Offset的计算公式为：
Offset＝(No-Nobase)×Offsetbase×Scale
式中，Scale为相对精度因子，根据高精度地图对相对精度的要求设置。
本实施例提供的方法，在扫描线偏移量的计算过程中，对于未处于两个控制点间的扫描线的偏移量计算，加入相对精度因子，有效的控制了单个控制点的影响范围，避免大范围点云两两之间无法完全拼接的问题。
基于上述实施例的内容，作为一种可选实施例，图2为本发明实施例提供的车载激光扫描点云的大范围拼接装置的结构示意图，如图2所示，该装置包括：
扫描线结构提取模块301，用于获取待接边点云数据集合，从待接边点云数据集合中提取扫描线结构；其中，所述待接边点云数据集合包括多个待接边点云数据；
控制点提取模块302，用于从待接边点云数据集合的每两个待接边点云数据中分别提取若干控制点，形成控制点对集合；
扫描线偏移量计算模块303，用于基于所述控制点和待接边点云数据的对应关系，计算待接边点云数据集合中每一扫描线的偏移量；
全局点云拼接模块304，用于基于每一扫描线的偏移量，对所述多个待接边点云数据进行两两拼接。
本实施例中，从待接边点云数据集合的每两个待接边点云数据中分别提取若干控制点，计算控制点的偏移量，进而能够获取控制点对应的扫描线的偏移量。基于各控制点对应的扫描线的偏移量计算所有扫描线的偏移量，基于每一扫描线的偏移量，对多个待接边点云数据进行两两拼接。
本发明实施例提供的车载激光扫描点云的大范围拼接装置，在待接边点云数据中提取扫描线结构，在每两个待接边点云数据中提取交互式的控制点，形成控制点对。基于各控制点对应的扫描线的偏移量计算所有扫描线的偏移量，基于每一扫描线的偏移量，对多个待接边点云数据进行两两拼接，解决大范围点云拼接的问题。与传统点云拼接方法需要计算大量特征点的偏移量，数据处理量较大，处理效率较低相比，本发明基于扫描线的偏移量对待接边点云数据进行拼接，减少数据计算量，提高数据处理效率。
基于上述实施例的内容，作为一种可选实施例，所述装置还包括：
控制点粗差剔除模块，用于计算各个控制点的误差因子，基于所述误差因子的对所述控制点进行粗差剔除。
本发明的装置实施例与上述方法实施例一一对应，在此不再赘述。
图3为本发明实施例提供的一种电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)401、通信接口(Communications Interface)402、存储器(memory)403和通信总线404，其中，处理器401，通信接口402，存储器403通过通信总线404完成相互间的通信。处理器401可以调用存储在存储器403上并可在处理器401上运行的计算机程序，以执行上述各实施例提供的方法，例如包括：获取待接边点云数据集合，从待接边点云数据集合中提取扫描线结构；其中，所述待接边点云数据集合包括多个待接边点云数据；从待接边点云数据集合的每两个待接边点云数据中分别提取若干控制点，形成控制点对集合；基于所述控制点和待接边点云数据的对应关系，计算待接边点云数据集合中每一扫描线的偏移量；基于每一扫描线的偏移量，对所述多个待接边点云数据进行两两拼接。
本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的方法，例如包括：获取待接边点云数据集合，从待接边点云数据集合中提取扫描线结构；其中，所述待接边点云数据集合包括多个待接边点云数据；从待接边点云数据集合的每两个待接边点云数据中分别提取若干控制点，形成控制点对集合；基于所述控制点和待接边点云数据的对应关系，计算待接边点云数据集合中每一扫描线的偏移量；基于每一扫描线的偏移量，对所述多个待接边点云数据进行两两拼接。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种车载激光扫描点云的大范围拼接方法，其特征在于，包括：
获取待接边点云数据集合，从待接边点云数据集合中提取扫描线结构；其中，所述待接边点云数据集合包括多个待接边点云数据；
从待接边点云数据集合的每两个待接边点云数据中分别提取若干控制点，形成控制点对集合；
基于所述控制点和待接边点云数据的对应关系，计算待接边点云数据集合中每一扫描线的偏移量；
基于每一扫描线的偏移量，对所述多个待接边点云数据进行两两拼接。
2.根据权利要求1所述的车载激光扫描点云的大范围拼接方法，其特征在于，所述从待接边点云数据集合中提取扫描线结构具体包括：
基于激光扫描采集的待接边点云数据集合，对每一扫描周期的点进行归类，将连续点云归于一条扫描线中，从而将待接边点云数据集合中离散的扫描点转化成有序的二维扫描线数据集，并将二维扫描线数据集中的各扫描线依次编号。
3.根据权利要求1所述的车载激光扫描点云的大范围拼接方法，其特征在于，所述从待接边点云数据集合的每两个待接边点云数据中分别提取若干控制点具体包括：
在服务器中加载各个待接边点云数据关联的采集轨迹数据；其中，所述待接边点云数据包括同向接边点云数据和上下行接边点云数据；
获取每两个待接边点云数据的接边位置，并将各个接边位置在服务器的地图界面上显示；
在每一接边位置对应的两个待接边点云数据中分别提取若干控制点。
4.根据权利要求3所述的车载激光扫描点云的大范围拼接方法，其特征在于，所述在每一接边位置对应的两个待接边点云数据中分别提取若干控制点具体包括：
a1，在所述地图界面上选取一个接边位置，并显示接边位置对应的两个待接边点云数据；
a2，分别从两个待接边点云数据中选择一个控制点，形成控制点对；
a3，根据控制点对自动计算两个待接边点云数据各自对应的平移偏移量，对两个待接边点云数据进行拼接，在地图界面上显示拼接结果；
a4，判断拼接结果是否满足预设要求，若否，则调整控制点对中的一个控制点的位置以更新控制点对，重复步骤a3～a4，若是，则进入步骤a5；
a5，在两个待接边点云数据的重叠区域中，间隔预设距离选取下一控制点对，重复步骤a3～a4；
a6，选择下一接边位置，重复步骤a1～a5。
5.根据权利要求1所述的车载激光扫描点云的大范围拼接方法，其特征在于，在从待接边点云数据集合的每两个待接边点云数据中分别提取若干控制点之后，所述方法还包括：
计算各个控制点的误差因子，基于所述误差因子的对所述控制点进行粗差剔除。
6.据权利要求5所述的车载激光扫描点云的大范围拼接方法，其特征在于，所述计算各个控制点的误差因子，基于所述误差因子的对所述控制点进行粗差剔除具体包括：
b1，根据控制点与待接边点云数据的对应关系，将每个待接边点云数据关联的控制点添加扫描线序号属性；
b2，计算一个待接边点云数据的每个控制点的误差因子：
式中，当前控制点的扫描线序号记为Nocur，偏移量记为Offsetcur，距离当前控制点预设距离L的其他控制点个数为k。其他各控制点各自对应的扫描线序号记为Non，其他各控制点各自对应的偏移量记为Offsetn，则当前控制点的误差因子M的计算公式如下，Scale为相对精度因子；
b3，将误差因子值最大的控制点在地图界面上标示，判断该控制点周边的两个待接边点云数据的位置差异是否最大，若是，则保留该控制点，若否，则删除该控制点。
b4，选择下一待接边点云数据重复步骤b2～b3，直到遍历待接边点云数据集合中所有待接边点云数据。
7.根据权利要求6所述的车载激光扫描点云的大范围拼接方法，其特征在于，所述基于控制点和待接边点云数据的对应关系，计算待接边点云数据集合中每一扫描线的偏移量具体包括：
选取一个待接边点云数据，计算所述待接边点云数据中各个控制点各自对应的扫描线的偏移量；
对于不包含控制点的扫描线，若所述扫描线在重叠区域内，所述扫描线处于当前控制点和下一控制点之间，将当前控制点对应的扫描线序号记为Nocur，偏移量记为Offsetcur；下一控制点对应的扫描线序号记为Nonext，偏移量记为Offsetnext；所述扫描线序号在Nocur和Nonext之间，且所述扫描线的序号记为No，所述扫描线的偏移量记为Offset；所述扫描线的偏移量Offset的计算公式为：
Offset＝(No-Nocur)×(Offsetnext-Offsetcur)/(Nonext-Nocur)
若所述扫描线在重叠区域以外，所述扫描线序号记为No，偏移量记为Offset；距离所述扫描线最近的扫描线序号为Nobase，偏移量记为Offsetbase；所述扫描线的偏移量Offset的计算公式为：
Offset＝(No-Nobase)×Offsetbase×Scale
式中，Scale为相对精度因子，根据高精度地图对相对精度的要求设置。
8.一种车载激光扫描点云的大范围拼接装置，其特征在于，包括：
扫描线结构提取模块，用于获取待接边点云数据集合，从待接边点云数据集合中提取扫描线结构；其中，所述待接边点云数据集合包括多个待接边点云数据；
控制点提取模块，用于从待接边点云数据集合的每两个待接边点云数据中分别提取若干控制点，形成控制点对集合；
扫描线偏移量计算模块，用于基于所述控制点和待接边点云数据的对应关系，计算待接边点云数据集合中每一扫描线的偏移量；
全局点云拼接模块，用于基于每一扫描线的偏移量，对所述多个待接边点云数据进行两两拼接。
9.一种电子设备，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，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述车载激光扫描点云的大范围拼接方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述车载激光扫描点云的大范围拼接方法的步骤。
CN201910816757.0A 2019-08-30 2019-08-30 一种车载激光扫描点云的大范围拼接方法及装置 Active CN110544201B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910816757.0A CN110544201B (zh) 2019-08-30 2019-08-30 一种车载激光扫描点云的大范围拼接方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910816757.0A CN110544201B (zh) 2019-08-30 2019-08-30 一种车载激光扫描点云的大范围拼接方法及装置

Publications (2)

Publication Number Publication Date
CN110544201A true CN110544201A (zh) 2019-12-06
CN110544201B CN110544201B (zh) 2023-01-13

Family

ID=68710988

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910816757.0A Active CN110544201B (zh) 2019-08-30 2019-08-30 一种车载激光扫描点云的大范围拼接方法及装置

Country Status (1)

Country Link
CN (1) CN110544201B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111191661A (zh) * 2019-12-31 2020-05-22 武汉中海庭数据技术有限公司 一种基于车载激光扫描数据的路灯要素提取方法和装置
WO2022205644A1 (zh) * 2021-03-29 2022-10-06 上海商汤临港智能科技有限公司 一种目标检测方法、装置、计算机设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106056563A (zh) * 2016-05-20 2016-10-26 首都师范大学 一种机载激光点云数据与车载激光点云数据融合方法
US20170046840A1 (en) * 2015-08-11 2017-02-16 Nokia Technologies Oy Non-Rigid Registration for Large-Scale Space-Time 3D Point Cloud Alignment
CN107918753A (zh) * 2016-10-10 2018-04-17 腾讯科技（深圳）有限公司 点云数据处理方法及装置
US20180225515A1 (en) * 2015-08-04 2018-08-09 Baidu Online Network Technology (Beijing) Co. Ltd. Method and apparatus for urban road recognition based on laser point cloud, storage medium, and device

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180225515A1 (en) * 2015-08-04 2018-08-09 Baidu Online Network Technology (Beijing) Co. Ltd. Method and apparatus for urban road recognition based on laser point cloud, storage medium, and device
US20170046840A1 (en) * 2015-08-11 2017-02-16 Nokia Technologies Oy Non-Rigid Registration for Large-Scale Space-Time 3D Point Cloud Alignment
CN106056563A (zh) * 2016-05-20 2016-10-26 首都师范大学 一种机载激光点云数据与车载激光点云数据融合方法
CN107918753A (zh) * 2016-10-10 2018-04-17 腾讯科技（深圳）有限公司 点云数据处理方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111191661A (zh) * 2019-12-31 2020-05-22 武汉中海庭数据技术有限公司 一种基于车载激光扫描数据的路灯要素提取方法和装置
WO2022205644A1 (zh) * 2021-03-29 2022-10-06 上海商汤临港智能科技有限公司 一种目标检测方法、装置、计算机设备和存储介质

Also Published As

Publication number Publication date
CN110544201B (zh) 2023-01-13

Similar Documents

Publication Publication Date Title
CN110146910B (zh) 一种基于gps与激光雷达数据融合的定位方法及装置
EP3792901B1 (en) Ground mark extraction method, model training method, device and storage medium
CN105667518B (zh) 车道检测的方法及装置
CN102506824B (zh) 一种城市低空无人机系统生成数字正射影像图的方法
CN108931795B (zh) 定位设备轨迹优化和边界提取方法及装置
CN109470254B (zh) 地图车道线的生成方法、装置、系统及存储介质
CN110426051A (zh) 一种车道线绘制方法、装置及存储介质
CN102135417B (zh) 一种全自动三维特征提取方法
CN106296814B (zh) 公路养护检测与可视化交互方法和系统
CN111221808A (zh) 一种无人值守的高精度地图质检方法和装置
CN110363054B (zh) 道路标识线识别方法、装置和系统
CN110544201B (zh) 一种车载激光扫描点云的大范围拼接方法及装置
CN112419512A (zh) 一种基于语义信息的空中三维模型修复系统及方法
CN110543473A (zh) 一种众包数据融合优化方法、装置及存储介质
CN113392169A (zh) 一种高精度地图更新的方法、装置及服务器
CN112418193B (zh) 一种车道线识别方法及系统
CN112435336B (zh) 一种弯道类型识别方法、装置、电子设备及存储介质
CN110927765B (zh) 激光雷达与卫星导航融合的目标在线定位方法
CN110334174B (zh) 一种pos数据纠偏方法及系统
CN115457130A (zh) 一种基于深度关键点回归的电动汽车充电口检测定位方法
CN112815911B (zh) 基于三目视觉的输电线路交跨距离测量方法
CN113227713A (zh) 生成用于定位的环境模型的方法和系统
CN114494625A (zh) 高精度地形图制作方法、装置和计算机设备
CN114677435A (zh) 一种点云全景融合要素提取方法和系统
CN113484843A (zh) 一种激光雷达与组合导航间外参数的确定方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant