CN111340860A - 点云数据的配准、更新方法、装置、设备和存储介质 - Google Patents
点云数据的配准、更新方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN111340860A CN111340860A CN202010112795.0A CN202010112795A CN111340860A CN 111340860 A CN111340860 A CN 111340860A CN 202010112795 A CN202010112795 A CN 202010112795A CN 111340860 A CN111340860 A CN 111340860A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- registration
- pose information
- frame
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 93
- 238000006243 chemical reaction Methods 0.000 claims description 33
- 238000012216 screening Methods 0.000 claims description 30
- 238000011156 evaluation Methods 0.000 claims description 22
- 230000015654 memory Effects 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 12
- 238000005259 measurement Methods 0.000 description 10
- 238000005457 optimization Methods 0.000 description 7
- 238000013519 translation Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请公开了一种点云数据的配准、更新方法、装置、设备和存储介质，涉及高精地图技术领域，可用于自动驾驶。具体实现方案为：采集目标区域的多帧点云数据，以及每帧点云数据的初始位姿信息；对所述多帧点云数据中的相邻点云数据进行配准运算，得到所述相邻点云数据的配准参数；采用所述多帧点云数据中相邻点云数据的配准参数，评价所述相邻点云数据中每帧点云数据的初始位姿信息的可信度；采用与每帧点云数据的初始位姿信息的可信度匹配的方式，对每帧点云数据进行配准。本实施例能够提高配准效率，整体上提高配准精度，全面提高配准质量。
Description
技术领域
本申请涉及计算机技术，尤其涉及高精地图技术领域。
背景技术
高精度电子地图，即高精地图是高精度、精细化定义的地图，是当前无人驾驶车技术中必不可少的一个组成部分。
高精地图的制作过程一般包括：采用激光雷达采集目标区域的多帧点云数据；对各帧点云数据进行位置和姿态(简称位姿)的配准，得到点云数据的实际位姿，并按照实际位姿将各帧点云数据拼接在一起。在对点云数据进行拼接的过程中，需要采用复杂的配准算法对各帧点云数据均进行配准，并最小化配准算法给出的全局损失函数，从而得到基于全局的配准结果。
由于点云数据量巨大，如果对各帧点云数据均采用复杂的配准算法进行配准，将导致配准效率低下；而且，由于配准算法采用全局最优，可能局部点云数据的配准精度不高，造成整体的配准质量受局限，不可预期。
发明内容
本申请实施例提供了一种点云数据的配准、更新方法、装置、设备和存储介质，以提高配准效率和配准质量。
第一方面，本申请实施例提供了一种点云数据的配准方法，包括：
采集目标区域的多帧点云数据，以及每帧点云数据的初始位姿信息；
对所述多帧点云数据中的相邻点云数据进行配准运算，得到所述相邻点云数据的配准参数；
采用所述多帧点云数据中相邻点云数据的配准参数，评价所述相邻点云数据中每帧点云数据的初始位姿信息的可信度；
采用与每帧点云数据的初始位姿信息的可信度匹配的方式，对每帧点云数据进行配准。
本申请实施例中，通过对多帧点云数据中的相邻点云数据进行配准运算，得到所述相邻点云数据的配准参数，并采用配准参数对初始位姿信息进行可信度评价，从而得到在配准过程中，初始位姿可信和初始位姿不可信的点云数据，进而采用与可信度匹配度方式，分情况对点云数据进行配准，而非对所有点云数据均采用复杂的配准算法进行配准，进而提高配准效率；而且，分情况配准时实质采用了局部最优，有效提高局部点云数据的配准精度，从而在整体上提高配准精度，全面提高配准质量。
可选的，所述采用所述多帧点云数据中相邻点云数据的配准参数，评价所述相邻点云数据中每帧点云数据的初始位姿信息的可信度，包括：
根据所述多帧点云数据中相邻点云数据的初始位姿信息，计算所述相邻点云数据的初始位姿信息之间的转换参数；
根据所述多帧点云数据中相邻点云数据的配准参数与所述转换参数之间的距离，评价所述相邻点云数据中每帧点云数据的初始位姿信息的可信度。
上述申请中的一种可选实施方式，转换参数体现了相邻点云数据的粗略的空间距离，配准参数近似相邻点云数据的真实的空间距离；那么通过采用配准参数，评价初始位姿信息的可信度，使得该可信度能够明确体现初始位姿信息是否能应用于高精度的配准。
可选的，所述采用与每帧点云数据的初始位姿信息的可信度匹配的方式，对每帧点云数据进行配准，包括：
从所述多帧点云数据中，筛选初始位姿信息评价为可信的第一点云数据；
采用所述第一点云数据的初始位姿信息，对所述第一点云数据进行配准。
上述申请中的一种可选实施方式，如果初始位姿信息评价为可信，在采用初始位姿信息进行高精度的配准的同时，无需采用复杂配准算法，极大地减少计算量，提高配准效率；同时避免可信的初始位姿信息被不可信的初始位姿信息拉偏，导致配准质量受局限的情况。
可选的，采用与每帧点云数据的初始位姿信息的可信度，对每帧点云数据进行配准，包括：
从所述多帧点云数据中，筛选初始位姿信息评价为不可信的第二点云数据；
采用所述第二点云数据中相邻点云数据的配准参数，对所述第二点云数据进行配准。
上述申请中的一种可选实施方式，如果初始位姿信息评价为不可信，则采用配准参数进行配准，保证配准的精度。
可选的，采用所述第一点云数据的初始位姿信息，对所述第一点云数据进行配准，包括：
将所述第一点云数据划分为至少两组；
对各组中的点云数据，采用对应点云数据的初始位姿信息并行进行配准。
上述申请中的一种可选实施方式，通过采用初始位姿信息，以分布式并行的方式进行配准，有效地提高拼接效率。
可选的，所述采用所述第二点云数据中相邻点云数据的配准参数，对所述第二点云数据进行配准，包括：
根据每帧点云数据的初始位姿信息，选取与所述第二点云数据的边缘点云数据相邻的，且初始位姿信息评价为可信的目标点云数据；
对所述边缘点云数据与所述目标点云数据进行配准运算，得到所述边缘点云数据与所述目标点云数据的配准参数；
将所述目标点云数据作为参考数据，采用所述第二点云数据中相邻点云数据的配准参数，和所述边缘点云数据与所述目标点云数据的配准参数，对所述第二点云数据进行配准。
上述申请中的一种可选实施方式，在第二点云数据的边缘部分适当扩大范围，引入一部分初始位姿信息可信的部分，并在配准过程中固定可信的部分，将第二点云数据采用配准参数向可信的部分配准，以保证配准结果与可信的部分可以合理拼接在一起；同时，这种有参考的配准方式，能够提高点云数据的配准效率和精度。
第二方面，本申请实施例提供了一种点云数据的更新方法，包括：
获取目标区域内配准后的点云数据、待更新点云数据以及所述待更新点云数据的初始位姿信息；
根据所述待更新点云数据的初始位姿信息，从所述配准后的点云数据中选取被所述待更新点云数据覆盖的目标点云数据；
根据所述目标点云数据中每帧点云数据的初始位姿信息的可信度和/或配准后位姿信息的可信度，评价每帧点云数据的配准结果的可用性；
采用与所述目标点云数据中每帧点云数据的配准结果的可用性匹配的方式，对覆盖对应点云数据的待更新点云数据进行配准；
采用配准后的待更新点云数据更新所述目标点云数据。
本申请实施例中，在对配准后的点云数据进行更新时，首先选取待更新点云数据覆盖的目标点云数据，而不对所有已配准点云数据和待更新点云数据重新配准，为点云更新设置明确的边界，提高了点云更新效率；根据目标点云数据的初始位姿信息的可信度和/或配准后位姿信息的可信度，评价所述目标点云数据的配准结果的可用性，引入了配准结果可用性的评价机制，位姿信息的可信度间接反映了配准结果是否足够可用；通过采用与可用性匹配的方式，对所述待更新点云数据进行配准，从而通过衡量配准结果的可用性，进一步提高点云更新效率，同时也保证了一定的配准精度。
可选的，所述根据所述目标点云数据中每帧点云数据的初始位姿信息的可信度和/或配准后位姿信息的可信度，评价每帧点云数据的配准结果的可用性，包括以下至少一种：
将初始位姿信息被评价为可信，且采用所述初始位姿信息对点云数据进行配准的配准结果，评价为可用；
将配准后位姿信息被评价为可信的点云数据的配准结果，评价为可用；
将配准后位姿信息被评价为不可信的点云数据的配准结果，评价为不可用。
上述申请中的一种可选实施方式，目标点云数据的初始位姿信息或配准后位姿信息是可信的，说明对应的点云数据在之前配准时达到了一定的精度，则配准结果可用；配准后位姿信息被评价为不可信，说明对应的点云数据在之前配准时未达到一定的精度，则配准结果不可用。通过位姿信息的可信性评价配准结果的可用性，以便继续采用位姿信息和配准结果进行配准。
可选的，在所述根据所述目标点云数据中每帧点云数据的初始位姿信息的可信度和/或配准后位姿信息的可信度，评价每帧点云数据的配准结果的可用性之前，还包括：
从所述目标点云数据中，筛选采用初始位姿信息进行配准的点云数据，并确定筛选出的所述点云数据的初始位姿信息被评价为可信；和/或，
从所述目标点云数据中，筛选采用相邻点云数据的配准参数进行配准的相邻点云数据，对筛选出的所述相邻点云数据进行配准运算，得到所述相邻点云数据的配准参数；并采用筛选出的所述相邻点云数据的配准参数，评价所述相邻点云数据中每帧点云数据的配准后位姿信息的可信度。
上述申请中的一种可选实施方式，如果点云数据采用初始位姿信息进行配准，说明初始位姿信息接近真实的位姿信息，相应地，初始位姿信息被评价为可信；如果点云数据采用配准参数进行配准，由于其初始位姿信息可能不可信，使得可能存在配准精度较低的部分，则再次计算配准后相邻点云数据的配准参数，并对配准后位姿信息进行可信度评价，从侧面反映了配准精度是否足够高，使得该可信度能够明确体现配准后位姿信息是否能应用于高精度的配准。
可选的，所述采用筛选出的所述相邻点云数据的配准参数，评价所述相邻点云数据中每帧点云数据的配准后位姿信息的可信度，包括：
根据筛选出的所述相邻点云数据的配准后位姿信息，计算所述相邻点云数据的配准后位姿信息之间的转换参数；
根据筛选出的所述相邻点云数据的配准参数与所述转换参数之间的距离，以及筛选出的所述相邻点云数据的配准误差值，评价所述相邻点云数据中每帧点云数据的配准后位姿信息的可信度。
上述申请中的一种可选实施方式，通过配准参数与转换参数之间的距离，结合配准误差值，全面、准确地评价配准后位姿信息的可信度。
可选的，采用与所述目标点云数据中每帧点云数据的配准结果的可用性匹配的方式，对覆盖对应点云数据的待更新点云数据进行配准，包括：
从所述目标点云数据中，筛选配准结果评价为可用的第一点云数据；
将所述第一点云数据作为参考数据，采用覆盖所述第一点云数据的第一待更新点云数据的初始位姿信息，对所述第一待更新点云数据进行配准。
上述申请中的一种可选实施方式，如果配准结果评价为可用，对覆盖其上的待更新点云数据直接采用初始位姿信息进行配准，在保证配准精度的同时，无需采用复杂配准算法，极大地减少计算量，提高配准效率。
可选的，所述采用与所述目标点云数据中每帧点云数据的配准结果的可用性匹配的方式，对覆盖对应点云数据的待更新点云数据进行配准，包括：
从所述目标点云数据中，筛选配准结果评价为不可用的第二点云数据；
将所述第二点云数据以及覆盖所述第二点云数据的第二待更新点云数据，构成点云数据集合，并对所述点云数据集合中的相邻点云数据进行配准运算，得到所述相邻点云数据的配准参数；
采用所述点云数据集合中的相邻点云数据的配准参数，评价所述相邻点云数据中每帧点云数据的位姿信息的可信度；
采用与每帧点云数据的位姿信息的可信度匹配的方式，对每帧点云数据进行配准；
其中，所述第二点云数据的位姿信息为配准后位姿信息，所述第二待更新点云数据的位姿信息为初始位姿信息。
上述申请中的一种可选实施方式，如果配准结果为不可用，不会直接对相关点云数据采用配准参数进行配准，而是继续评价位姿信息的可信度，进而根据可信度分情况进行配准，从而在对覆盖配准结果不可用的点云数据进行更新时，依然能够提高配准效率和配准质量。
第三方面，本申请实施例还提供了一种点云数据的配准装置，包括：
采集模块，用于采集目标区域的多帧点云数据，以及每帧点云数据的初始位姿信息；
运算模块，用于对所述多帧点云数据中的相邻点云数据进行配准运算，得到所述相邻点云数据的配准参数；
评价模块，用于采用所述多帧点云数据中的相邻点云数据的配准参数，评价所述相邻点云数据中每帧点云数据的初始位姿信息的可信度；
配准模块，用于采用与每帧点云数据的初始位姿信息的可信度匹配的方式，对每帧点云数据进行配准。
第四方面，本申请实施例还提供了一种点云数据的更新装置，包括：
获取模块，用于获取目标区域内配准后的点云数据、待更新点云数据以及所述待更新点云数据的初始位姿信息；
选取模块，用于根据所述待更新点云数据的初始位姿信息，从所述配准后的点云数据中选取被所述待更新点云数据覆盖的目标点云数据；
评价模块，用于根据所述目标点云数据中每帧点云数据的初始位姿信息的可信度和/或配准后位姿信息的可信度，评价每帧点云数据的配准结果的可用性；
配准模块，用于采用与所述目标点云数据中每帧点云数据的配准结果的可用性匹配的方式，对覆盖对应点云数据的待更新点云数据进行配准；
更新模块，用于采用配准后的待更新点云数据更新所述目标点云数据。
第五方面，本申请实施例还提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面实施例所提供的一种点云数据的配准方法，或者如第二方面实施例所提供的一种点云数据的更新方法。
第六方面，本申请实施例还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如第一方面实施例所提供的一种点云数据的配准方法，或者如第二方面实施例所提供的一种点云数据的更新方法。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是本申请实施例一中的一种点云数据的配准方法的流程图；
图2是本申请实施例二中的一种点云数据的配准方法的流程图；
图3是本申请实施例三中的一种点云数据的更新方法的流程图；
图4是本申请实施例四中的一种点云数据的更新方法的流程图；
图5是本申请实施例五中的一种点云数据的配准装置的结构图；
图6是本申请实施例六中的一种点云数据的更新装置的结构图；
图7是用来实现本申请实施例的点云数据的配准方法或更新方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
实施例一
本发明实施例一提供一种点云数据的配准方法，其流程图如图1所示，可适用于对采集的多帧点云数据进行配准，以便进行拼接的情况。该方法通过点云数据的配准装置执行，该装置采用软件和/或硬件实现，并具体配置于具备一定数据运算能力的电子设备中。电子设备可以集成于采集车中，或者独立于采集车并与采集车通信连接。
采集车包括但不限于小轿车、汽车、客车等各种路面行驶车辆，可以是无人驾驶车或者有人驾驶车。采集车包括：车辆本体、搭载在车辆本体上的激光雷达设备、惯性测量单元和定位设备。
激光雷达设备用于向采集车周围周期性发射激光，以采集周围物体的多帧点云数据。定位设备用于对采集车进行实时定位，定位设备集成有定位系统，例如，全球定位系统(Global Positioning System，GPS)、北斗定位系统等。惯性测量单元测量采集车的当前姿态、速度等信息。
如图1所示的一种点云数据的配准方法，包括：
S101、采集目标区域的多帧点云数据，以及每帧点云数据的初始位姿信息。
本实施例中，为采集足够的点云数据，储备大量的地图原始数据，控制采集车在目标区域的道路上多次行驶，采集大量的点云数据。可以理解的是，相邻点云数据之间必然包括若干相同的点。
在采集每帧点云数据时，同时采集定位设备的位置信息和惯性测量单元的姿态信息。值得说明的是，由于惯性测量单元、定位设备和激光雷达设备均搭载在采集车上，因此，定位设备和惯性测量单元采集的位置信息和姿态信息(以下简称位姿信息)可以认为是对应点云数据被采集时的位姿信息。为了方便描述和区分，特将每帧点云数据被采集时的位姿信息称为初始位姿信息。
S102、对多帧点云数据中的相邻点云数据进行配准运算，得到相邻点云数据的配准参数。
本实施中，相邻点云数据之间的配准运算方法可以包括粗配准(CoarseRegistration)和精配准(Fine Registration)两个阶段，粗配准方法包括4点法(4-PointsCongruent Sets，4PCS)等，精配准方法包括迭代最近点(Iterative Closest Point，ICP)算法、判别优化(Discriminative Optimization，DO)算法等。
通过配准运算方法对多帧点云数据中的相邻点云数据进行位置和姿态的配准运算，得到相邻点云数据的配准参数，该配准参数包括平移矩阵和旋转矩阵，从而计算得到相邻点云数据之间的空间距离。
值得说明的是，本操作仅需计算得到配准所需的配准参数即可，不需要对点云数据中的每个点进行实际配准，即不需要调整每个点的位姿信息。
S103、采用多帧点云数据中相邻点云数据的配准参数，评价相邻点云数据中每帧点云数据的初始位姿信息的可信度。
由于初始位姿信息由定位设备和惯性测量单元得到，精度有限，有的接近点云数据的真实位姿信息，有的则相距较远。基于此，初始位姿信息的可信度包括初始位姿信息可信和不可信。初始位姿信息可信表示初始位姿信息接近该帧点云数据的真实位姿信息，初始位姿信息不可信表示初始位姿信息不接近该帧点云数据的真实位姿信息。
本实施例中，采用配准参数近似相邻点云数据的真实位姿信息之间的空间距离，进而通过配准参数评价点云数据的初始位姿的可信度。具体的，根据多帧点云数据中相邻点云数据的初始位姿信息，计算相邻点云数据的初始位姿信息之间的转换参数；根据多帧点云数据中相邻点云数据的配准参数与转换参数之间的距离，评价相邻点云数据中每帧点云数据的初始位姿信息的可信度。
具体的，根据相邻点云数据的初始位姿信息，计算从其中一帧点云数据的初始位姿信息到另一帧点云数据的初始位姿信息的旋转矩阵和平移矩阵，构成转换参数。计算配准参数中旋转矩阵与转换参数中旋转矩阵的距离，以及配准参数中平移矩阵与转换参数中平移矩阵的距离，再将计算得到的两个距离相加或者求平均作为配准参数与转换参数之间的距离。其中，矩阵的距离可以采用矩阵差的范数表示。如果配准参数与转换参数之间的距离小于等于设定距离阈值，则评价点云数据的初始位姿信息可信；如果配准参数与转换参数之间的距离大于设定距离阈值，则评价点云数据的初始位姿信息不可信。
进一步的，定位设备和惯性测量单元在采集位姿信息的过程中，也会提供采集误差。基于此，还可以采用多帧点云数据中相邻点云数据的配准参数，并结合采集误差，综合评价相邻点云数据中每帧点云数据的初始位姿信息的可信度。具体的，如果配准参数与转换参数之间的距离小于等于设定距离阈值，且初始位姿信息的采集误差在设定误差范围内，则评价点云数据的初始位姿信息可信；如果配准参数与转换参数之间的距离大于设定距离阈值，或者采集误差不在设定误差范围内，则评价点云数据的初始位姿信息不可信。
S104、采用与每帧点云数据的初始位姿信息的可信度匹配的方式，对每帧点云数据进行配准。
本实施例采用初始位姿的可信度对多帧点云数据进行划分，并对划分出的各点云数据采用与初始位姿信息的可信度匹配的方式进行配准。与初始位姿信息的可信度匹配的方式包括但不限于仅采用初始位姿信息进行配准和仅采用配准参数进行配准。
为了方便描述和区分，本实施例将初始位姿可信的点云数据称为第一点云数据，将初始位姿不可信的点云数据称为第二点云数据，针对第一点云数据和第二点云数据，本操作包括下述两种可选实施方式。
第一种实施方式：从多帧点云数据中，筛选初始位姿信息评价为可信的第一点云数据；采用第一点云数据的初始位姿信息，对第一点云数据进行配准。
第二种实施方式：从多帧点云数据中，筛选初始位姿信息评价为不可信的第二点云数据；采用第二点云数据中相邻点云数据的配准参数，对第二点云数据进行配准。
本实施例的配准过程可在相邻点云数据中实施，具体采用旋转矩阵和平移矩阵对相邻点云数据中任一点云数据的每个点的位姿信息进行调整，以使相邻点云数据中的同一点重合。接着可对配准后的点云数据进行拼接，以形成目标区域的完整的点云数据。
本申请实施例中，通过对多帧点云数据中的相邻点云数据进行配准运算，得到相邻点云数据的配准参数，并采用配准参数对初始位姿信息进行可信度评价，从而得到在配准过程中，初始位姿可信和初始位姿不可信的点云数据，进而采用与可信度匹配度方式，分情况对点云数据进行配准，而非对所有点云数据均采用复杂的配准算法进行配准，进而提高配准效率；而且，分情况配准时实质采用了局部最优，有效提高局部点云数据的配准精度，从而在整体上提高配准精度，全面提高配准质量。
进一步的，转换参数体现了相邻点云数据的粗略的空间距离，配准参数近似相邻点云数据的真实的空间距离；那么通过采用配准参数，评价初始位姿信息的可信度，使得该可信度能够明确体现初始位姿信息是否能应用于高精度的配准。进而在可信时，采用初始位姿信息进行高精度的配准，无需采用复杂配准算法，极大地减少计算量，提高配准效率；同时避免可信的初始位姿信息被不可信的初始位姿信息拉偏，导致配准质量受局限的情况；在不可信时，采用配准参数进行配准，保证配准的精度。
实施例二
图2是本申请实施例二中的一种点云数据的配准方法的流程图，本申请实施例在上述各实施例的技术方案的基础上进行了优化改进。
进一步的，将操作“采用第一点云数据的初始位姿信息，对第一点云数据进行配准”细化为“将第一点云数据划分为至少两组；对各组中的点云数据，采用对应点云数据的初始位姿信息并行进行配准”。
进一步地，将操作“采用第二点云数据中相邻点云数据的配准参数，对第二点云数据进行配准”细化为“根据每帧点云数据的初始位姿信息，选取与第二点云数据的边缘点云数据相邻的，且初始位姿信息评价为可信的目标点云数据；对边缘点云数据与目标点云数据进行配准运算，得到边缘点云数据与目标点云数据的配准参数；将目标点云数据作为参考数据，采用第二点云数据中相邻点云数据的配准参数，和边缘点云数据与目标点云数据的配准参数，对第二点云数据进行配准”。
如图2所示的一种点云数据的配准方法，包括：
S201、采集目标区域的多帧点云数据，以及每帧点云数据的初始位姿信息。
S202、对多帧点云数据中的相邻点云数据进行配准运算，得到相邻点云数据的配准参数。
S203、采用多帧点云数据中相邻点云数据的配准参数，评价相邻点云数据中每帧点云数据的初始位姿信息的可信度。
S201-S203详见上述实施例的相关描述，此处不再赘述。
S204、从多帧点云数据中，筛选初始位姿信息评价为可信的第一点云数据。
S205、将第一点云数据划分为至少两组。
S206、对各组中的点云数据，采用对应点云数据的初始位姿信息并行进行配准。
具体可根据第一点云数据的帧数，平均划分为至少两组，或者根据计算节点的负载能力对第一点云数据进行划分。
本实施例中的电子设备配置有分布式系统，包括中心服务器和与中心服务器连接的多个计算节点。如果计算节点的负载能力相同，则中心服务器将第一点云数据平均划分为计算节点的数量个组数。例如，第一点云数据有100帧，计算节点共10个，则将第一点云数据平均划分为10组，将每组点云数据发送至对应的计算节点，分别由计算节点对收到的点云数据，采用各自的初始位姿信息进行配准。如果计算节点的负载能力不同，则中心服务器将第一点云数据划分为计算节点的数量个组数，并根据负载能力确定每个计算节点分发的具体帧数。
S207、从多帧点云数据中，筛选初始位姿信息评价为不可信的第二点云数据。
S208、根据每帧点云数据的初始位姿信息，选取与第二点云数据的边缘点云数据相邻的，且初始位姿信息评价为可信的目标点云数据。
第二点云数据的边缘点云数据为第二点云数据中形成联通区域的点云数据最外层的点云数据，如果第二点云数据形成至少两个联通区域，则选取每个联通区域最外层的点云数据构成边缘点云数据。
根据上述实施例的描述，多帧点云数据被划分为初始位姿信息可信的部分和初始位姿不可信的部分。因此，边缘点云数据之外是初始位姿评价为可信的点云数据，从这些初始位姿评价为可信的点云数据中，选择与边缘点云数据相邻的点云数据，作为目标点云数据。
S209、对边缘点云数据与目标点云数据进行配准运算，得到边缘点云数据与目标点云数据的配准参数。
配准运算的方法包括粗配准(Coarse Registration)和精配准(FineRegistration)两个阶段，具体方法详见上述实施例的描述，此处不再赘述。
通过配准运算方法对边缘点云数据与目标点云数据进行位置和姿态的配准运算，得到配准参数，该配准参数包括平移矩阵和旋转矩阵。
S210、将目标点云数据作为参考数据，采用第二点云数据中相邻点云数据的配准参数，和边缘点云数据与目标点云数据的配准参数，对第二点云数据进行配准。
由于目标点云数据初始位姿可信的点云数据，不需要采用配准参数进行配准，则在采用配准参数进行配准的过程中，将目标点云数据作为参考数据，固定不变。将边缘点云数据按照配准参数，向目标点云数据进行配准；将第二点云数据中除边缘点云数据之外的点云数据，按照相邻点云数据的配准参数进行配准。这样，第二点云数据中的每个点实质上均与目标点云数据进行了配准。
值得说明的是，S204-S206与S207-S210的执行顺序不限，即可以先执行S204-S206，再执行S207-S210，或者先执行S207-S210再执行S204-S206。
如果先执行S204-S206，再执行S207-S210，则目标点云数据是已配准的点云数据，在执行S210，即将目标点云数据作为参考数据，对第二点云数据进行配准之后，就可以得到完整的配准后的点云数据。如果先执行S207-S210再执行S204-S206，则目标点云数据是未配准的点云数据，则在执行S210之后，除了采用第一点云数据的初始位姿信息，对第一点云数据进行配准之外，还需要根据目标点云数据的位姿调整信息对配准后的第二点云数据整体进行位姿调整，以保证初始位姿信息可信的点云数据和不可信的点云数据能够顺利拼接在一起。
本实施例中，对初始位姿信息可信的第一点云数据，通过采用初始位姿信息，以分布式并行的方式进行配准，有效地提高拼接效率；对初始位姿信息不可信的第二点云数据，在第二点云数据的边缘部分适当扩大范围，引入一部分初始位姿信息可信的部分，并在配准过程中固定可信的部分，将第二点云数据采用配准参数向可信的部分配准，以保证配准结果与可信的部分可以合理拼接在一起；同时，这种有参考的配准方式，能够提高点云数据的配准效率和精度。
实施例三
图3是本申请实施例三中的一种点云数据的更新方法的流程图，该方法可适用于对配准后的点云数据进行更新的情况。该方法通过点云数据的更新装置执行，该装置采用软件和/或硬件实现，并具体配置于具备一定数据运算能力的电子设备中。电子设备可以集成于采集车中，或者独立于采集车并与采集车通信连接。对于采集车的描述详见上述实施例，此处不再描述。
如图3所示的一种点云数据的更新方法，包括：
S301、获取目标区域内配准后的点云数据、待更新点云数据以及待更新点云数据的初始位姿信息。
预先采集目标区域的多帧点云数据，并对多帧点云数据进行配准，得到目标区域内配准后的点云数据。
在需要更新点云数据时，采集待更新区域的点云数据，作为待更新点云数据。具体通过采集车上搭载的激光雷达设备采集待更新点云数据。在采集待更新点云数据中的每帧点云数据时，同时采集定位设备的位置信息和惯性测量单元的姿态信息，作为待更新点云数据的初始位姿信息。
S302、根据待更新点云数据的初始位姿信息，从配准后的点云数据中选取被待更新点云数据覆盖的目标点云数据。
配准后的点云数据的当前位姿信息称为配准后位姿信息，其是采用配准参数对初始位姿信息进行调整后得到的。查找与初始位姿信息匹配的配准后位姿信息，从而找到匹配的配准后位姿信息对应的目标点云数据。
其中，位姿信息匹配可以指位置信息的距离在设定距离范围内，姿态信息的旋转角度在设定角度范围内。
值得说明的是，由于待更新点云数据与目标点云数据具有覆盖关系，所以待更新点云数据会主要更新目标点云数据，则对目标点云数据进行后续处理，而不处理配准后的点云数据中除目标点云数据之外的数据。当然，在实际应用中，待更新点云数据可能未覆盖任何目标区域内配准后的点云数据，则采用上述实施例一或实施例二提供的方法对待更新点云数据进行配准。
S303、根据目标点云数据中每帧点云数据的初始位姿信息的可信度和/或配准后位姿信息的可信度，评价每帧点云数据的配准结果的可用性。
目标点云数据中每帧点云数据的初始位姿信息指的是在配准之前，由定位设备和惯性测量单元得到的位姿信息。受定位设备和惯性测量单元的精度影响，有的初始位姿信息接近点云数据的真实位姿信息，有的则相距较远。基于此，初始位姿信息的可信度包括初始位姿信息可信和不可信。初始位姿信息可信表示初始位姿信息接近该帧点云数据的真实位姿信息，初始位姿信息不可信表示初始位姿信息不接近该帧点云数据的真实位姿信息。
类似的，配准后位姿信息的可信度包括可信和不可信。虽然目标点云数据经过配准，但可能仍存在精度较低的部分，如果配准后位姿信息接近该帧点云数据在现实场景中的实际位姿信息，则配准后位姿信息可信；反之，如果配准后位姿信息不接近该帧点云数据在现实场景中的实际位姿信息，则配准后位姿信息不可信。
基于上述分析，本操作包括以下至少一种实施方式：1)将初始位姿信息被评价为可信，且采用初始位姿信息对点云数据进行配准的配准结果，评价为可用；2)将配准后位姿信息被评价为可信的点云数据的配准结果，评价为可用；3)将配准后位姿信息被评价为不可信的点云数据的配准结果，评价为不可用。
如果采用可信的初始位姿信息对点云数据进行配准，能够得到高精度的配准结果，即该配准结果可用。如果配准后位姿信息不可信，则说明配准结果精度较低，不可用；反之，则说明配准结果精度较高，该配准结果可用。其中，配准结果可用与否指的是配准结果能够应用于待更新点云数据的配准过程中。
S304、采用与目标点云数据中每帧点云数据的配准结果的可用性匹配的方式，对覆盖对应点云数据的待更新点云数据进行配准。
本实施例采用配准结果的可用性对待更新点云数据进行划分，并对划分出的各点云数据采用与配准结果的可用性匹配的方式进行配准。与配准结果的可用性匹配的方式包括但不限于仅采用待更新点云数据的初始位姿信息进行配准和综合采用配准参数和初始位姿信息进行配准。
为了方便描述和区分，本实施例将目标点云数据中配准结果评价为可用的点云数据称为第一点云数据，覆盖第一点云数据的待更新点云数据称为第一待更新数据；将配准结果评价为不可用的点云数据称为第二点云数据，覆盖第二点云数据的待更新点云数据称为第二待更新数据。针对第一待更新数据和第二待更新数据，本操作包括下述两种可选实施方式。
第一种可选实施方式：从目标点云数据中，筛选配准结果评价为可用的第一点云数据；将第一点云数据作为参考数据，采用覆盖第一点云数据的第一待更新点云数据的初始位姿信息，对第一待更新点云数据进行配准。
具体的，计算第一待更新点云数据的初始位姿信息到第一点云数据的配准后位姿信息的转换参数，包括旋转矩阵和平移矩阵。采用转换参数对第一待更新点云数据中的每个数据的初始位姿信息进行调整，以将第一待更新点云数据向第一点云数据配准。
第二种可选实施方式：从目标点云数据中，筛选配准结果评价为不可用的第二点云数据；将第二点云数据以及覆盖第二点云数据的第二待更新点云数据，构成点云数据集合，并对点云数据集合中的相邻点云数据进行配准运算，得到相邻点云数据的配准参数；采用点云数据集合中的相邻点云数据的配准参数，评价相邻点云数据中每帧点云数据的位姿信息的可信度；采用与每帧点云数据的位姿信息的可信度匹配的方式，对每帧点云数据进行配准。
具体的，如果第二点云数据的配准结果不可用，也需要将第二点云数据进行再次配准，以保证整体的配准精度。基于此，将第二点云数据和第二待更新点云数据构成点云数据集合。点云数据集合中，第二点云数据的位姿信息为配准后位姿信息，第二待更新点云数据的位姿信息为初始位姿信息。根据云数据集合中各帧点云数据的位姿信息之间的距离，确定相邻点云数据。可以理解的是，一般情况下，第二点云数据或第二待更新点云数据中的各帧点云数据都是成片聚集的，可根据采集的先后顺序确定相邻点云数据。因此，仅需要根据第二点云数据和第二待更新点云数据的位姿信息之间的距离，确定哪帧第二点云数据和哪帧第二待更新点云数据是相邻的。
然后，采用配准运算方法对点云数据集合中的相邻点云数据进行配准运算，得到相邻点云数据的配准参数，具体详见上述实施例的描述，此处不再赘述。
接着，采用点云数据集合中的相邻点云数据的配准参数，评价相邻点云数据中每帧点云数据的位姿信息的可信度；采用与每帧点云数据的位姿信息的可信度匹配的方式，对每帧点云数据进行配准。与实施例一和实施例二提供的方法大致相同，唯一不同之处在于实施例一和实施例二中点云数据的位姿信息均为初始位姿信息，而本实施例中，第二点云数据的位姿信息为配准后位姿信息，第二待更新点云数据的位姿信息为初始位姿信息。
具体的，根据点云数据集合中相邻点云数据的位姿信息，计算相邻点云数据的位姿信息之间的转换参数；根据多相邻点云数据的配准参数与转换参数之间的距离，评价相邻点云数据中每帧点云数据的位姿信息的可信度。然后，从点云数据集合中，筛选位姿信息评价为可信的点云数据；并采用评价为可信的点云数据的位姿信息，对评价为可信的点云数据进行配准。从点云数据集合中，筛选位姿信息评价为不可信的点云数据；并采用评价为不可信的点云数据中相邻点云数据的配准参数，对评价为不可信的点云数据进行配准。具体参见实施例一和实施例二的描述，此处不再赘述。
S305、采用配准后的待更新点云数据更新目标点云数据。
配准后的待更新点云数据与目标点云数据统一到全局坐标系下，并确定出待更新点云数据与目标点云数据的对应点以及待更新点云数据中的不对应点。
可选的，首先判断待更新点云数据对应的实际道路环境的变更程度，如新增兴趣点(Point of Information，POI)，则实际道路环境的变更程度低；又如，对若干小区拆迁，则实际道路环境的变更程度高。
如果实际道路环境的变更程度低，则在全局坐标系中，将配准后的待更新点云数据直接添加到目标点云数据中。实际上，由于添加操作后对应点将会重合，也可以不将待更新点云数据中的对应点添加到目标点云数据中。如果实际道路环境的变更程度高，则在全局坐标系中，将配准后的待更新点云数据替换目标点云数据。
通过根据实际道路环境的变更程度分别采用添加和替换两种方式，减少需要更新的数据量，提高数据更新效率。
本申请实施例中，在对配准后的点云数据进行更新时，首先选取待更新点云数据覆盖的目标点云数据，而不对所有已配准点云数据和待更新点云数据重新配准，为点云更新设置明确的边界，提高了点云更新效率；根据目标点云数据的初始位姿信息的可信度和/或配准后位姿信息的可信度，评价目标点云数据的配准结果的可用性，引入了配准结果可用性的评价机制，位姿信息的可信度间接反映了配准结果是否足够可用；通过采用与可用性匹配的方式，对待更新点云数据进行配准，从而通过衡量配准结果的可用性，进一步提高点云更新效率，同时也保证了一定的配准精度。
进一步的，目标点云数据的初始位姿信息或配准后位姿信息是可信的，说明对应的点云数据在之前配准时达到了一定的精度，则配准结果可用；配准后位姿信息被评价为不可信，说明对应的点云数据在之前配准时未达到一定的精度，则配准结果不可用。通过位姿信息的可信性评价配准结果的可用性，以便继续采用位姿信息和配准结果进行配准。
进一步的，如果配准结果评价为可用，对覆盖其上的待更新点云数据直接采用初始位姿信息进行配准，在保证配准精度的同时，无需采用复杂配准算法，极大地减少计算量，提高配准效率。如果配准结果为不可用，不会直接对相关点云数据采用配准参数进行配准，而是继续评价位姿信息的可信度，进而根据可信度分情况进行配准，从而在对覆盖配准结果不可用的点云数据进行更新时，依然能够提高配准效率和配准质量。
实施例四
图4是本申请实施例四中的一种点云数据的更新方法的流程图，本申请实施例在上述各实施例的技术方案的基础上进行了优化改进。
进一步的，在操作“根据目标点云数据中每帧点云数据的初始位姿信息的可信度和/或配准后位姿信息的可信度，评价每帧点云数据的配准结果的可用性”之前，追加操作“从目标点云数据中，筛选采用初始位姿信息进行配准的点云数据，并确定筛选出的点云数据的初始位姿信息被评价为可信；和/或，从目标点云数据中，筛选采用相邻点云数据的配准参数进行配准的相邻点云数据，对筛选出的相邻点云数据进行配准运算，得到相邻点云数据的配准参数；并采用筛选出的相邻点云数据的配准参数，评价相邻点云数据中每帧点云数据的配准后位姿信息的可信度”，限定了位姿信息可信度的评价方法。
如图4所示的一种点云数据的更新方法，包括：
S401、获取目标区域内配准后的点云数据、待更新点云数据以及待更新点云数据的初始位姿信息。
S402、根据待更新点云数据的初始位姿信息，从配准后的点云数据中选取被待更新点云数据覆盖的目标点云数据。
S403、从目标点云数据中，筛选采用初始位姿信息进行配准的点云数据，并确定筛选出的点云数据的初始位姿信息被评价为可信。
目标点云数据在配准之前，需要对配准之前的目标点云数据的相邻点云数据进行配准运算，得到相邻点云数据的配准参数；采用相邻点云数据的配准参数，评价相邻点云数据中每帧点云数据的初始位姿信息的可信度。详见实施例一和实施例二的记载。然后，从配准之前的目标点云数据中筛选初始位姿信息评价为可信的点云数据，并采用筛选出的点云数据的初始位姿信息进行配准。
基于上述配准之前的操作，可以较容易地筛选采用初始位姿信息进行配准的点云数据，并确定筛选出的点云数据的初始位姿信息被评价为可信。
S404、从目标点云数据中，筛选采用相邻点云数据的配准参数进行配准的相邻点云数据，对筛选出的相邻点云数据进行配准运算，得到相邻点云数据的配准参数；并采用筛选出的相邻点云数据的配准参数，评价相邻点云数据中每帧点云数据的配准后位姿信息的可信度。
接着S403中对配准之前的操作，从配准之前的目标点云数据中，筛选初始位姿信息不可信的点云数据；并采用筛选出的第二点云数据中相邻点云数据的配准参数进行配准。具体的，根据每帧点云数据的初始位姿信息，选取与初始位姿信息不可信的点云数据的边缘点云数据相邻的，且初始位姿信息评价为可信的点云数据；对边缘点云数据与选取的点云数据进行配准运算，得到边缘点云数据与选取的点云数据的配准参数；将选取的点云数据作为参考数据，采用初始位姿信息不可信的点云数据中相邻点云数据的配准参数，和边缘点云数据与选取的点云数据的配准参数进行配准。详见实施例一和实施例二的记载。
基于上述配准之前的操作，可以较容易地筛选采用相邻点云数据的配准参数进行配准的相邻点云数据，进而采用配准运算方法进行配准运算，得到相邻点云数据的配准参数。根据筛选出的相邻点云数据的配准后位姿信息，计算相邻点云数据的配准后位姿信息之间的转换参数；根据筛选出的相邻点云数据的配准参数与转换参数之间的距离，以及筛选出的相邻点云数据的配准误差值，评价相邻点云数据中每帧点云数据的配准后位姿信息的可信度。
其中，筛选出的相邻点云数据的配准误差值是配准运算方法给出的损失值。
S405、根据目标点云数据中每帧点云数据的初始位姿信息的可信度和配准后位姿信息的可信度，评价每帧点云数据的配准结果的可用性。
S406、采用与目标点云数据中每帧点云数据的配准结果的可用性匹配的方式，对覆盖对应点云数据的待更新点云数据进行配准。
S407、采用配准后的待更新点云数据更新目标点云数据。
值得说明的是，S403和S404可以二者均执行，也可以执行任一者。在二者均执行时执行顺序不限，可以先执行S403再执行S404，或者先执行S404再执行S403，或者并行执行。如果二者均执行，则继续执行上述S405；如果仅执行S403，则仅根据目标点云数据中每帧点云数据的初始位姿信息的可信度，评价每帧点云数据的配准结果的可用性；如果仅执行S404，则仅根据目标点云数据中每帧点云数据配准后位姿信息的可信度，评价每帧点云数据的配准结果的可用性。
而且，S403和S404在S405之前执行即可，不限于在S401-S402之前或者之后。
本申请实施例中，如果点云数据采用初始位姿信息进行配准，说明初始位姿信息接近真实的位姿信息，相应地，初始位姿信息被评价为可信；如果点云数据采用配准参数进行配准，由于其初始位姿信息可能不可信，使得可能存在配准精度较低的部分，则再次计算配准后相邻点云数据的配准参数，并对配准后位姿信息进行可信度评价，从侧面反映了配准精度是否足够高，使得该可信度能够明确体现配准后位姿信息是否能应用于高精度的配准。
进一步的，通过配准参数与转换参数之间的距离，结合配准误差值，全面、准确地评价配准后位姿信息的可信度。
实施例五
图5是本申请实施例五中的一种点云数据的配准装置的结构图，本申请实施例适用于对采集的多帧点云数据进行配准，以便进行拼接的情况，该装置采用软件和/或硬件实现，并具体配置于具备一定数据运算能力的电子设备中。
如图5所示的一种点云数据的配准装置500，包括：采集模块501，运算模块502，评价模块503和配准模块504；其中，
采集模块501，用于采集目标区域的多帧点云数据，以及每帧点云数据的初始位姿信息；
运算模块502，用于对多帧点云数据中的相邻点云数据进行配准运算，得到相邻点云数据的配准参数；
评价模块503，用于采用多帧点云数据中的相邻点云数据的配准参数，评价相邻点云数据中每帧点云数据的初始位姿信息的可信度；
配准模块504，用于采用与每帧点云数据的初始位姿信息的可信度匹配的方式，对每帧点云数据进行配准。
本申请实施例中，通过对多帧点云数据中的相邻点云数据进行配准运算，得到相邻点云数据的配准参数，并采用配准参数对初始位姿信息进行可信度评价，从而得到在配准过程中，初始位姿可信和初始位姿不可信的点云数据，进而采用与可信度匹配度方式，分情况对点云数据进行配准，而非对所有点云数据均采用复杂的配准算法进行配准，进而提高配准效率；而且，分情况配准时实质采用了局部最优，有效提高局部点云数据的配准精度，从而在整体上提高配准精度，全面提高配准质量。
进一步的，评价模块503具体用于：根据多帧点云数据中相邻点云数据的初始位姿信息，计算相邻点云数据的初始位姿信息之间的转换参数；根据多帧点云数据中相邻点云数据的配准参数与转换参数之间的距离，评价相邻点云数据中每帧点云数据的初始位姿信息的可信度。
进一步的，配准模块504具体用于：从多帧点云数据中，筛选初始位姿信息评价为可信的第一点云数据；采用第一点云数据的初始位姿信息，对第一点云数据进行配准。
进一步的，配准模块504具体用于：从多帧点云数据中，筛选初始位姿信息评价为不可信的第二点云数据；采用第二点云数据中相邻点云数据的配准参数，对第二点云数据进行配准。
进一步的，配准模块504在采用第一点云数据的初始位姿信息，对第一点云数据进行配准时，具体用于：将第一点云数据划分为至少两组；对各组中的点云数据，采用对应点云数据的初始位姿信息并行进行配准。
进一步的，配准模块504在采用第二点云数据中相邻点云数据的配准参数，对第二点云数据进行配准时，具体用于：根据每帧点云数据的初始位姿信息，选取与第二点云数据的边缘点云数据相邻的，且初始位姿信息评价为可信的目标点云数据；对边缘点云数据与目标点云数据进行配准运算，得到边缘点云数据与目标点云数据的配准参数；将目标点云数据作为参考数据，采用第二点云数据中相邻点云数据的配准参数，和边缘点云数据与目标点云数据的配准参数，对第二点云数据进行配准。
上述点云数据的配准装置可执行本申请任意实施例所提供的点云数据的配准方法，具备执行点云数据的配准方法相应的功能模块和有益效果。
实施例六
图6是本申请实施例六中的一种点云数据的更新装置的结构图，本申请实施例适用于对配准后的点云数据进行更新的情况，该装置采用软件和/或硬件实现，并具体配置于具备一定数据运算能力的电子设备中。
如图6所示的一种点云数据的更新装置600，包括：获取模块601，选取模块602，评价模块603，配准模块604和更新模块605；其中，
获取模块601，用于获取目标区域内配准后的点云数据、待更新点云数据以及待更新点云数据的初始位姿信息；
选取模块602，用于根据待更新点云数据的初始位姿信息，从配准后的点云数据中选取被待更新点云数据覆盖的目标点云数据；
评价模块603，用于根据目标点云数据中每帧点云数据的初始位姿信息的可信度和/或配准后位姿信息的可信度，评价每帧点云数据的配准结果的可用性；
配准模块604，用于采用与目标点云数据中每帧点云数据的配准结果的可用性匹配的方式，对覆盖对应点云数据的待更新点云数据进行配准；
更新模块605，用于采用配准后的待更新点云数据更新目标点云数据。
本申请实施例中，在对配准后的点云数据进行更新时，首先选取待更新点云数据覆盖的目标点云数据，而不对所有已配准点云数据和待更新点云数据重新配准，为点云更新设置明确的边界，提高了点云更新效率；根据目标点云数据的初始位姿信息的可信度和/或配准后位姿信息的可信度，评价目标点云数据的配准结果的可用性，引入了配准结果可用性的评价机制，位姿信息的可信度间接反映了配准结果是否足够可用；通过采用与可用性匹配的方式，对待更新点云数据进行配准，从而通过衡量配准结果的可用性，进一步提高点云更新效率，同时也保证了一定的配准精度。
进一步的，评价模块603具体用于执行以下至少一种操作：将初始位姿信息被评价为可信，且采用初始位姿信息对点云数据进行配准的配准结果，评价为可用；将配准后位姿信息被评价为可信的点云数据的配准结果，评价为可用；将配准后位姿信息被评价为不可信的点云数据的配准结果，评价为不可用。
进一步的，该装置还包括可信度评价模块，用于从目标点云数据中，筛选采用初始位姿信息进行配准的点云数据，并确定筛选出的点云数据的初始位姿信息被评价为可信；和/或，从目标点云数据中，筛选采用相邻点云数据的配准参数进行配准的相邻点云数据，对筛选出的相邻点云数据进行配准运算，得到相邻点云数据的配准参数；并采用筛选出的相邻点云数据的配准参数，评价相邻点云数据中每帧点云数据的配准后位姿信息的可信度。
进一步的，可信度评价模块在采用筛选出的相邻点云数据的配准参数，评价相邻点云数据中每帧点云数据的配准后位姿信息的可信度时，具体用于：根据筛选出的相邻点云数据的配准后位姿信息，计算相邻点云数据的配准后位姿信息之间的转换参数；根据筛选出的相邻点云数据的配准参数与转换参数之间的距离，以及筛选出的相邻点云数据的配准误差值，评价相邻点云数据中每帧点云数据的配准后位姿信息的可信度。
进一步的，配准模块604具体用于：从目标点云数据中，筛选配准结果评价为可用的第一点云数据；将第一点云数据作为参考数据，采用覆盖第一点云数据的第一待更新点云数据的初始位姿信息，对第一待更新点云数据进行配准。
进一步的，配准模块604具体用于：从目标点云数据中，筛选配准结果评价为不可用的第二点云数据；将第二点云数据以及覆盖第二点云数据的第二待更新点云数据，构成点云数据集合，并对点云数据集合中的相邻点云数据进行配准运算，得到相邻点云数据的配准参数；采用点云数据集合中的相邻点云数据的配准参数，评价相邻点云数据中每帧点云数据的位姿信息的可信度；采用与每帧点云数据的位姿信息的可信度匹配的方式，对每帧点云数据进行配准；其中，第二点云数据的位姿信息为配准后位姿信息，第二待更新点云数据的位姿信息为初始位姿信息。
上述点云数据的更新装置可执行本申请任意实施例所提供的点云数据的更新方法，具备执行点云数据的更新方法相应的功能模块和有益效果。
实施例七
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图7所示，是实现本申请实施例的点云数据的配准或更新方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示，该电子设备包括：一个或多个处理器701、存储器702，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图7中以一个处理器701为例。
存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请所提供的点云数据的配准或更新方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的点云数据的配准或更新方法。
存储器702作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的点云数据的配准或更新的方法对应的程序指令/模块(例如，附图5所示的包括：采集模块501，运算模块502，评价模块503和配准模块504；又例如附图6所示的包括：获取模块601，选取模块602，评价模块603，配准模块604和更新模块605)。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的点云数据的配准或更新的方法。
存储器702可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储实现点云数据的配准或更新方法的电子设备的使用所创建的数据等。此外，存储器702可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器702可选包括相对于处理器701远程设置的存储器，这些远程存储器可以通过网络连接至执行点云数据的配准或更新方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
执行点云数据的配准或更新方法的电子设备还可以包括：输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接，图7中以通过总线连接为例。
输入装置703可接收输入的数字或字符信息，以及产生与执行点云数据的配准或更新方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置704可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (16)
1.一种点云数据的配准方法，其特征在于，包括：
采集目标区域的多帧点云数据，以及每帧点云数据的初始位姿信息；
对所述多帧点云数据中的相邻点云数据进行配准运算，得到所述相邻点云数据的配准参数；
采用所述多帧点云数据中相邻点云数据的配准参数，评价所述相邻点云数据中每帧点云数据的初始位姿信息的可信度；
采用与每帧点云数据的初始位姿信息的可信度匹配的方式，对每帧点云数据进行配准。
2.根据权利要求1所述的方法，其特征在于，所述采用所述多帧点云数据中相邻点云数据的配准参数，评价所述相邻点云数据中每帧点云数据的初始位姿信息的可信度，包括：
根据所述多帧点云数据中相邻点云数据的初始位姿信息，计算所述相邻点云数据的初始位姿信息之间的转换参数；
根据所述多帧点云数据中相邻点云数据的配准参数与所述转换参数之间的距离，评价所述相邻点云数据中每帧点云数据的初始位姿信息的可信度。
3.根据权利要求1或2所述的方法，其特征在于，所述采用与每帧点云数据的初始位姿信息的可信度匹配的方式，对每帧点云数据进行配准，包括：
从所述多帧点云数据中，筛选初始位姿信息评价为可信的第一点云数据；
采用所述第一点云数据的初始位姿信息，对所述第一点云数据进行配准。
4.根据权利要求1或2所述的方法，其特征在于，所述采用与每帧点云数据的初始位姿信息的可信度，对每帧点云数据进行配准，包括：
从所述多帧点云数据中，筛选初始位姿信息评价为不可信的第二点云数据；
采用所述第二点云数据中相邻点云数据的配准参数，对所述第二点云数据进行配准。
5.根据权利要求3所述的方法，其特征在于，所述采用所述第一点云数据的初始位姿信息，对所述第一点云数据进行配准，包括：
将所述第一点云数据划分为至少两组；
对各组中的点云数据，采用对应点云数据的初始位姿信息并行进行配准。
6.根据权利要求4所述的方法，其特征在于，所述采用所述第二点云数据中相邻点云数据的配准参数，对所述第二点云数据进行配准，包括：
根据每帧点云数据的初始位姿信息，选取与所述第二点云数据的边缘点云数据相邻的，且初始位姿信息评价为可信的目标点云数据；
对所述边缘点云数据与所述目标点云数据进行配准运算，得到所述边缘点云数据与所述目标点云数据的配准参数；
将所述目标点云数据作为参考数据，采用所述第二点云数据中相邻点云数据的配准参数，和所述边缘点云数据与所述目标点云数据的配准参数，对所述第二点云数据进行配准。
7.一种点云数据的更新方法，其特征在于，包括：
获取目标区域内配准后的点云数据、待更新点云数据以及所述待更新点云数据的初始位姿信息；
根据所述待更新点云数据的初始位姿信息，从所述配准后的点云数据中选取被所述待更新点云数据覆盖的目标点云数据；
根据所述目标点云数据中每帧点云数据的初始位姿信息的可信度和/或配准后位姿信息的可信度，评价每帧点云数据的配准结果的可用性；
采用与所述目标点云数据中每帧点云数据的配准结果的可用性匹配的方式，对覆盖对应点云数据的待更新点云数据进行配准；
采用配准后的待更新点云数据更新所述目标点云数据。
8.根据权利要求7所述的方法，其特征在于，所述根据所述目标点云数据中每帧点云数据的初始位姿信息的可信度和/或配准后位姿信息的可信度，评价每帧点云数据的配准结果的可用性，包括以下至少一种：
将初始位姿信息被评价为可信，且采用所述初始位姿信息对点云数据进行配准的配准结果，评价为可用；
将配准后位姿信息被评价为可信的点云数据的配准结果，评价为可用；
将配准后位姿信息被评价为不可信的点云数据的配准结果，评价为不可用。
9.根据权利要求7或8所述的方法，其特征在于，在所述根据所述目标点云数据中每帧点云数据的初始位姿信息的可信度和/或配准后位姿信息的可信度，评价每帧点云数据的配准结果的可用性之前，还包括：
从所述目标点云数据中，筛选采用初始位姿信息进行配准的点云数据，并确定筛选出的所述点云数据的初始位姿信息被评价为可信；和/或，
从所述目标点云数据中，筛选采用相邻点云数据的配准参数进行配准的相邻点云数据，对筛选出的所述相邻点云数据进行配准运算，得到所述相邻点云数据的配准参数；并采用筛选出的所述相邻点云数据的配准参数，评价所述相邻点云数据中每帧点云数据的配准后位姿信息的可信度。
10.根据权利要求9所述的方法，其特征在于，所述采用筛选出的所述相邻点云数据的配准参数，评价所述相邻点云数据中每帧点云数据的配准后位姿信息的可信度，包括：
根据筛选出的所述相邻点云数据的配准后位姿信息，计算所述相邻点云数据的配准后位姿信息之间的转换参数；
根据筛选出的所述相邻点云数据的配准参数与所述转换参数之间的距离，以及筛选出的所述相邻点云数据的配准误差值，评价所述相邻点云数据中每帧点云数据的配准后位姿信息的可信度。
11.根据权利要求7所述的方法，其特征在于，所述采用与所述目标点云数据中每帧点云数据的配准结果的可用性匹配的方式，对覆盖对应点云数据的待更新点云数据进行配准，包括：
从所述目标点云数据中，筛选配准结果评价为可用的第一点云数据；
将所述第一点云数据作为参考数据，采用覆盖所述第一点云数据的第一待更新点云数据的初始位姿信息，对所述第一待更新点云数据进行配准。
12.根据权利要求7所述的方法，其特征在于，所述采用与所述目标点云数据中每帧点云数据的配准结果的可用性匹配的方式，对覆盖对应点云数据的待更新点云数据进行配准，包括：
从所述目标点云数据中，筛选配准结果评价为不可用的第二点云数据；
将所述第二点云数据以及覆盖所述第二点云数据的第二待更新点云数据，构成点云数据集合，并对所述点云数据集合中的相邻点云数据进行配准运算，得到所述相邻点云数据的配准参数；
采用所述点云数据集合中相邻点云数据的配准参数，评价所述相邻点云数据中每帧点云数据的位姿信息的可信度；
采用与每帧点云数据的位姿信息的可信度匹配的方式，对每帧点云数据进行配准；
其中，所述第二点云数据的位姿信息为配准后位姿信息，所述第二待更新点云数据的位姿信息为初始位姿信息。
13.一种点云数据的配准装置，其特征在于，包括：
采集模块，用于采集目标区域的多帧点云数据，以及每帧点云数据的初始位姿信息；
运算模块，用于对所述多帧点云数据中的相邻点云数据进行配准运算，得到所述相邻点云数据的配准参数；
评价模块，用于采用所述多帧点云数据中相邻点云数据的配准参数，评价所述相邻点云数据中每帧点云数据的初始位姿信息的可信度；
配准模块，用于采用与每帧点云数据的初始位姿信息的可信度匹配的方式，对每帧点云数据进行配准。
14.一种点云数据的更新装置，其特征在于，包括：
获取模块，用于获取目标区域内配准后的点云数据、待更新点云数据以及所述待更新点云数据的初始位姿信息；
选取模块，用于根据所述待更新点云数据的初始位姿信息，从所述配准后的点云数据中选取被所述待更新点云数据覆盖的目标点云数据；
评价模块，用于根据所述目标点云数据中每帧点云数据的初始位姿信息的可信度和/或配准后位姿信息的可信度，评价每帧点云数据的配准结果的可用性；
配准模块，用于采用与所述目标点云数据中每帧点云数据的配准结果的可用性匹配的方式，对覆盖对应点云数据的待更新点云数据进行配准；
更新模块，用于采用配准后的待更新点云数据更新所述目标点云数据。
15.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的一种点云数据的配准方法，或者执行权利要求7-12任一项所述的一种点云数据的更新方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的一种点云数据的配准方法，或者执行权利要求7-12任一项所述的一种点云数据的更新方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010112795.0A CN111340860B (zh) | 2020-02-24 | 2020-02-24 | 点云数据的配准、更新方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010112795.0A CN111340860B (zh) | 2020-02-24 | 2020-02-24 | 点云数据的配准、更新方法、装置、设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111340860A true CN111340860A (zh) | 2020-06-26 |
| CN111340860B CN111340860B (zh) | 2023-09-19 |
Family
ID=71181769
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010112795.0A Active CN111340860B (zh) | 2020-02-24 | 2020-02-24 | 点云数据的配准、更新方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111340860B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113724388A (zh) * | 2021-09-03 | 2021-11-30 | 北京百度网讯科技有限公司 | 高精地图的生成方法、装置、设备以及存储介质 |
| CN113763438A (zh) * | 2020-06-28 | 2021-12-07 | 北京京东叁佰陆拾度电子商务有限公司 | 一种点云配准方法、装置、设备及存储介质 |
| CN113776530A (zh) * | 2020-09-11 | 2021-12-10 | 北京京东乾石科技有限公司 | 一种点云地图构建方法、装置、电子设备和存储介质 |
| US20210405200A1 (en) * | 2020-06-28 | 2021-12-30 | Beijing Baidu Netcome Science Technology Co. Ltd. | High-Precision Mapping Method And Device |
| CN113985436A (zh) * | 2021-11-04 | 2022-01-28 | 广州中科云图智能科技有限公司 | 基于slam的无人机三维地图构建与定位方法及装置 |
| CN115797659A (zh) * | 2023-01-09 | 2023-03-14 | 思看科技(杭州)股份有限公司 | 数据拼接方法、三维扫描系统、电子装置和存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011162388A1 (ja) * | 2010-06-25 | 2011-12-29 | 株式会社トプコン | 点群データ処理装置、点群データ処理システム、点群データ処理方法、および点群データ処理プログラム |
| CN104700451A (zh) * | 2015-03-14 | 2015-06-10 | 西安电子科技大学 | 基于迭代就近点算法的点云配准方法 |
| CN104778688A (zh) * | 2015-03-27 | 2015-07-15 | 华为技术有限公司 | 点云数据的配准方法及装置 |
| CN105654483A (zh) * | 2015-12-30 | 2016-06-08 | 四川川大智胜软件股份有限公司 | 三维点云全自动配准方法 |
| US20180108146A1 (en) * | 2016-10-13 | 2018-04-19 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for annotating point cloud data |
| CN108571967A (zh) * | 2017-03-13 | 2018-09-25 | 深圳市朗驰欣创科技股份有限公司 | 一种定位方法和装置 |
| CN110060282A (zh) * | 2019-03-27 | 2019-07-26 | 东软睿驰汽车技术（沈阳）有限公司 | 一种点云配准的方法及装置 |
| CN110211167A (zh) * | 2019-06-14 | 2019-09-06 | 北京百度网讯科技有限公司 | 用于处理点云数据的方法和装置 |
-
2020
- 2020-02-24 CN CN202010112795.0A patent/CN111340860B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011162388A1 (ja) * | 2010-06-25 | 2011-12-29 | 株式会社トプコン | 点群データ処理装置、点群データ処理システム、点群データ処理方法、および点群データ処理プログラム |
| CN104700451A (zh) * | 2015-03-14 | 2015-06-10 | 西安电子科技大学 | 基于迭代就近点算法的点云配准方法 |
| CN104778688A (zh) * | 2015-03-27 | 2015-07-15 | 华为技术有限公司 | 点云数据的配准方法及装置 |
| CN105654483A (zh) * | 2015-12-30 | 2016-06-08 | 四川川大智胜软件股份有限公司 | 三维点云全自动配准方法 |
| US20180108146A1 (en) * | 2016-10-13 | 2018-04-19 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for annotating point cloud data |
| CN108571967A (zh) * | 2017-03-13 | 2018-09-25 | 深圳市朗驰欣创科技股份有限公司 | 一种定位方法和装置 |
| CN110060282A (zh) * | 2019-03-27 | 2019-07-26 | 东软睿驰汽车技术（沈阳）有限公司 | 一种点云配准的方法及装置 |
| CN110211167A (zh) * | 2019-06-14 | 2019-09-06 | 北京百度网讯科技有限公司 | 用于处理点云数据的方法和装置 |
Non-Patent Citations (13)
| Title |
|---|
| BRAHMDUTT BOHRA等: "An efficient approach of image registration using Point Cloud datasets", 《PROCEEDINGS OF 3RD INTERNATIONAL CONFERENCE ON RELIABILITY, INFOCOM TECHNOLOGIES AND OPTIMIZATION》 * |
| BRAHMDUTT BOHRA等: "An efficient approach of image registration using Point Cloud datasets", 《PROCEEDINGS OF 3RD INTERNATIONAL CONFERENCE ON RELIABILITY, INFOCOM TECHNOLOGIES AND OPTIMIZATION》, 22 January 2015 (2015-01-22), pages 1 - 5 * |
| GUOWEI WAN等: "Robust and Precise Vehicle Localization Based on Multi-Sensor Fusion in Diverse City Scenes", 《2018 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION (ICRA)》 * |
| GUOWEI WAN等: "Robust and Precise Vehicle Localization Based on Multi-Sensor Fusion in Diverse City Scenes", 《2018 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION (ICRA)》, 13 September 2018 (2018-09-13), pages 4670 - 4677 * |
| 刘翔等: "一种GPS/BDS伪距载波联合差分定位方法", 《第七届中国卫星导航学术年会论文集——S05 精密定位技术》 * |
| 刘翔等: "一种GPS/BDS伪距载波联合差分定位方法", 《第七届中国卫星导航学术年会论文集——S05 精密定位技术》, 18 May 2016 (2016-05-18), pages 136 - 140 * |
| 季虹良: "倾斜影像密集匹配点云建筑物提取技术研究", 《中国优秀硕士学位论文全文数据库》 * |
| 季虹良: "倾斜影像密集匹配点云建筑物提取技术研究", 《中国优秀硕士学位论文全文数据库》, 31 July 2019 (2019-07-31), pages 008 - 125 * |
| 宋适宇等: "输电网单线图的自动生成算法", 《电力系统自动化》 * |
| 宋适宇等: "输电网单线图的自动生成算法", 《电力系统自动化》, no. 24, 31 December 2007 (2007-12-31), pages 12 - 15 * |
| 张旭东等: "基于TOF三维相机相邻散乱点云配准技术研究", 《机械工程学报》, vol. 49, no. 12, pages 8 - 16 * |
| 白小鱼: "点云配准综述", 《HTTPS://ZHUANLAN.ZHIHU.COM/P/91275450》 * |
| 白小鱼: "点云配准综述", 《HTTPS://ZHUANLAN.ZHIHU.COM/P/91275450》, 11 November 2019 (2019-11-11) * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113763438A (zh) * | 2020-06-28 | 2021-12-07 | 北京京东叁佰陆拾度电子商务有限公司 | 一种点云配准方法、装置、设备及存储介质 |
| US20210405200A1 (en) * | 2020-06-28 | 2021-12-30 | Beijing Baidu Netcome Science Technology Co. Ltd. | High-Precision Mapping Method And Device |
| US11668831B2 (en) * | 2020-06-28 | 2023-06-06 | Beijing Baidu Netcom Science Technology Co., Ltd. | High-precision mapping method and device |
| CN113763438B (zh) * | 2020-06-28 | 2024-04-19 | 北京京东叁佰陆拾度电子商务有限公司 | 一种点云配准方法、装置、设备及存储介质 |
| CN113776530A (zh) * | 2020-09-11 | 2021-12-10 | 北京京东乾石科技有限公司 | 一种点云地图构建方法、装置、电子设备和存储介质 |
| CN113724388A (zh) * | 2021-09-03 | 2021-11-30 | 北京百度网讯科技有限公司 | 高精地图的生成方法、装置、设备以及存储介质 |
| CN113724388B (zh) * | 2021-09-03 | 2023-09-05 | 北京百度网讯科技有限公司 | 高精地图的生成方法、装置、设备以及存储介质 |
| CN113985436A (zh) * | 2021-11-04 | 2022-01-28 | 广州中科云图智能科技有限公司 | 基于slam的无人机三维地图构建与定位方法及装置 |
| CN115797659A (zh) * | 2023-01-09 | 2023-03-14 | 思看科技(杭州)股份有限公司 | 数据拼接方法、三维扫描系统、电子装置和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111340860B (zh) | 2023-09-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111340860B (zh) | 点云数据的配准、更新方法、装置、设备和存储介质 | |
| CN111721289B (zh) | 自动驾驶中车辆定位方法、装置、设备、存储介质及车辆 | |
| CN111968229B (zh) | 高精度地图制图方法及装置 | |
| US11585662B2 (en) | Laser scanner with real-time, online ego-motion estimation | |
| CN111784835B (zh) | 制图方法、装置、电子设备及可读存储介质 | |
| CN111553844B (zh) | 用于更新点云的方法及装置 | |
| US11380012B2 (en) | Method and apparatus for visual positioning based on mobile edge computing | |
| US20160305784A1 (en) | Iterative kalman smoother for robust 3d localization for vision-aided inertial navigation | |
| CN111460375B (zh) | 定位数据有效性确定方法、装置、设备和介质 | |
| US10422882B1 (en) | ARAIM subset selection method and system based on BeiDou constellation | |
| CN111563450A (zh) | 数据处理方法、装置、设备及存储介质 | |
| CN111507204A (zh) | 倒计时信号灯的检测方法、装置、电子设备及存储介质 | |
| CN112147632A (zh) | 车载激光雷达感知算法的测试方法、装置、设备和介质 | |
| CN114264301A (zh) | 车载多传感器融合定位方法、装置、芯片及终端 | |
| CN111949816A (zh) | 定位处理方法、装置、电子设备和存储介质 | |
| CN111260722B (zh) | 车辆定位方法、设备及存储介质 | |
| CN116124161B (zh) | 一种基于先验地图的LiDAR/IMU融合定位方法 | |
| CN112577524A (zh) | 信息校正方法和装置 | |
| CN111506586A (zh) | 增量制图的方法、装置、电子设备以及可读存储介质 | |
| CN111521187A (zh) | 组合导航方法、装置、设备及存储介质 | |
| CN111783611A (zh) | 无人车的定位方法、装置、无人车及存储介质 | |
| CN117199814A (zh) | 一种天线跟踪方法、装置、设备及存储介质 | |
| CN114001730B (zh) | 融合定位方法、装置、计算机设备和存储介质 | |
| CN112824936B (zh) | 一种地物高度确定方法、装置、电子设备和介质 | |
| Ma et al. | Factor graph localization algorithm based on robust estimation |
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 |