CN111539999A - 基于点云配准的3d地图构建方法、装置、计算机设备及存储介质 - Google Patents

基于点云配准的3d地图构建方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN111539999A
CN111539999A CN202010344209.5A CN202010344209A CN111539999A CN 111539999 A CN111539999 A CN 111539999A CN 202010344209 A CN202010344209 A CN 202010344209A CN 111539999 A CN111539999 A CN 111539999A
Authority
CN
China
Prior art keywords
point cloud
map
unit
registration
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.)
Pending
Application number
CN202010344209.5A
Other languages
English (en)
Inventor
高国清
莫松文
任仲超
凌云志
张业楚
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.)
Shenzhen Southern Dare Automotive Electronic Co Ltd
Original Assignee
Shenzhen Southern Dare Automotive Electronic 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 Shenzhen Southern Dare Automotive Electronic Co Ltd filed Critical Shenzhen Southern Dare Automotive Electronic Co Ltd
Priority to CN202010344209.5A priority Critical patent/CN111539999A/zh
Publication of CN111539999A publication Critical patent/CN111539999A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformation in the plane of the image
    • G06T3/40—Scaling the whole image or part thereof
    • G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-images
    • 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
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • 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
    • 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
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Abstract

本发明公开了一种基于点云配准的3D地图构建方法、装置、计算机及存储介质，方法包括以下步骤：获取当前地图的帧点云，并将当前的帧点云作为源点云；获取最新地图的帧点云，并将最新的帧点云作为目标点云；计算从源点云变换至目标点云的变换矩阵；根据变换矩阵，将地图上的其他作为源点云的帧点云均转换至目标点云；将所有目标点云进行拼接，以构建3D地图。与现有技术相比，本发明的实施例提供了一种基于点云配准的3D地图构建方法、装置、计算机设备及存储介质，其通过ICP或NDT算法获得从源点云到目标点云的变换矩阵，从而3D地图的构建，提高了定位精度。

Description

基于点云配准的3D地图构建方法、装置、计算机设备及存储 介质
技术领域
本发明涉及地图构建方法技术领域，尤其涉及一种基于点云配准的3D地图构建方法、装置、计算机设备及存储介质。
背景技术
传统的地图是2D的栅格地图，其定位精度低，无法满足高精准定位的需求，例如自动驾驶等，依次急需设计3D地图，以提高定位精度。
发明内容
本发明的实施例提供了一种基于点云配准的3D地图构建方法、装置、计算机设备及存储介质，旨在解决现有2D地图定位精度较低的问题。
为达到上述目的，本发明所提出的技术方案为：
第一方面，本发明提供了一种基于点云配准的3D地图构建方法，其包括以下步骤：
获取当前地图的帧点云，并将当前的帧点云作为源点云；
获取最新地图的帧点云，并将最新的帧点云作为目标点云；
计算从源点云变换至目标点云的变换矩阵；
根据变换矩阵，将地图上的其他作为源点云的帧点云均转换至目标点云；
将所有目标点云进行拼接，以构建3D地图。
其中，所述步骤“获取当前地图的帧点云，并将当前的帧点云作为源点云”与步骤“获取最新地图的帧点云，并将最新的帧点云作为目标点云”之间还包括：将当前获得的源点云设置为参考帧的步骤。
其中，所述步骤“计算从源点云变换至目标点云的变换矩阵”中变换矩阵的计算方法为IPC算法，所述IPC算法包括以下步骤：
点云预处理，以便滤波和清理数据；
进行点云配准，求解变换矩阵以寻找最近点；
加权处理，所述加权处理用于调整对应点的权重；
剔除不合理的配准点云，以降低噪声影响；
计算LOSS函数，根据LOSS函数获得最优变化矩阵。
其中，所述步骤“计算从源点云变换至目标点云的变换矩阵”中变换矩阵的计算方法为NDT算法，所述NDT算法包括以下步骤：
将扫描占用的空间细分为单元网格，基于单元网格内的点云分布计算每个单元的PDF；
根据每个单元的PDF扫描的点云的每个点进行转移矩阵变换；
根据矩阵变换结果，计算响应的概率分布函数；
根据概率分布函数，获得最优变换矩阵。
第二方面，本发明的实施例还提供了一种基于点云配准的3D地图构建装置，其包括：
源点云获取单元，用于获取当前地图的帧点云，并将当前的帧点云作为源点云；
目标点云获取单元，用于获取最新地图的帧点云，并将最新的帧点云作为目标点云；
变换矩阵计算单元，用于计算从源点云变换至目标点云的变换矩阵；
点云配准单元，用于根据变换矩阵，将地图上的其他作为源点云的帧点云均转换至目标点云；
地图生成单元，用于将所有目标点云进行拼接，以构建3D地图。
其中，还包括参考帧设置单元，所述参考帧设置单元用于将当前获得的源点云设置为参考帧。
其中，所述变换矩阵计算单元包括：
预处理单元，用于点云预处理，以便滤波和清理数据；
点云配准单元，用于进行点云配准，求解变换矩阵以寻找最近点；
加权单元，用于加权处理，所述加权处理用于调整对应点的权重；
剔除单元，用于剔除不合理的配准点云，以降低噪声影响；
函数计算单元，用于计算LOSS函数，根据LOSS函数获得最优变化矩阵。
其中，所述变换矩阵计算单元包括：
PDF计算单元，用于将扫描占用的空间细分为单元网格，基于单元网格内的点云分布计算每个单元的PDF；
转移矩阵变换单元，用于根据每个单元的PDF扫描的点云的每个点进行转移矩阵变换；
分布函数计算单元，用于根据矩阵变换结果，计算响应的概率分布函数；
最优矩阵计算单元，用于根据概率分布函数，获得最优变换矩阵。
第三方面，本发明还提供了一种计算机设备，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上所述的方法。
第四方面，本发明还提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时可实现如上所述的方法。
与现有技术相比，本发明的实施例提供了一种基于点云配准的3D地图构建方法、装置、计算机设备及存储介质，其通过ICP或NDT算法获得从源点云到目标点云的变换矩阵，从而3D地图的构建，提高了定位精度。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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的附图。
图1为本发明实施例提供的基于点云配准的3D地图构建方法的主流程图；
图2为本发明实施例提供的基于点云配准的3D地图构建方法的子流程图；
图3为本发明实施例提供的基于点云配准的3D地图构建方法的子流程图；
图4为本发明实施例提供的基于点云配准的3D地图构建装置的示意性简图；
图5为本发明实施例提供的基于点云配准的3D地图构建装置的另一实施例示意性简图；以及
图6为本发明实施例提供的计算机设备的示意性框图。
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做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。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参阅附图1，附图1为本发明的一种基于点云配准的3D地图构建算法的流程图，该基于点云配准的3D地图构建方法，其包括以下步骤：
步骤S100，获取当前地图的帧点云，并将当前的帧点云作为源点云；当前地图的帧点云可以通过相机或激光探测器等影响单元获取，帧点云是3D地图构建的原始信息数据。
步骤S200，将当前获得的源点云设置为参考帧；将首次获得帧点云信息作为第一次计算变换矩阵的基础。
步骤S300、获取最新地图的帧点云，并将最新的帧点云作为目标点云；目标点云也即是需要后续在同一坐标系中进行点云拼接时的数据对象，具体是，可以是改变拍摄或探测同一目标的角度，从而对同一目标精准描述。
步骤S400，计算从源点云变换至目标点云的变换矩阵；通常将源点云到目标点云的变换过程是三维转换，因此需要计算二者之间转换的变换矩阵，包括方向矩阵和平移矩阵，通常采用ICP算法和NDT算法，以及改良的ICP算法和改良的NDT算法。
步骤S500，根据变换矩阵，将地图上的其他作为源点云的帧点云均转换至目标点云；再次获取地图上的其他地貌的帧点云信息，然后以首次获得帧点云信息作为参照，将其他点云进行变换矩阵的运算，以获得对应的目标点云。
步骤S600，将所有目标点云进行拼接，以构建3D地图。目标点云拼接也就是将步骤S500中获得所有目标点云，以首次获得帧点云为基础参照，将所有的目标点云信息在同一坐标系中进行合成，最终形成3D地图。
请参阅图2，图2是本实施例的基于点云配准的3D地图构建的子流程图，具体其为ICP(Iterative Closest Poin)算法步骤，也称之为迭代最近点，IPC算法，所述IPC算法包括以下步骤：
步骤S411，点云预处理，以便滤波和清理数据；
步骤S412，进行点云配准，求解变换矩阵以寻找最近点；
步骤S413，加权处理，所述加权处理用于调整对应点的权重；
步骤S414，剔除不合理的配准点云，以降低噪声影响；
步骤S415，计算LOSS函数(也即损失函数)，根据LOSS函数获得最优变化矩阵。
请参阅图3，其为基于点云配准的3D地图构建方法的子例程图，具体的为NDT(Normal Distribution Transform)算法流程图,也即正态分布变换算法，所述NDT算法包括以下步骤：
步骤S421，将扫描占用的空间细分为单元网格，基于单元网格内的点云分布计算每个单元的PDF(概率密度函数)；ICP算法常针对于环境不变的，但是在现实中常存在环境不听变化的情景，而NDT算法可以很好解决这些问题。这一步的主要目的在将参考点云网格化，然后计算每个网格的多维正态分布函数。
步骤S422，根据每个单元的PDF扫描的点云的每个点进行转移矩阵变换；这里的矩阵变化采用牛顿法求解。
步骤S423，根据矩阵变换结果，计算响应的概率分布函数；也即根据计算结果，更新牛顿求解法中的梯度矩阵g和海森矩阵H，并计算新的步长。
步骤S424，根据概率分布函数，获得最优变换矩阵。具体的，主要判断结果是否收敛或达到迭代次数，如果达到了，则获得最优矩阵，否则继续执行步骤S423，继续求解，直到满足预设条件。
请参阅图4，图4为本发明的一种基于点云配准的3D地图构建装置的结构示意图，该基于点云配准的3D地图构建装置100其包括：
源点云获取单元101，用于获取当前地图的帧点云，并将当前的帧点云作为源点云；
参考帧设置单元102，所述参考帧设置单元用于将当前获得的源点云设置为参考帧。
目标点云获取单元103，用于获取最新地图的帧点云，并将最新的帧点云作为目标点云；
变换矩阵计算单元104，用于计算从源点云变换至目标点云的变换矩阵；
点云配准单元105，用于根据变换矩阵，将地图上的其他作为源点云的帧点云均转换至目标点云；
地图生成单元106，用于将所有目标点云进行拼接，以构建3D地图。
在其中一实施例中，所述变换矩阵计算单元104包括：
预处理单元1041，用于点云预处理，以便滤波和清理数据；
点云配准单元1042，用于进行点云配准，求解变换矩阵以寻找最近点；
加权单元1043，用于加权处理，所述加权处理用于调整对应点的权重；
剔除单元1044，用于剔除不合理的配准点云，以降低噪声影响；
函数计算单元1045，用于计算LOSS函数，根据LOSS函数获得最优变化矩阵。
在另一实施例中，请参阅图5，一种基于云点配准的3D地图构建装置包括：
源点云获取单元101，用于获取当前地图的帧点云，并将当前的帧点云作为源点云；
参考帧设置单元102，所述参考帧设置单元用于将当前获得的源点云设置为参考帧。
目标点云获取单元103，用于获取最新地图的帧点云，并将最新的帧点云作为目标点云；
变换矩阵计算单元104，用于计算从源点云变换至目标点云的变换矩阵；
点云配准单元105，用于根据变换矩阵，将地图上的其他作为源点云的帧点云均转换至目标点云；
地图生成单元106，用于将所有目标点云进行拼接，以构建3D地图。
其中，所述变换矩阵计算单元104包括：
PDF计算单元141，用于将扫描占用的空间细分为单元网格，基于单元网格内的点云分布计算每个单元的PDF；
转移矩阵变换单元142，用于根据每个单元的PDF扫描的点云的每个点进行转移矩阵变换；
分布函数计算单元143，用于根据矩阵变换结果，计算响应的概率分布函数；
最优矩阵计算单元144，用于根据概率分布函数，获得最优变换矩阵。
请参阅图6，本实施例还提供了一种计算机设备，该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括非易失性存储介质503和内存储器504。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令，该程序指令被执行时，可使得处理器502执行一种基于点云配准的3D地图构建方法。
该处理器502用于提供计算和控制能力，以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行以下步骤：
步骤S100，获取当前地图的帧点云，并将当前的帧点云作为源点云；当前地图的帧点云可以通过相机或激光探测器等影响单元获取，帧点云是3D地图构建的原始信息数据。
步骤S200，将当前获得的源点云设置为参考帧；将首次获得帧点云信息作为第一次计算变换矩阵的基础。
步骤S300、获取最新地图的帧点云，并将最新的帧点云作为目标点云；目标点云也即是需要后续在同一坐标系中进行点云拼接时的数据对象，具体是，可以是改变拍摄或探测同一目标的角度，从而对同一目标精准描述。
步骤S400，计算从源点云变换至目标点云的变换矩阵；通常将源点云到目标点云的变换过程是三维转换，因此需要计算二者之间转换的变换矩阵，包括方向矩阵和平移矩阵，通常采用ICP算法和NDT算法，以及改良的ICP算法和改良的NDT算法。
步骤S500，根据变换矩阵，将地图上的其他作为源点云的帧点云均转换至目标点云；再次获取地图上的其他地貌的帧点云信息，然后以首次获得帧点云信息作为参照，将其他点云进行变换矩阵的运算，以获得对应的目标点云。
步骤S600，将所有目标点云进行拼接，以构建3D地图。目标点云拼接也就是将步骤S500中获得所有目标点云，以首次获得帧点云为基础参照，将所有的目标点云信息在同一坐标系中进行合成，最终形成3D地图。
本发明还提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时可实现如下基于点云配准的3D地图构建方法：步骤S100，获取当前地图的帧点云，并将当前的帧点云作为源点云；步骤S200，将当前获得的源点云设置为参考帧；步骤S300、获取最新地图的帧点云，并将最新的帧点云作为目标点云；步骤S400，计算从源点云变换至目标点云的变换矩阵；步骤S500，根据变换矩阵，将地图上的其他作为源点云的帧点云均转换至目标点云；步骤S600，将所有目标点云进行拼接，以构建3D地图。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
与现有技术相比，本发明的实施例提供了一种基于点云配准的3D地图构建方法、装置、计算机设备及存储介质，其通过ICP或NDT算法获得从源点云到目标点云的变换矩阵，从而3D地图的构建，提高了定位精度。
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算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的。例如，各个单元的划分，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。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。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，也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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，终端，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
上述内容，仅为本发明的较佳实施例，并非用于限制本发明的实施方案，本领域普通技术人员根据本发明的主要构思和精神，可以十分方便地进行相应的变通或修改，故本发明的保护范围应以权利要求书所要求的保护范围为准。

Claims (10)

1.一种基于点云配准的3D地图构建方法，其特征在于，包括以下步骤：
获取当前地图的帧点云，并将当前的帧点云作为源点云；
获取最新地图的帧点云，并将最新的帧点云作为目标点云；
计算从源点云变换至目标点云的变换矩阵；
根据变换矩阵，将地图上的其他作为源点云的帧点云均转换至目标点云；
将所有目标点云进行拼接，以构建3D地图。
2.根据权利要求1所述的基于点云配准的3D地图构建方法，其特征在于，所述步骤“获取当前地图的帧点云，并将当前的帧点云作为源点云”与步骤“获取最新地图的帧点云，并将最新的帧点云作为目标点云”之间还包括：将当前获得的源点云设置为参考帧的步骤。
3.根据权利要求1所述的基于点云配准的3D地图构建方法，其特征在于，所述步骤“计算从源点云变换至目标点云的变换矩阵”中变换矩阵的计算方法为IPC算法，所述IPC算法包括以下步骤：
点云预处理，以便滤波和清理数据；
进行点云配准，求解变换矩阵以寻找最近点；
加权处理，所述加权处理用于调整对应点的权重；
剔除不合理的配准点云，以降低噪声影响；
计算LOSS函数，根据LOSS函数获得最优变化矩阵。
4.根据权利要求1所述的基于点云配准的3D地图构建方法，其特征在于，所述步骤“计算从源点云变换至目标点云的变换矩阵”中变换矩阵的计算方法为NDT算法，所述NDT算法包括以下步骤：
将扫描占用的空间细分为单元网格，基于单元网格内的点云分布计算每个单元的PDF；
根据每个单元的PDF扫描点云的每个点进行转移矩阵变换；
根据矩阵变换结果，计算响应的概率分布函数；
根据概率分布函数，获得最优变换矩阵。
5.一种基于点云配准的3D地图构建装置，其特征在于，包括：
源点云获取单元，用于获取当前地图的帧点云，并将当前的帧点云作为源点云；
目标点云获取单元，用于获取最新地图的帧点云，并将最新的帧点云作为目标点云；
变换矩阵计算单元，用于计算从源点云变换至目标点云的变换矩阵；
点云配准单元，用于根据变换矩阵，将地图上的其他作为源点云的帧点云均转换至目标点云；
地图生成单元，用于将所有目标点云进行拼接，以构建3D地图。
6.根据权利要求5所述的基于点云配准的3D地图构建装置，其特征在于，还包括参考帧设置单元，所述参考帧设置单元用于将当前获得的源点云设置为参考帧。
7.根据权利要求5所述的基于点云配准的3D地图构建装置，其特征在于，所述变换矩阵计算单元包括：
预处理单元，用于点云预处理，以便滤波和清理数据；
点云配准单元，用于进行点云配准，求解变换矩阵以寻找最近点；
加权单元，用于加权处理，所述加权处理用于调整对应点的权重；
剔除单元，用于剔除不合理的配准点云，以降低噪声影响；
函数计算单元，用于计算LOSS函数，根据LOSS函数获得最优变化矩阵。
8.根据权利要求5所述的基于点云配准的3D地图构建装置，其特征在于，所述变换矩阵计算单元包括：
PDF计算单元，用于将扫描占用的空间细分为单元网格，基于单元网格内的点云分布计算每个单元的PDF；
转移矩阵变换单元，用于根据每个单元的PDF扫描的点云的每个点进行转移矩阵变换；
分布函数计算单元，用于根据矩阵变换结果，计算响应的概率分布函数；
最优矩阵计算单元，用于根据概率分布函数，获得最优变换矩阵。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-4中任一项所述基于点云配准的3D地图构建方法。
10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时可实现如权利要求1-4中任一项所述基于点云配准的3D地图构建方法。
CN202010344209.5A 2020-04-27 2020-04-27 基于点云配准的3d地图构建方法、装置、计算机设备及存储介质 Pending CN111539999A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010344209.5A CN111539999A (zh) 2020-04-27 2020-04-27 基于点云配准的3d地图构建方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010344209.5A CN111539999A (zh) 2020-04-27 2020-04-27 基于点云配准的3d地图构建方法、装置、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN111539999A true CN111539999A (zh) 2020-08-14

Family

ID=71977360

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010344209.5A Pending CN111539999A (zh) 2020-04-27 2020-04-27 基于点云配准的3d地图构建方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN111539999A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114549605A (zh) * 2021-12-31 2022-05-27 广州景骐科技有限公司 基于点云匹配的图像优化方法、装置、设备及存储介质
CN116030022A (zh) * 2023-02-01 2023-04-28 天津风霖物联网科技有限公司 建筑预制构件的质量检测系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105976353A (zh) * 2016-04-14 2016-09-28 南京理工大学 基于模型和点云全局匹配的空间非合作目标位姿估计方法
CN108320329A (zh) * 2018-02-02 2018-07-24 维坤智能科技（上海）有限公司 一种基于3d激光的3d地图创建方法
CN108871353A (zh) * 2018-07-02 2018-11-23 上海西井信息科技有限公司 路网地图生成方法、系统、设备及存储介质
CN110827403A (zh) * 2019-11-04 2020-02-21 北京易控智驾科技有限公司 一种矿山三维点云地图的构建方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105976353A (zh) * 2016-04-14 2016-09-28 南京理工大学 基于模型和点云全局匹配的空间非合作目标位姿估计方法
CN108320329A (zh) * 2018-02-02 2018-07-24 维坤智能科技（上海）有限公司 一种基于3d激光的3d地图创建方法
CN108871353A (zh) * 2018-07-02 2018-11-23 上海西井信息科技有限公司 路网地图生成方法、系统、设备及存储介质
CN110827403A (zh) * 2019-11-04 2020-02-21 北京易控智驾科技有限公司 一种矿山三维点云地图的构建方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114549605A (zh) * 2021-12-31 2022-05-27 广州景骐科技有限公司 基于点云匹配的图像优化方法、装置、设备及存储介质
CN114549605B (zh) * 2021-12-31 2023-08-04 广州景骐科技有限公司 基于点云匹配的图像优化方法、装置、设备及存储介质
CN116030022A (zh) * 2023-02-01 2023-04-28 天津风霖物联网科技有限公司 建筑预制构件的质量检测系统及方法
CN116030022B (zh) * 2023-02-01 2023-06-06 天津风霖物联网科技有限公司 建筑预制构件的质量检测系统及方法

Similar Documents

Publication Publication Date Title
JP4880091B2 (ja) ３ｄテクスチャの超解像のための画像生成装置及び方法
US20060152506A1 (en) Method for generating 3D mesh based on unorganized sparse 3D points
CN111539999A (zh) 基于点云配准的3d地图构建方法、装置、计算机设备及存储介质
CN109658497B (zh) 一种三维模型重建方法及装置
JP2007518484A (ja) 変形可能な表面のセグメント化のリアルタイムなユーザ対話処理
CN111612731A (zh) 基于双目显微视觉的测量方法、装置、系统及介质
CN111540015A (zh) 基于点云匹配的位姿计算方法、装置、计算机设备及存储介质
CN115222889A (zh) 基于多视图图像的3d重建方法、装置及相关设备
CN113269897B (zh) 表面点云的获取方法、装置、设备及存储介质
CN111260765A (zh) 一种显微手术术野的动态三维重建方法
CN113658194A (zh) 一种基于参照物的点云拼接方法、装置及存储介质
CN116993955A (zh) 三维模型的重拓扑方法、装置、设备及存储介质
Honti et al. Automation of cylinder segmentation from point cloud data
CN113065566B (zh) 一种误匹配去除方法、系统及应用
JP6571784B2 (ja) 構造推定装置、構造推定方法、および、プログラム
JP6991700B2 (ja) 情報処理装置、情報処理方法、プログラム
CN113496468B (zh) 深度图像的修复方法、装置和存储介质
CN113421292A (zh) 一种三维建模细节增强方法及装置
JP2022064506A (ja) 画像処理装置、画像処理方法、及びプログラム
US11393069B2 (en) Image processing apparatus, image processing method, and computer readable recording medium
CN112381721A (zh) 一种基于双目视觉的人脸三维重建方法
JP7276978B2 (ja) 画像処理装置、画像処理方法、及びプログラム
WO2022259383A1 (ja) 情報処理装置、情報処理方法及びプログラム
CN114299127B (zh) 口腔图像的配准方法、装置、电子设备及计算机存储介质
JP5110487B2 (ja) 動いている対象のスキャン画像の復元方法及び装置

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