CN111079801B - 基于点云匹配快速搜索最近点的方法、介质、终端和装置 - Google Patents
基于点云匹配快速搜索最近点的方法、介质、终端和装置 Download PDFInfo
- Publication number
- CN111079801B CN111079801B CN201911207630.5A CN201911207630A CN111079801B CN 111079801 B CN111079801 B CN 111079801B CN 201911207630 A CN201911207630 A CN 201911207630A CN 111079801 B CN111079801 B CN 111079801B
- Authority
- CN
- China
- Prior art keywords
- grid
- point
- point cloud
- target
- closest
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种基于点云匹配快速搜索最近点的方法、介质、终端和装置。方法包括以下步骤:创建矩形栅格地图;将参考点云和目标点云在矩形栅格地图中栅格化;采用栅格滤波法去除参考点云中的孤立参考点和目标点云中的孤立目标点;计算每个有效栅格的重心点;在第一预设范围内搜索目标点云中每个目标点在参考点云中的最近点,所述最近点为与目标点距离最近的重心点。本发明将参考点云和目标点云在给定的地图上进行栅格化,且在栅格化的同时去除了参考点云与目标点云内孤立的点,在大幅提高ICP运算效率的同时提高了匹配的精度,对于较大旋转或平移的点云匹配有更好的匹配效果与适应能力。
Description
【技术领域】
本发明涉及导航定位领域,尤其涉及一种基于点云匹配快速搜索最近点的方法、介质、终端和装置。
【背景技术】
迭代最近点算法(Iterated Closest Points,ICP)顾名思义,就是采用迭代优化的思想以空间距离作为匹配点的选择依据,通过不断调整点云的位姿使得匹配点之间距离累计最小。ICP算法能够使两个不同坐标系下的点云匹配到一个坐标系中,这个过程就是匹配,目的就是找到待匹配点云与参考点云之间的刚体变换,即旋转参数R和平移参数T,使得两点云数据之间满足某种度量准则下的最优匹配,其本质是基于最小二乘的最优匹配方法。该方法重复进行选择最近点对,计算最优刚体变换,直到满足正确配准的收敛精度要求。计算目标点云中每个点在参考点云中的最近点是基于ICP点云匹配最重要的部分,当前搜索最近点的方法计算量非常大,严重影响了ICP整个算法的运行效率,据统计该步骤的运行时间大约占总体时间的70%-90%,因此提高最近点搜索的速度是提升ICP算法效率的关键。
普通的最近点搜索策略为,根据目标点云中任一点在目标点云的索引,查找参考点云对应索引的点,然后在该点前后一定数量点的范围内搜索目标点的最近点。对于较大角度旋转或平移的两个点云的最近点搜索,普通方法在搜索距离较远点时浪费更多的搜索时间,而搜索范围过小又难以获得准确的匹配甚至无法完成点云的匹配。为了提高ICP最近点搜索效率,出现了多种多样的方法,比如依靠金字塔原理提出来的分级收缩算法、采用反向定标技术的投影搜索算法、Greenspan提出的近似多维二元搜索树(AK-D Tree)算法等等,大大加快了搜索速度,提高了搜索效率。这些方法各有利弊,如大量回溯会导致kd-tree最近邻搜索的性能大大下降,而分级收缩算法对于比较分散点云的最近点搜索效率较低等等。
【发明内容】
本发明提供了一种基于点云匹配快速搜索最近点的方法、介质、终端和装置,解决了以上所述的技术问题。
本发明解决上述技术问题的技术方案如下:一种基于点云匹配快速搜索最近点的方法,包括以下步骤:
步骤1,创建矩形栅格地图;
步骤2,获取相邻两帧点云数据,其中第一帧为参考点云,第二帧为目标点云,将参考点云在所述矩形栅格地图的原点栅格化,并根据目标点云在参考点云坐标系的初始坐标将目标点云在所述矩形栅格地图中栅格化;
步骤3,采用栅格滤波法去除所述参考点云中的孤立参考点和所述目标点云中的孤立目标点;
步骤4,计算每个有效栅格的重心点,所述有效栅格为矩形栅格地图中包含至少一个参考点的栅格;
步骤5,在第一预设范围内搜索目标点云中每个目标点在参考点云中的最近点,所述最近点为与所述目标点距离最近的重心点。
在一个优选实施方式中,计算每个有效栅格的重心点具体为:若所述有效栅格内包含一个参考点,则所述参考点为所述有效栅格的重心点;若所述有效栅格内包含多个参考点,则采用重心法计算所述多个参考点的重心并将计算结果作为所述有效栅格的重心点。
在一个优选实施方式中,采用栅格滤波法去除所述参考点云中的孤立参考点具体为:
获取第一栅格的信息,所述第一栅格为只包含一个参考点的栅格;
对距离所述第一栅格第二预设范围的邻近栅格进行搜索,若所有邻近栅格内参考点的数量均小于第一预设值,则去除所述第一栅格内的参考点,并将所述第一栅格标记为无效栅格,所述无效栅格为不包括参考点的栅格。
在一个优选实施方式中,采用栅格滤波法去除所述目标点云中的孤立目标点具体为:
获取第二栅格的信息,所述第二栅格为只包含一个目标点的栅格;
对距离所述第二栅格第三预设范围的邻近栅格进行搜索,若所有邻近栅格内目标点的数量均小于第二预设值,则去除所述第二栅格内的目标点。
在一个优选实施方式中,在第一预设范围内搜索目标点云中每个目标点在参考点云中的最近点具体为:
S501,根据矩形栅格地图的预设分辨率将所述第一预设范围转换为搜索栅格的数量;
S502,遍历目标点云中的每个目标点,计算所述目标点与每个有效栅格的重心点的距离,将距离最近的重心点作为所述目标点在参考点云中的最近点,形成所有目标点与对应最近点的点对集合。
本发明实施例的第二方面提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,实现以上所述的基于点云匹配快速搜索最近点的方法。
本发明实施例的第三方面提供了一种基于点云匹配快速搜索最近点的终端,包括所述的计算机可读存储介质和处理器,所述处理器执行所述计算机可读存储介质上的计算机程序时实现以上所述基于点云匹配快速搜索最近点的方法的步骤。
本发明实施例的第四方面提供了一种基于点云匹配快速搜索最近点的装置,包括地图创建模块、栅格化模块、滤波模块、计算模块和搜索模块,
所述地图创建模块用于创建矩形栅格地图;
所述栅格化模块用于获取相邻两帧点云数据,其中第一帧为参考点云,第二帧为目标点云,将参考点云在所述矩形栅格地图的原点栅格化,并根据目标点云在参考点云坐标系的初始坐标将目标点云在所述矩形栅格地图中栅格化;
所述滤波模块用于采用栅格滤波法去除所述参考点云中的孤立参考点和所述目标点云中的孤立目标点;
所述计算模块用于计算每个有效栅格的重心点,所述有效栅格为矩形栅格地图中包含至少一个参考点的栅格;
所述搜索模块用于在第一预设范围内搜索目标点云中每个目标点在参考点云中的最近点,所述最近点为与所述目标点距离最近的重心点。
在一个优选实施方式中,所述滤波模块具体包括:
信息获取单元,用于获取第一栅格和第二栅格的信息,所述第一栅格为只包含一个参考点的栅格,所述第二栅格为只包含一个目标点的栅格;
滤波单元,用于对距离所述第一栅格第二预设范围的邻近栅格进行搜索,若所有邻近栅格内参考点的数量均小于第一预设值,则去除所述第一栅格内的参考点,并将所述第一栅格标记为无效栅格,所述无效栅格为不包括参考点的栅格;以及用于对距离所述第二栅格第三预设范围的邻近栅格进行搜索,若所有邻近栅格内目标点的数量均小于第二预设值,则去除所述第二栅格内的目标点。
在一个优选实施方式中,所述搜索模块包括:
转换单元,用于根据矩形栅格地图的预设分辨率将所述第一预设范围转换为搜索栅格的数量;
搜索单元,用于遍历目标点云中的每个目标点,计算所述目标点与每个有效栅格的重心点的距离,将距离最近的重心点作为所述目标点在参考点云中的最近点,形成所有目标点与对应最近点的点对集合。
本发明提供了一种基于点云匹配快速搜索最近点的方法、介质、终端和装置,将参考点云和目标点云在给定的地图上进行栅格化,且在栅格化的同时去除了参考点云与目标点云内孤立的点,在大幅提高ICP运算效率的同时提高了匹配的精度,对于较大旋转或平移的点云匹配有更好的匹配效果与适应能力,因此在实际应用中具有重要意义。
为使发明的上述目的、特征和优点能更明显易懂,下文特举本发明较佳实施例,并配合所附附图,作详细说明如下。
【附图说明】
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1是实施例1提供的基于点云匹配快速搜索最近点的方法的流程示意图;
图2是实施例2提供的基于点云匹配快速搜索最近点的装置的结构示意图;
图3是实施例3提供的基于点云匹配快速搜索最近点的终端的结构示意图。
【具体实施方式】
为了使本发明的目的、技术方案和有益技术效果更加清晰明白,以下结合附图和具体实施方式,对本发明进行进一步详细说明。应当理解的是,本说明书中描述的具体实施方式仅仅是为了解释本发明,并不是为了限定本发明。
图1是本发明实施例1提供的一种基于点云匹配快速搜索最近点的方法的流程示意图,如图1所示,方法包括以下步骤:
步骤1,创建矩形栅格地图;
步骤2,获取相邻两帧点云数据,其中第一帧为参考点云,第二帧为目标点云,将参考点云在所述矩形栅格地图的原点栅格化,并根据目标点云在参考点云坐标系的初始坐标将目标点云在所述矩形栅格地图中栅格化;
步骤3,采用栅格滤波法去除所述参考点云中的孤立参考点和所述目标点云中的孤立目标点;
步骤4,计算每个有效栅格的重心点,所述有效栅格为矩形栅格地图中包含至少一个参考点的栅格;
步骤5,在第一预设范围内搜索目标点云中每个目标点在参考点云中的最近点,所述最近点为与所述目标点距离最近的重心点。
上述实施例将参考点云和目标点云在给定的地图上进行栅格化,且在栅格化的同时去除了参考点云与目标点云内孤立的点,在大幅提高ICP运算效率的同时提高了匹配的精度,对于较大旋转或平移的点云匹配有更好的匹配效果与适应能力,因此在实际应用中具有重要意义。
以下对上述实施例的步骤进行详细说明。
首先创建一张矩形栅格地图,并对该矩形栅格地图预设合适的长、宽以及分辨率大小,其中分辨率大小影响最近点的搜索次数。理论上预设分辨率越小(即栅格边长越大),那么搜索的栅格数量越少,搜索最近点速度越快,但是预设分辨率过小又会影响点云匹配的精度,因此可以根据实际使用场景对预设分辨率大小进行调整。
然后获取相邻两帧点云数据,矩形栅格地图中心表示地图坐标系原点,因此将参考点云在所述矩形栅格地图的原点(使得地图坐标系与参考点云坐标系完全重合)进行栅格化,以使得参考点云中的不同参考点落入不同的栅格内,其中至少被一个参考点击中的栅格称为有效栅格,否则称为无效栅格。
然后采用栅格滤波法去除所述参考点云中的误差较大的孤立参考点,从而可以减少匹配点云数量又可以提高匹配精度,所述栅格滤波法为具体为:对于只包含一个参考点的有效栅格,搜索该有效栅格附近第二预设范围(本实施例设定值为0.1米)的邻近栅格状态,如果该范围内的栅格都为无效状态,即所有邻近栅格内参考点的数量为0,那么该有效栅格内的参考点可以认为是孤立的噪点或误差较大的点,应该去除同时将该有效栅格置为无效栅格状态,从而在栅格化后可以快速去除参考点云中孤立的误差较大的点。
去除误差较大的参考点后,对包含参考点的有效栅格进一步处理如下:若所述有效栅格内只包含一个参考点,则该参考点为所述有效栅格的重心点;若所述有效栅格内包含多个参考点,则采用重心法计算上述多个参考点的重心并将计算结果作为所述有效栅格的重心点。那么参考点云栅格化后,所有有效栅格都可以认为只包含一个点,即该有效栅格对应的重心点。
然后根据目标点云在参考点云坐标系(或地图坐标系)的初始坐标在矩形栅格地图中进行栅格化,并采用所述栅格滤波法去除目标点云内孤立的点,并在第三预设范围内(本实施例设定值为0.2米)搜索目标点云中每个目标点在参考点云中的最近点。具体搜索过程为:根据矩形栅格地图的预设分辨率将所述第一预设范围转换为搜索栅格的数量,即每个点搜索的次数(本实施例设定搜索次数约为20次)。对于每个目标点所搜索的栅格,当为无效栅格时认为该栅格不包含参考点云的任何信息,跳过无效栅格;当为有效栅格时,则获取有效栅格的重心点信息,并计算该目标点与重心点的距离,即如果有效栅格内包含一个参考点,那么计算所述目标点与该参考点的距离,如果有效栅格内包含多个参考点,则计算多个参考点的重心后再计算所述目标点与该重心的距离。然后将距离最近的重心点作为所述目标点在参考点云中的最近点,形成所有目标点与对应最近点的点对集合。上述过程中,目标点云的每个点在栅格化的参考点云中搜索到的最近点,不一定是参考点云中的参考点,也有可能是参考点云中多个点计算出的重心点。而如果没有找到最近点,则目标点云中的该目标点不参与匹配变换矩阵的计算与匹配效果的评价。
优选实施例通过调整预设栅格分辨率的大小搜索更远距离的点,对于较大旋转或平移的点云匹配有更好的匹配效果与适应能力,且搜索速度可以进一步提升。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
本发明实施例还提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,实现以上所述的基于点云匹配快速搜索最近点的方法。
图2是本发明实施例2提供的一种基于点云匹配快速搜索最近点的装置的结构示意图,如图2所示,包括地图创建模块100、栅格化模块200、滤波模块300、计算模块400和搜索模块500,
所述地图创建模块100用于创建矩形栅格地图;
所述栅格化模块200用于获取相邻两帧点云数据,其中第一帧为参考点云,第二帧为目标点云,将参考点云在所述矩形栅格地图的原点栅格化,并根据目标点云在参考点云坐标系的初始坐标将目标点云在所述矩形栅格地图中栅格化;
所述滤波模块300用于采用栅格滤波法去除所述参考点云中的孤立参考点和所述目标点云中的孤立目标点;
所述计算模块400用于计算每个有效栅格的重心点,所述有效栅格为矩形栅格地图中包含至少一个参考点的栅格;
所述搜索模块500用于在第一预设范围内搜索目标点云中每个目标点在参考点云中的最近点,所述最近点为与所述目标点距离最近的重心点。
在一个优选实施方式中,所述滤波模块300具体包括:
信息获取单元301,用于获取第一栅格和第二栅格的信息,所述第一栅格为只包含一个参考点的栅格,所述第二栅格为只包含一个目标点的栅格;
滤波单元302,用于对距离所述第一栅格第二预设范围的邻近栅格进行搜索,若所有邻近栅格内参考点的数量均小于第一预设值,则去除所述第一栅格内的参考点,并将所述第一栅格标记为无效栅格,所述无效栅格为不包括参考点的栅格;以及用于对距离所述第二栅格第三预设范围的邻近栅格进行搜索,若所有邻近栅格内目标点的数量均小于第二预设值,则去除所述第二栅格内的目标点。
在一个优选实施方式中,所述搜索模块500包括:
转换单元501,用于根据矩形栅格地图的预设分辨率将所述第一预设范围转换为搜索栅格的数量;
搜索单元502,用于遍历目标点云中的每个目标点,计算所述目标点与每个有效栅格的重心点的距离,将距离最近的重心点作为所述目标点在参考点云中的最近点,形成所有目标点与对应最近点的点对集合。
本发明实施例还提供了一种基于点云匹配快速搜索最近点的终端,包括所述的计算机可读存储介质和处理器,所述处理器执行所述计算机可读存储介质上的计算机程序时实现以上所述基于点云匹配快速搜索最近点的方法的步骤。图3是本发明实施例3提供的基于点云匹配快速搜索最近点的终端的结构示意图,如图3所示,该实施例的基于点云匹配快速搜索最近点的终端8包括:处理器80、可读存储介质81以及存储在所述可读存储介质81中并可在所述处理器80上运行的计算机程序82。所述处理器80执行所述计算机程序82时实现上述各个方法实施例中的步骤,例如图1所示的步骤1至步骤5。或者,所述处理器80执行所述计算机程序82时实现上述各装置实施例中各模块的功能,例如图2所示模块100至500的功能。
示例性的,所述计算机程序82可以被分割成一个或多个模块,所述一个或者多个模块被存储在所述可读存储介质81中,并由所述处理器80执行,以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序82在所述基于点云匹配快速搜索最近点的终端8中的执行过程。
所述基于点云匹配快速搜索最近点的终端8可包括,但不仅限于,处理器80、可读存储介质81。本领域技术人员可以理解,图3仅仅是基于点云匹配快速搜索最近点的终端8的示例,并不构成对基于点云匹配快速搜索最近点的终端8的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述基于点云匹配快速搜索最近点的终端还可以包括电源管理模块、运算处理模块、输入输出设备、网络接入设备、总线等。
所称处理器80可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述可读存储介质81可以是所述基于点云匹配快速搜索最近点的终端8的内部存储单元,例如基于点云匹配快速搜索最近点的终端8的硬盘或内存。所述可读存储介质81也可以是所述基于点云匹配快速搜索最近点的终端8的外部存储设备,例如所述基于点云匹配快速搜索最近点的终端8上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述可读存储介质81还可以既包括所述基于点云匹配快速搜索最近点的终端8的内部存储单元也包括外部存储设备。所述可读存储介质81用于存储所述计算机程序以及所述基于点云匹配快速搜索最近点的终端所需的其他程序和数据。所述可读存储介质81还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
本发明并不仅仅限于说明书和实施方式中所描述,因此对于熟悉领域的人员而言可容易地实现另外的优点和修改,故在不背离权利要求及等同范围所限定的一般概念的精神和范围的情况下,本发明并不限于特定的细节、代表性的设备和这里示出与描述的图示示例。
Claims (10)
1.一种基于点云匹配快速搜索最近点的的方法,其特征在于,包括以下步骤:
步骤1,创建矩形栅格地图;
步骤2,获取相邻两帧点云数据,其中第一帧为参考点云,第二帧为目标点云,将参考点云在所述矩形栅格地图的原点栅格化,并根据目标点云在参考点云坐标系的初始坐标将目标点云在所述矩形栅格地图中栅格化;
步骤3,采用栅格滤波法去除所述参考点云中的孤立参考点和所述目标点云中的孤立目标点;
步骤4,计算每个有效栅格的重心点,所述有效栅格为矩形栅格地图中包含至少一个参考点的栅格;
步骤5,在第一预设范围内搜索目标点云中每个目标点在参考点云中的最近点,所述最近点为与所述目标点距离最近的重心点。
2.根据权利要求1所述基于点云匹配快速搜索最近点的的方法,其特征在于,计算每个有效栅格的重心点具体为:若所述有效栅格内包含一个参考点,则所述参考点为所述有效栅格的重心点;若所述有效栅格内包含多个参考点,则采用重心法计算所述多个参考点的重心并将计算结果作为所述有效栅格的重心点。
3.根据权利要求1或2所述基于点云匹配快速搜索最近点的的方法,其特征在于,采用栅格滤波法去除所述参考点云中的孤立参考点具体为:
获取第一栅格的信息,所述第一栅格为只包含一个参考点的栅格;
对距离所述第一栅格第二预设范围的邻近栅格进行搜索,若所有邻近栅格内参考点的数量均小于第一预设值,则去除所述第一栅格内的参考点,并将所述第一栅格标记为无效栅格,所述无效栅格为不包括参考点的栅格。
4.根据权利要求3所述基于点云匹配快速搜索最近点的的方法,其特征在于,采用栅格滤波法去除所述目标点云中的孤立目标点具体为:
获取第二栅格的信息,所述第二栅格为只包含一个目标点的栅格;
对距离所述第二栅格第三预设范围的邻近栅格进行搜索,若所有邻近栅格内目标点的数量均小于第二预设值,则去除所述第二栅格内的目标点。
5.根据权利要求4所述基于点云匹配快速搜索最近点的的方法,其特征在于,在第一预设范围内搜索目标点云中每个目标点在参考点云中的最近点具体为:
S501,根据矩形栅格地图的预设分辨率将所述第一预设范围转换为搜索栅格的数量;
S502,遍历目标点云中的每个目标点,计算所述目标点与每个有效栅格的重心点的距离,将距离最近的重心点作为所述目标点在参考点云中的最近点,形成所有目标点与对应最近点的点对集合。
6.一种计算机可读存储介质,其特征在于,存储有计算机程序,所述计算机程序被处理器执行时,实现权利要求1-5任一项所述的基于点云匹配快速搜索最近点的的方法。
7.一种基于点云匹配快速搜索最近点的的终端,其特征在于,包括权利要求6所述的计算机可读存储介质和处理器,所述处理器执行所述计算机可读存储介质上的计算机程序时实现如权利要求1-5任一项所述基于点云匹配快速搜索最近点的的方法的步骤。
8.一种基于点云匹配快速搜索最近点的的装置,其特征在于,包括地图创建模块、栅格化模块、滤波模块、计算模块和搜索模块,
所述地图创建模块用于创建矩形栅格地图;
所述栅格化模块用于获取相邻两帧点云数据,其中第一帧为参考点云,第二帧为目标点云,将参考点云在所述矩形栅格地图的原点栅格化,并根据目标点云在参考点云坐标系的初始坐标将目标点云在所述矩形栅格地图中栅格化;
所述滤波模块用于采用栅格滤波法去除所述参考点云中的孤立参考点和所述目标点云中的孤立目标点;
所述计算模块用于计算每个有效栅格的重心点,所述有效栅格为矩形栅格地图中包含至少一个参考点的栅格;
所述搜索模块用于在第一预设范围内搜索目标点云中每个目标点在参考点云中的最近点,所述最近点为与所述目标点距离最近的重心点。
9.根据权利要求8所述基于点云匹配快速搜索最近点的的装置,其特征在于,所述滤波模块具体包括:
信息获取单元,用于获取第一栅格和第二栅格的信息,所述第一栅格为只包含一个参考点的栅格,所述第二栅格为只包含一个目标点的栅格;
滤波单元,用于对距离所述第一栅格第二预设范围的邻近栅格进行搜索,若所有邻近栅格内参考点的数量均小于第一预设值,则去除所述第一栅格内的参考点,并将所述第一栅格标记为无效栅格,所述无效栅格为不包括参考点的栅格;以及用于对距离所述第二栅格第三预设范围的邻近栅格进行搜索,若所有邻近栅格内目标点的数量均小于第二预设值,则去除所述第二栅格内的目标点。
10.根据权利要求9所述基于点云匹配快速搜索最近点的的装置,其特征在于,所述搜索模块包括:
转换单元,用于根据矩形栅格地图的预设分辨率将所述第一预设范围转换为搜索栅格的数量;
搜索单元,用于遍历目标点云中的每个目标点,计算所述目标点与每个有效栅格的重心点的距离,将距离最近的重心点作为所述目标点在参考点云中的最近点,形成所有目标点与对应最近点的点对集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911207630.5A CN111079801B (zh) | 2019-11-29 | 2019-11-29 | 基于点云匹配快速搜索最近点的方法、介质、终端和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911207630.5A CN111079801B (zh) | 2019-11-29 | 2019-11-29 | 基于点云匹配快速搜索最近点的方法、介质、终端和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111079801A CN111079801A (zh) | 2020-04-28 |
CN111079801B true CN111079801B (zh) | 2023-05-09 |
Family
ID=70312243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911207630.5A Active CN111079801B (zh) | 2019-11-29 | 2019-11-29 | 基于点云匹配快速搜索最近点的方法、介质、终端和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111079801B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111707279B (zh) * | 2020-05-19 | 2023-09-08 | 上海有个机器人有限公司 | 一种激光点云与地图的匹配评价方法、介质、终端和装置 |
CN112861595A (zh) * | 2020-07-31 | 2021-05-28 | 北京京东乾石科技有限公司 | 数据点的识别方法、装置和计算机可读存储介质 |
CN112904841B (zh) * | 2021-01-12 | 2023-11-03 | 北京布科思科技有限公司 | 非水平朝向的单线定位避障方法和装置、设备及存储介质 |
CN113989375A (zh) * | 2021-11-16 | 2022-01-28 | 杭州云象商用机器有限公司 | 机器人定位方法、装置、设备及可读存储介质 |
CN113920180B (zh) * | 2021-12-08 | 2022-04-01 | 杭州速玛科技有限公司 | 一种基于正态分布变换假设校验的点云配准优化方法 |
CN116774688A (zh) * | 2022-03-10 | 2023-09-19 | 苏州科瓴精密机械科技有限公司 | 地图优化方法、装置、设备及存储介质 |
CN114612627B (zh) * | 2022-03-11 | 2023-03-03 | 广东汇天航空航天科技有限公司 | 地形高程图的处理方法、装置、交通工具及介质 |
CN114384492B (zh) * | 2022-03-24 | 2022-06-24 | 北京一径科技有限公司 | 用于激光雷达的点云处理方法及装置、存储介质 |
CN114384491B (zh) * | 2022-03-24 | 2022-07-12 | 北京一径科技有限公司 | 用于激光雷达的点云处理方法及装置、存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110411464A (zh) * | 2019-07-12 | 2019-11-05 | 中南大学 | 三维点云地图生成方法、装置、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109285188B (zh) * | 2017-07-21 | 2020-04-21 | 百度在线网络技术(北京)有限公司 | 用于生成目标物体的位置信息的方法和装置 |
-
2019
- 2019-11-29 CN CN201911207630.5A patent/CN111079801B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110411464A (zh) * | 2019-07-12 | 2019-11-05 | 中南大学 | 三维点云地图生成方法、装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
安雁艳 ; 杨秋翔 ; 冯欣悦 ; 范建华 ; 杨剑 ; .点云数据的k近邻快速建立改进算法.计算机工程与设计.2014,(12),全文. * |
江盟 ; 蔡勇 ; 张建生 ; .基于投影的点云配准算法.自动化仪表.2019,(04),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111079801A (zh) | 2020-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111079801B (zh) | 基于点云匹配快速搜索最近点的方法、介质、终端和装置 | |
CN110969649B (zh) | 一种激光点云与地图的匹配评价方法、介质、终端和装置 | |
CN111707279B (zh) | 一种激光点云与地图的匹配评价方法、介质、终端和装置 | |
CN107209853B (zh) | 定位和地图构建方法 | |
CN109117825B (zh) | 车道线处理方法和装置 | |
CN111311632B (zh) | 一种物体位姿跟踪方法、装置及设备 | |
CN111160298B (zh) | 一种机器人及其位姿估计方法和装置 | |
CN111275633A (zh) | 基于图像分割的点云去噪方法、系统、装置和存储介质 | |
US20150178594A1 (en) | Point cloud simplification | |
CN114937081B (zh) | 基于独立非均匀增量采样的网联车位置估计方法及装置 | |
CN108122280A (zh) | 一种三维点云的重建方法及装置 | |
CN111275821A (zh) | 一种电力线拟合方法、系统及终端 | |
CN104077769A (zh) | 一种图像配准中的误匹配点对剔除算法 | |
CN111739071A (zh) | 基于初始值的快速迭代配准方法、介质、终端和装置 | |
CN110991526B (zh) | 一种非迭代式点云匹配方法、介质、终端和装置 | |
WO2022237368A1 (zh) | 点云模型处理方法、装置及可读存储介质 | |
CN114387353A (zh) | 一种相机标定方法、标定装置及计算机可读存储介质 | |
CN112581511B (zh) | 基于近似直立扫描点云快速配准的三维重建方法及系统 | |
CN116721228B (zh) | 一种基于低密度点云的建筑物高程提取方法及系统 | |
CN109993695B (zh) | 一种不规则图形标注的图像碎片拼接方法及系统 | |
CN110887490A (zh) | 一种激光定位导航的关键帧选取方法、介质、终端和装置 | |
CN111221934A (zh) | 一种无人机作业边界的确定方法及装置 | |
EP3742398A1 (en) | Determining one or more scanner positions in a point cloud | |
CN116415652A (zh) | 一种数据生成方法、装置、可读存储介质及终端设备 | |
CN116358527A (zh) | 点云数据处理、高程确定方法、设备及存储介质 |
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 |