CN111915657B - 一种点云配准方法、装置、电子设备及存储介质 - Google Patents
一种点云配准方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111915657B CN111915657B CN202010651233.3A CN202010651233A CN111915657B CN 111915657 B CN111915657 B CN 111915657B CN 202010651233 A CN202010651233 A CN 202010651233A CN 111915657 B CN111915657 B CN 111915657B
- Authority
- CN
- China
- Prior art keywords
- point
- point cloud
- cloud image
- pixel
- plane
- 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
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims abstract description 102
- 238000001914 filtration Methods 0.000 claims abstract description 55
- 238000013519 translation Methods 0.000 claims abstract description 51
- 230000015654 memory Effects 0.000 claims description 22
- 238000004891 communication Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012163 sequencing technique Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 12
- 230000009466 transformation Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种点云配准方法、装置、电子设备及存储介质，由于在本发明实施例中，电子设备获取到点云图像之后，根据预设的第一距离阈值对点云图像中每个第一像素点进行聚类处理，然后针对每个类簇，根据该类簇的最小外接矩形的长度和宽度，判断该类簇是否为运动物体对应的类簇，如果是，则滤除该类簇的第一像素点。从而实现了滤除运动物体的特征点，然后再基于滤除第一像素点之后的点云图像进行点云配准。因为滤除了运动物体的不稳定特征点，因此在基于滤除第一像素点之后的点云图像进行点云配准时，确定的旋转矩阵和平移矩阵更准确，进而使得点云配准更准确。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种点云配准方法、装置、电子设备及存储介质。
背景技术
三维重建主要是通过利用传感器在不同位置获取数据，并根据数据之间的关联性构建出场景的三维模型。其中最常见的三维模型就是以点云的形式表示，而为了获取数据之间的关联关系就需要用到点云配准技术。点云配准就是根据两个点云的重叠区域，利用一定算法，找到两个点云之间的坐标变换关系，包括旋转矩阵R和平移矩阵t，然后将它们统一到同一个坐标系下，使两个点云拼接成一个点云。
常见的点云配准算法设计要点是通过提取点云中的特征点，并采用特征匹配的方式来计算位姿变换关系，即旋转矩阵R和平移矩阵t来实现点云配准。该方法存在的问题是对于两帧点云图像，提取到特征点之后，基于所有的特征点的位置关系计算位姿变换关系，如果点云图像中存在运动物体，运动物体包含的特征点不稳定，这样基于包含运动物体的特征点在内的所有的特征点的位置关系计算位姿变换关系，得到的位姿变换关系的准确性较差，进而使得点云配准的准确性较差。
发明内容
本发明实施例提供了一种点云配准方法、装置、电子设备及存储介质，用以解决现有技术中点云配准的准确性较差的问题。
本发明实施例提供了一种点云配准方法，所述方法包括：
获取进行点云配准的每帧点云图像；
针对所述每帧点云图像，根据所述点云图像中每个第一像素点的空间坐标信息和预设的第一距离阈值，对所述每个第一像素点进行聚类处理；
确定每个类簇的最小外接矩形区域，针对每个最小外接矩形区域，根据该最小外接矩形区域的长度和宽度，判断该最小外接矩形区域是否为运动物体对应的区域，如果是，滤除该最小外接矩形区域内的第一像素点，如果否，保留该最小外接矩形区域内的第一像素点；
基于滤除第一像素点之后的点云图像进行点云配准。
进一步地，所述根据该最小外接矩形区域的长度和宽度，判断该最小外接矩形区域是否为运动物体对应的区域包括：
判断该最小外接矩形区域的长度与宽度的第一比值是否在预设的第一范围内；或判断该最小外接矩形区域的宽度与长度的第二比值是否在预设的第二范围内。
进一步地，所述保留该最小外接矩形区域内的第一像素点之后，基于滤除第一像素点之后的点云图像进行点云配准之前，所述方法还包括：
针对所述点云图像中的每个第一像素点，确定包含该第一像素点在内的水平预设邻域内的每个第二像素点，确定该第一像素点与所述每个第二像素点分别到激光传感器的空间距离，分别计算第一像素点到激光传感器的空间距离与所述每个第二像素点到激光传感器的空间距离的差值的绝对值；根据每个绝对值的和确定该第一像素点的曲率；
按照曲率由大到小的顺序对所述每个第一像素点进行排序，由前向后选取预设第一数量的第一像素点作为所述点云图像中的边缘点，由后向前选取预设第二数量的第一像素点作为所述点云图像中的平面点；
所述基于滤除第一像素点之后的点云图像进行点云配准包括：
基于滤除第一像素点之后的点云图像中的每个边缘点和每个平面点进行点云配准。
进一步地，所述按照曲率由大到小的顺序对所述每个第一像素点进行排序，由前向后选取预设第一数量的第一像素点作为所述点云图像中的边缘点，由后向前选取预设第二数量的第一像素点作为所述点云图像中的平面点包括：
针对所述点云图像中的每行的第一像素点，按照曲率由大到小的顺序对该行的第一像素点进行排序，由前向后选取预设第三数量的第一像素点作为所述点云图像中的边缘点，由后向前选取预设第四数量的第一像素点作为所述点云图像中的平面点。
进一步地，所述针对所述点云图像中的每行的第一像素点，按照曲率由大到小的顺序对该行的第一像素点进行排序，由前向后选取预设第三数量的第一像素点作为所述点云图像中的边缘点，由后向前选取预设第四数量的第一像素点作为所述点云图像中的平面点包括：
将所述点云图像中的每行的第一像素点划分为预设第五数量的分组，针对每组的第一像素点，按照曲率由大到小的顺序对该组的第一像素点进行排序，由前向后选取预设第六数量的第一像素点作为所述点云图像中的边缘点，由后向前选取预设第七数量的第一像素点作为所述点云图像中的平面点。
进一步地，确定所述点云图像中的每个边缘点和平面点之后，所述基于滤除第一像素点之后的点云图像中的每个边缘点和每个平面点进行点云配准之前，所述方法还包括：
根据所述每个边缘点和每个平面点的空间坐标信息，确定每个边缘点和每个平面点到激光传感器的空间距离，滤除空间距离大于预设的第二距离阈值的边缘点和平面点。
进一步地，所述滤除空间距离大于预设的第二距离阈值的边缘点和平面点之后，基于滤除第一像素点之后的点云图像中的每个边缘点和每个平面点进行点云配准之前，所述方法还包括：
针对保留的每个平面点，确定所述点云图像中与该平面点位于同一列且相邻的第三像素点，判断该平面点与该第三像素点是否满足第一公式arctan(dz,sqrt(dx*dx+dy*dy))<θ；如果是，保留该平面点，如果否，滤除该平面点；
式中，dz＝|z1-z2|，dx＝x1-x2，dy＝y1-y2，θ为预设角度值；该平面点的空间坐标信息为(x1，y1，z1)，该第三像素点的空间坐标信息为(x2，y2，z2)。
进一步地，所述基于滤除第一像素点之后的点云图像中的每个边缘点和每个平面点进行点云配准包括：
针对当前帧点云图像中的每个边缘点，根据空间距离确定上一帧点云图像中与该边缘点对应的两个第四像素点，并确定该边缘点与所述两个第四像素点构成的空间直线的空间距离；其中，所述两个第四像素点为所述上一帧点云图像中的边缘点；
针对当前帧点云图像中的每个平面点，根据空间距离确定上一帧点云图像中与该平面点对应的三个第五像素点，并确定该平面点与所述三个第五像素点构成的空间平面的空间距离；其中，所述三个第五像素点为所述上一帧点云图像中的平面点；
根据所述每个边缘点到对应空间直线的空间距离和每个平面点到对应空间平面的空间距离，确定旋转矩阵和平移矩阵；基于所述旋转矩阵和平移矩阵进行点云配准。
进一步地，所述针对当前帧点云图像中的每个边缘点，根据空间距离确定上一帧点云图像中与该边缘点对应的两个第四像素点包括：
针对当前帧点云图像中的每个边缘点，确定上一帧点云图像中与该边缘点的空间距离最近的预设第八数量个第六像素点，选取与该边缘点的强度值差值最小的两个第六像素点作为与该边缘点对应的两个第四像素点；
所述针对当前帧点云图像中的每个平面点，根据空间距离确定上一帧点云图像中与该平面点对应的三个第五像素点包括：
针对当前帧点云图像中的每个平面点，确定上一帧点云图像中与该平面点的空间距离最近的预设第九数量个第七像素点，选取与该平面点的强度值差值最小的三个第七像素点作为与该平面点对应的三个第五像素点。
进一步地，所述确定旋转矩阵和平移矩阵之后，基于所述旋转矩阵和平移矩阵进行点云配准之前，所述方法还包括：
根据当前帧点云图像之前的点云图像确定局部地图；
根据所述旋转矩阵和平移矩阵，对所述当前帧点云图像与所述局部地图进行配准，根据配准结果对所述旋转矩阵和平移矩阵进行更新。
进一步地，所述根据当前帧点云图像之前的点云图像确定局部地图包括：
针对当前帧点云图像之前的每一帧点云图像，确定该帧点云图像对应的激光传感器与上一帧点云图像对应的激光传感器之间的空间距离，判断所述空间距离是否大于预设的第三距离阈值，如果是，确定该帧点云图像为关键帧点云图像；
根据每个关键帧点云图像确定局部地图。
另一方面，本发明实施例提供了一种点云配准装置，所述装置包括：
获取模块，用于获取进行点云配准的每帧点云图像；
聚类处理模块，用于针对所述每帧点云图像，根据所述点云图像中每个第一像素点的空间坐标信息和预设的第一距离阈值，对所述每个第一像素点进行聚类处理；
第一滤除模块，用于确定每个类簇的最小外接矩形区域，针对每个最小外接矩形区域，根据该最小外接矩形区域的长度和宽度，判断该最小外接矩形区域是否为运动物体对应的区域，如果是，滤除该最小外接矩形区域内的第一像素点，如果否，保留该最小外接矩形区域内的第一像素点；
配准模块，用于基于滤除第一像素点之后的点云图像进行点云配准。
进一步地，所述第一滤除模块，具体用于判断该最小外接矩形区域的长度与宽度的第一比值是否在预设的第一范围内；或判断该最小外接矩形区域的宽度与长度的第二比值是否在预设的第二范围内。
进一步地，所述装置还包括：
确定模块，用于针对所述点云图像中的每个第一像素点，确定包含该第一像素点在内的水平预设邻域内的每个第二像素点，确定该第一像素点与所述每个第二像素点分别到激光传感器的空间距离，分别计算第一像素点到激光传感器的空间距离与所述每个第二像素点到激光传感器的空间距离的差值的绝对值；根据每个绝对值的和确定该第一像素点的曲率；按照曲率由大到小的顺序对所述每个第一像素点进行排序，由前向后选取预设第一数量的第一像素点作为所述点云图像中的边缘点，由后向前选取预设第二数量的第一像素点作为所述点云图像中的平面点；
所述配准模块，具体用于基于滤除第一像素点之后的点云图像中的每个边缘点和每个平面点进行点云配准。
进一步地，所述确定模块，具体用于针对所述点云图像中的每行的第一像素点，按照曲率由大到小的顺序对该行的第一像素点进行排序，由前向后选取预设第三数量的第一像素点作为所述点云图像中的边缘点，由后向前选取预设第四数量的第一像素点作为所述点云图像中的平面点。
进一步地，所述确定模块，具体用于将所述点云图像中的每行的第一像素点划分为预设第五数量的分组，针对每组的第一像素点，按照曲率由大到小的顺序对该组的第一像素点进行排序，由前向后选取预设第六数量的第一像素点作为所述点云图像中的边缘点，由后向前选取预设第七数量的第一像素点作为所述点云图像中的平面点。
进一步地，所述装置还包括：
第二滤除模块，用于根据所述每个边缘点和每个平面点的空间坐标信息，确定每个边缘点和每个平面点到激光传感器的空间距离，滤除空间距离大于预设的第二距离阈值的边缘点和平面点。
进一步地，所述装置还包括：
第三滤除模块，用于针对保留的每个平面点，确定所述点云图像中与该平面点位于同一列且相邻的第三像素点，判断该平面点与该第三像素点是否满足第一公式arctan(dz,sqrt(dx*dx+dy*dy))<θ；如果是，保留该平面点，如果否，滤除该平面点；式中，dz＝|z1-z2|，dx＝x1-x2，dy＝y1-y2，θ为预设角度值；该平面点的空间坐标信息为(x1，y1，z1)，该第三像素点的空间坐标信息为(x2，y2，z2)。
进一步地，所述配准模块，具体用于针对当前帧点云图像中的每个边缘点，根据空间距离确定上一帧点云图像中与该边缘点对应的两个第四像素点，并确定该边缘点与所述两个第四像素点构成的空间直线的空间距离；其中，所述两个第四像素点为所述上一帧点云图像中的边缘点；针对当前帧点云图像中的每个平面点，根据空间距离确定上一帧点云图像中与该平面点对应的三个第五像素点，并确定该平面点与所述三个第五像素点构成的空间平面的空间距离；其中，所述三个第五像素点为所述上一帧点云图像中的平面点；根据所述每个边缘点到对应空间直线的空间距离和每个平面点到对应空间平面的空间距离，确定旋转矩阵和平移矩阵；基于所述旋转矩阵和平移矩阵进行点云配准。
进一步地，所述配准模块，具体用于针对当前帧点云图像中的每个边缘点，确定上一帧点云图像中与该边缘点的空间距离最近的预设第八数量个第六像素点，选取与该边缘点的强度值差值最小的两个第六像素点作为与该边缘点对应的两个第四像素点；
所述配准模块，具体用于针对当前帧点云图像中的每个平面点，确定上一帧点云图像中与该平面点的空间距离最近的预设第九数量个第七像素点，选取与该平面点的强度值差值最小的三个第七像素点作为与该平面点对应的三个第五像素点。
进一步地，所述装置还包括：
更新模块，用于根据当前帧点云图像之前的点云图像确定局部地图；根据所述旋转矩阵和平移矩阵，对所述当前帧点云图像与所述局部地图进行配准，根据配准结果对所述旋转矩阵和平移矩阵进行更新。
进一步地，所述更新模块，具体用于针对当前帧点云图像之前的每一帧点云图像，确定该帧点云图像对应的激光传感器与上一帧点云图像对应的激光传感器之间的空间距离，判断所述空间距离是否大于预设的第三距离阈值，如果是，确定该帧点云图像为关键帧点云图像；
根据每个关键帧点云图像确定局部地图。
另一方面，本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述任一项所述的方法步骤。
另一方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法步骤。
本发明实施例提供了一种点云配准方法、装置、电子设备及存储介质，所述方法包括：获取进行点云配准的每帧点云图像；针对所述每帧点云图像，根据所述点云图像中每个第一像素点的空间坐标信息和预设的第一距离阈值，对所述每个第一像素点进行聚类处理；确定每个类簇的最小外接矩形区域，针对每个最小外接矩形区域，根据该最小外接矩形区域的长度和宽度，判断该最小外接矩形区域是否为运动物体对应的区域，如果是，滤除该最小外接矩形区域内的第一像素点，如果否，保留该最小外接矩形区域内的第一像素点；基于滤除第一像素点之后的点云图像进行点云配准。
由于在本发明实施例中，电子设备获取到点云图像之后，根据预设的第一距离阈值对点云图像中每个第一像素点进行聚类处理，然后针对每个类簇，根据该类簇的最小外接矩形的长度和宽度，判断该类簇是否为运动物体对应的类簇，如果是，则滤除该类簇的第一像素点。从而实现了滤除运动物体的特征点，然后再基于滤除第一像素点之后的点云图像进行点云配准。因为滤除了运动物体的不稳定特征点，因此在基于滤除第一像素点之后的点云图像进行点云配准时，确定的旋转矩阵和平移矩阵更准确，进而使得点云配准更准确。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，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1提供的点云配准过程示意图；
图2为本发明实施例11提供的点云配准过程示意图；
图3为本发明实施例12提供的点云配准装置结构示意图；
图4为本发明实施例13提供的电子设备结构示意图。
具体实施方式
下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅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它实施例，都属于本发明保护的范围。
实施例1：
图1为本发明实施例提供的点云配准过程示意图，该过程包括以下步骤：
S101：获取进行点云配准的每帧点云图像。
本发明实施例提供的点云配准方法应用于电子设备，该电子设备包括PC、平板电脑等设备。
激光传感器在移动过程中扫描得到每个点云序列，针对每个点云序列，根据激光传感器的线束数量以及一条光束扫描一圈得到的点数，按点的空间位置计算出其所在的行和列，将该点云序列映射成一个二维图像。这个点云序列映射成为一个二维图形，即得到进行点云配准的每帧点云图像。其中，激光传感器的线束数量为点云图像包含的行数，一条光束扫描一圈得到的点数为点云图像包含的列数。激光传感器扫描得到每个点云序列，激光传感器可以确定点云序列中的每个点的空间坐标信息以及每个点到激光传感器的距离。也就是说，每帧点云图像中每个像素点的空间坐标信息及该像素点到激光传感器的距离是已知的。
S102：针对所述每帧点云图像，根据所述点云图像中每个第一像素点的空间坐标信息和预设的第一距离阈值，对所述每个第一像素点进行聚类处理。
电子设备中保存有预设的第一距离阈值，针对每帧点云图像中的每个第一像素点，根据点云图像中每个第一像素点的空间坐标信息确定其它每个第一像素点与该第一像素点的空间距离，将空间距离小于预设的第一距离阈值的其它第一像素点与该第一像素点聚为一类。
S103：确定每个类簇的最小外接矩形区域，针对每个最小外接矩形区域，根据该最小外接矩形区域的长度和宽度，判断该最小外接矩形区域是否为运动物体对应的区域，如果是，滤除该最小外接矩形区域内的第一像素点，如果否，保留该最小外接矩形区域内的第一像素点。
确定出点云图像中每个类簇之后，确定每个类簇的最小外接矩形区域，并确定每个最小外接矩形区域的长度和宽度，需要说明的是，在点云图像中，行方向为长度，列方向为宽度。针对每个最小外接矩形区域，根据该最小外接矩形区域的长度和宽度，判断该最小外接矩形区域是否为运动物体对应的区域。其中，运动物体可以根据点云配准的场景进行确定，如果点云配准的场景为室内场景，运动物体一般是人，如果点云配准的场景为交通场景，运动物体一般是车。
电子设备中可以预先保存运动物体的最小外接矩形区域的长度范围和宽度范围，针对每个最小外接矩形区域，判断该最小外接矩形区域的长度是否属于该长度范围，宽度是否属于该宽度范围，如果判断结果均为是，确定该最小外接矩形区域为运动物体对应的区域，滤除该最小外接矩形区域内的第一像素点，否则，保留该最小外接矩形区域内的第一像素点。
S104：基于滤除第一像素点之后的点云图像进行点云配准。
具体的，点云配准是指将当前帧点云图像与上一帧点云图像进行配准，将当前帧点云图像变换到上一帧点云图像的坐标系下。
电子设备将运动物体的第一像素点滤除之后，基于滤除第一像素点之后的点云图像进行点云配准。其中，可以采用现有的配准方案通过提取点云图像中的特征点，并采用特征点匹配的方式来计算旋转矩阵R和平移矩阵t，根据R和t实现点云配准。
由于在本发明实施例中，电子设备获取到点云图像之后，根据预设的第一距离阈值对点云图像中每个第一像素点进行聚类处理，然后针对每个类簇，根据该类簇的最小外接矩形的长度和宽度，判断该类簇是否为运动物体对应的类簇，如果是，则滤除该类簇的第一像素点。从而实现了滤除运动物体的特征点，然后再基于滤除第一像素点之后的点云图像进行点云配准。因为滤除了运动物体的不稳定特征点，因此在基于滤除第一像素点之后的点云图像进行点云配准时，确定的旋转矩阵和平移矩阵更准确，进而使得点云配准更准确。
实施例2：
为了使判断该最小外接矩形区域是否为运动物体对应的区域更准确，在上述各实施例的基础上，在本发明实施例中，所述根据该最小外接矩形区域的长度和宽度，判断该最小外接矩形区域是否为运动物体对应的区域包括：
判断该最小外接矩形区域的长度与宽度的第一比值是否在预设的第一范围内；或判断该最小外接矩形区域的宽度与长度的第二比值是否在预设的第二范围内。
电子设备确定出每个最小外接矩形区域之后，针对每个最小外接矩形区域，确定该最小外接矩形区域的长度和宽度，计算该最小外接矩形区域的长度与宽度的第一比值，根据该第一比值判断该最小外接矩形区域是否为运动物体对应的区域。电子设备保存有预设的第一范围，该预设的第一范围是根据预先确定的运动物体的最小外接矩形区域的参考长度和参考宽度确定的，也就是说，电子设备预先获取运动物体的最小外接矩形区域的参考长度和参考宽度，计算参考长度和参考宽度的比值，将该比值增加或减小较小的参数值得到预设的第一范围。电子设备判断该最小外接矩形区域的长度与宽度的第一比值是否在预设的第一范围内，如果是，滤除该最小外接矩形区域内的第一像素点，如果否，保留该最小外接矩形区域内的第一像素点。
或者，电子设备确定出每个最小外接矩形区域之后，针对每个最小外接矩形区域，确定该最小外接矩形区域的长度和宽度，计算该最小外接矩形区域的宽度与长度的第二比值，根据该第二比值判断该最小外接矩形区域是否为运动物体对应的区域。电子设备保存有预设的第二范围，该预设的第二范围是根据预先确定的运动物体的最小外接矩形区域的参考长度和参考宽度确定的，也就是说，电子设备预先获取运动物体的最小外接矩形区域的参考长度和参考宽度，计算参考宽度和参考长度的比值，将该比值增加或减小较小的参数值得到预设的第二范围。电子设备判断该最小外接矩形区域的宽度与长度的第二比值是否在预设的第二范围内，如果是，滤除该最小外接矩形区域内的第一像素点，如果否，保留该最小外接矩形区域内的第一像素点。
在本发明实施例中，判断该最小外接矩形区域的长度与宽度的第一比值是否在预设的第一范围内；或判断该最小外接矩形区域的宽度与长度的第二比值是否在预设的第二范围内。来确定最小外接矩形区域是否为运动物体对应的区域，使判断该最小外接矩形区域是否为运动物体对应的区域更准确。
实施例3：
对点云图像进行点云配准时，可以基于点云图像中的每个边缘点和平面点进行点云配准，为了准确确定点云图像中的每个边缘点和平面点，在上述各实施例的基础上，在本发明实施例中，所述保留该最小外接矩形区域内的第一像素点之后，基于滤除第一像素点之后的点云图像进行点云配准之前，所述方法还包括：
针对所述点云图像中的每个第一像素点，确定包含该第一像素点在内的水平预设邻域内的每个第二像素点，确定该第一像素点与所述每个第二像素点分别到激光传感器的空间距离，分别计算第一像素点到激光传感器的空间距离与所述每个第二像素点到激光传感器的空间距离的差值的绝对值；根据每个绝对值的和确定该第一像素点的曲率；
按照曲率由大到小的顺序对所述每个第一像素点进行排序，由前向后选取预设第一数量的第一像素点作为所述点云图像中的边缘点，由后向前选取预设第二数量的第一像素点作为所述点云图像中的平面点；
所述基于滤除第一像素点之后的点云图像进行点云配准包括：
基于滤除第一像素点之后的点云图像中的每个边缘点和每个平面点进行点云配准。
电子设备针对点云图像中保留的每个第一像素点，确定包含该第一像素点在内的水平预设邻域内的每个第二像素点，较佳的，可以以该第一像素点为中心在水平预设邻域内确定每个第二像素点，例如水平预设邻域内包含11个像素点，其中，中心像素点为该第一像素点，该第一像素点两侧各有5个第二像素点。根据公式为c＝‖∑j∈N,j≠i(rj-ri)‖，确定该第一像素点的曲率，式中，N是在该第一像素点pi同一行左右两侧选取的第二像素点的总数，c为该第一像素点的曲率，ri表示该第一像素点pi到传感器的空间距离、rj表示每个第二像素点分别到传感器的空间距离。具体的，电子设备确定该第一像素点到激光传感器的空间距离，以及每个第二像素点分别到激光传感器的空间距离，并分别计算第一像素点到激光传感器的空间距离与所述每个第二像素点到激光传感器的空间距离的差值的绝对值，将得到的每个绝对值求和得到该第一像素点的曲率。
确定出点云图像中保留的每个第一像素点的曲率之后，按照曲率由大到小的顺序，由前向后选取预设第一数量的第一像素点作为点云图像中的边缘点，由后向前选取预设第二数量的第一像素点作为点云图像中的平面点。其中，预设第一数量和预设第二数量可以相同也可以不同。
确定出点云图像中每个边缘点和每个平面点之后，基于点云图像中的每个边缘点和每个平面点进行点云配准。
由于在本发明实施例中，根据保留的每个第一像素点的曲率确定点云图像中的每个边缘点和每个平面点，进而根据每个边缘点和每个平面点实现对点云图像的点云配准。使得点云配准更准确。
实施例4：
为了使确定的每个边缘点和每个平面点在点云图像中分布均匀，从而进一步使点云配准更准确，在上述各实施例的基础上，在本发明实施例中，所述按照曲率由大到小的顺序对所述每个第一像素点进行排序，由前向后选取预设第一数量的第一像素点作为所述点云图像中的边缘点，由后向前选取预设第二数量的第一像素点作为所述点云图像中的平面点包括：
针对所述点云图像中的每行的第一像素点，按照曲率由大到小的顺序对该行的第一像素点进行排序，由前向后选取预设第三数量的第一像素点作为所述点云图像中的边缘点，由后向前选取预设第四数量的第一像素点作为所述点云图像中的平面点。
为了使确定的每个边缘点和每个平面点在点云图像中分布均匀，可以针对点云图像中保留的每行的第一像素点，然后按照曲率由大到小的顺序由前向后选取预设第三数量的第一像素点作为点云图像中的边缘点，由后向前选取预设第四数量的第一像素点作为所述点云图像中的平面点。其中，预设第三数量和预设第四数量可以相同或不同。
由于本发明实施例中针对点云图像中保留的每行的第一像素点，在该行第一像素点中确定每个边缘点和每个平面点，使得点云图像中每个边缘点和每个平面点分布均匀，进一步使点云配准更准确。
实施例5：
为了使确定的每个边缘点和每个平面点在点云图像中分布均匀，从而进一步使点云配准更准确，在上述各实施例的基础上，在本发明实施例中，所述针对所述点云图像中的每行的第一像素点，按照曲率由大到小的顺序对该行的第一像素点进行排序，由前向后选取预设第三数量的第一像素点作为所述点云图像中的边缘点，由后向前选取预设第四数量的第一像素点作为所述点云图像中的平面点包括：
将所述点云图像中的每行的第一像素点划分为预设第五数量的分组，针对每组的第一像素点，按照曲率由大到小的顺序对该组的第一像素点进行排序，由前向后选取预设第六数量的第一像素点作为所述点云图像中的边缘点，由后向前选取预设第七数量的第一像素点作为所述点云图像中的平面点。
在本发明实施例中，将点云图像中保留的每行的第一像素点划分为预设第五数量的分组，例如划分为6组、7组等。然后针对点云图像中每组的第一像素点，然后按照曲率由大到小的顺序由前向后选取预设第六数量的第一像素点作为点云图像中的边缘点，由后向前选取预设第七数量的第一像素点作为所述点云图像中的平面点。其中，预设第六数量和预设第七数量可以相同或不同。
由于本发明实施例中，将点云图像中的每行的第一像素点划分为预设第五数量的分组，针对每组的第一像素点，在该组第一像素点中确定每个边缘点和每个平面点，使得点云图像中每个边缘点和每个平面点分布均匀，进一步使点云配准更准确。
实施例6：
确定的每个边缘点和平面点中有可能存在不稳定的像素点，为了滤除这些不稳定的像素点，在上述各实施例的基础上，在本发明实施例中，确定所述点云图像中的每个边缘点和平面点之后，所述基于滤除第一像素点之后的点云图像中的每个边缘点和每个平面点进行点云配准之前，所述方法还包括：
根据所述每个边缘点和每个平面点的空间坐标信息，确定每个边缘点和每个平面点到激光传感器的空间距离，滤除空间距离大于预设的第二距离阈值的边缘点和平面点。
电子设备已知激光传感器的空间坐标信息，针对每个边缘点和每个平面点，根据该点的空间坐标信息和激光传感器的空间坐标信息，可以确定该点到激光传感器的空间距离。电子设备中保存有预设的第二距离阈值。针对每个边缘点和每个平面点，判断该点到激光传感器的空间距离是否大于预设的第二距离阈值，如果是，滤除该点。
因为距离激光传感器较远的边缘点和平面点的准确率不能保证，因此这些距离激光传感器较远的边缘点和平面点为不稳定的点，本发明实施例中滤除这些不稳定的点，使得保留的每个边缘点和每个平面点更准确，也就使得基于保留的每个边缘点和每个平面点进行点云配准更准确。
实施例7：
为了进一步使确定的平面点更准确，在上述各实施例的基础上，在本发明实施例中，所述滤除空间距离大于预设的第二距离阈值的边缘点和平面点之后，基于滤除第一像素点之后的点云图像中的每个边缘点和每个平面点进行点云配准之前，所述方法还包括：
针对保留的每个平面点，确定所述点云图像中与该平面点位于同一列且相邻的第三像素点，判断该平面点与该第三像素点是否满足第一公式arctan(dz,sqrt(dx*dx+dy*dy))<θ；如果是，保留该平面点，如果否，滤除该平面点；
式中，dz＝|z1-z2|，dx＝x1-x2，dy＝y1-y2，θ为预设角度值；该平面点的空间坐标信息为(x1，y1，z1)，该第三像素点的空间坐标信息为(x2，y2，z2)。
点云图像中的平面点应为地面上的点，基于此考虑对确定出的平面点再进行一次筛选，针对保留的每个平面点，判断该平面点是否为地面上的像素点，如果是，则保留该平面点，否则滤除该平面点。
具体的，判断该平面点是否为地面上的像素点的过程如下：
针对保留的每个平面点，确定点云图像中与该平面点位于同一列且相邻的第三像素点，其中，该第三像素点可以位于该平面点的上方，也可以位于该平面点的下方。判断该平面点与该第三像素点是否满足第一公式arctan(dz,sqrt(dx*dx+dy*dy))<θ；如果是，保留该平面点，如果否，滤除该平面点；式中，dz＝|z1-z2|，dx＝x1-x2，dy＝y1-y2，θ为预设角度值；该平面点的空间坐标信息为(x1，y1，z1)，该第三像素点的空间坐标信息为(x2，y2，z2)。其中，预设角度值例如可以是10°。
由于在本发明实施例中，将不是地面上的点的平面点进一步滤除，使得保留的平面点更加准确。
实施例8：
为了使点云配准更加准确，在上述各实施例的基础上，在本发明实施例中，所述基于滤除第一像素点之后的点云图像中的每个边缘点和每个平面点进行点云配准包括：
针对当前帧点云图像中的每个边缘点，根据空间距离确定上一帧点云图像中与该边缘点对应的两个第四像素点，并确定该边缘点与所述两个第四像素点构成的空间直线的空间距离；其中，所述两个第四像素点为所述上一帧点云图像中的边缘点；
针对当前帧点云图像中的每个平面点，根据空间距离确定上一帧点云图像中与该平面点对应的三个第五像素点，并确定该平面点与所述三个第五像素点构成的空间平面的空间距离；其中，所述三个第五像素点为所述上一帧点云图像中的平面点；
根据所述每个边缘点到对应空间直线的空间距离和每个平面点到对应空间平面的空间距离，确定旋转矩阵和平移矩阵；基于所述旋转矩阵和平移矩阵进行点云配准。
在本发明实施例中，电子设备针对当前帧点云图像中的每个边缘点，根据该边缘点的空间坐标信息和上一帧点云图像中每个边缘点的空间坐标信息，确定与该边缘点对应的两个第四像素点。其中，可以将与该边缘点的空间距离最近的上一帧图像中的两个边缘点确定为对应的两个第四像素点。两个第四像素点连接成一条空间直线，确定该边缘点与两个第四像素点构成的空间直线的空间距离。
电子设备针对当前帧点云图像中的每个平面点，根据该平面点的空间坐标信息和上一帧点云图像中每个平面点的空间坐标信息，确定与该平面点对应的三个第五像素点。其中，可以将与该平面点的空间距离最近的上一帧图像中的三个平面点确定为对应的三个第五像素点。三个第五像素点构成空间平面，确定该平面点与三个第五像素点构成的空间平面的空间距离。
根据所述每个边缘点到对应空间直线的空间距离和每个平面点到对应空间平面的空间距离，确定旋转矩阵R0和平移矩阵t0；基于旋转矩阵和平移矩阵进行点云配准。
其中，根据所述每个边缘点到对应空间直线的空间距离和每个平面点到对应空间平面的空间距离，通过最小化这两个空间距离得到当前帧与上一帧之间的一个初始位姿R0、t0，具体步骤如下：
假设在当前帧中有一个边缘点和一个平面点其中表示当前帧第k帧中第i个边缘点，以上标b表示边缘点，表示当前帧第k帧中第j个平面点，以上标p表示平面点。
在上一帧第k-1帧中，找到了与边缘点最匹配的两个点和与平面点最匹配的三个点分别为和
假设当前帧点云图像到上一帧点云图像的坐标变换为R0、t0，则对于当前帧中的边缘点和平面点它们在上一帧坐标系下的坐标即分别为：
其中分别为边缘点和平面点在上一帧点云图像坐标系下的空间坐标。
分别计算第i个边缘点到对应直线的距离第j个平面点到对应平面的距离
假设当前帧中所有的边缘点和平面点构成的集合为Pk，则有如下函数关系：
f(Pk,R0,t0)＝d；
其中，f中每一行都有边缘点和平面点，d中包含了点到对应空间直线或空间平面的距离，这样就建立起了边缘点和平面点到对应匹配点构成的空间直线和空间平面之间的空间距离d与R0,t0之间的关系。
利用非线性最小二乘的方法，最小化这些空间距离d，就可以求出旋转矩阵R0和平移矩阵t0。
通过本发明实施例提供的方案确定出的旋转矩阵和平移矩阵更准确，进而使得基于旋转矩阵和平移矩阵进行点云配准更准确。
实施例9：
为了使点云配准更加准确，在上述各实施例的基础上，在本发明实施例中，所述针对当前帧点云图像中的每个边缘点，根据空间距离确定上一帧点云图像中与该边缘点对应的两个第四像素点包括：
针对当前帧点云图像中的每个边缘点，确定上一帧点云图像中与该边缘点的空间距离最近的预设第八数量个第六像素点，选取与该边缘点的强度值差值最小的两个第六像素点作为与该边缘点对应的两个第四像素点；
所述针对当前帧点云图像中的每个平面点，根据空间距离确定上一帧点云图像中与该平面点对应的三个第五像素点包括：
针对当前帧点云图像中的每个平面点，确定上一帧点云图像中与该平面点的空间距离最近的预设第九数量个第七像素点，选取与该平面点的强度值差值最小的三个第七像素点作为与该平面点对应的三个第五像素点。
在本发明实施例中，为了使点云配准更加准确，在根据空间距离确定上一帧点云图像中与该边缘点对应的两个第四像素点，以及根据空间距离确定上一帧点云图像中与该平面点对应的三个第五像素点的基础上，增加了像素点强度值的约束条件。需要说明的是，激光传感器在移动过程中扫描得到每个点云序列的过程中，针对点云中的每个点，激光传感器发射光束之后都会接收到该点反射回的信号，将该信号的强度值作为该点的强度值，将点云映射为点云图像之后，点云图像中的每个像素点的强度值即为该像素点对应的点云中的点的强度值。
对当前帧Sk中的每一个边缘点，仅在上一帧Sk-1的边缘点中找到与其对应的两个点构成一条线，缩小匹配范围，加快匹配速度，在本发明实施例中，对当前帧Sk中的每一个边缘点，仅在上一帧Sk-1的边缘点中找到与其对应的两个点的策略除了空间距离约束外，还加上了点的强度值约束，只有两个点空间距离相近且强度值相差也不大时才认为两个点是最匹配的，同理，对于每一个平面点，根据空间距离约束和强度值约束在上一帧的平面点中找到与其最匹配的三个点构成一个面。
针对当前帧点云图像中的每个边缘点，确定该边缘点对应的两个第四像素点时，首先确定上一帧点云图像中与该边缘点的空间距离最近的预设第八数量个第六像素点，其中，预设第八数量大于2，例如可以是4、6、7等。然后获取预设第八数量个第六像素点对应的强度值，选取与该边缘点的强度值差值最小的两个第六像素点作为与该边缘点对应的两个第四像素点。
针对当前帧点云图像中的每个平面点，确定该平面点对应的三个第五像素点时，首先确定上一帧点云图像中与该平面点的空间距离最近的预设第九数量个第七像素点，其中，预设第九数量大于3，例如可以是5、6、7等。然后获取预设第九数量个第七像素点对应的强度值，选取与该平面点的强度值差值最小的三个第七像素点作为与该平面点对应的三个第五像素点。
由于在本发明实施例中，基于空间距离和强度值两方面的考虑确定每个边缘点对应的两个第四像素点，以及每个平面点对应的三个第五像素点，使得后续点云配准更加准确。
实施例10：
所述确定旋转矩阵和平移矩阵之后，基于所述旋转矩阵和平移矩阵进行点云配准之前，所述方法还包括：
根据当前帧点云图像之前的点云图像确定局部地图；
根据所述旋转矩阵和平移矩阵，对所述当前帧点云图像与所述局部地图进行配准，根据配准结果对所述旋转矩阵和平移矩阵进行更新。
其中，可以利用IMLS模型进行当前帧点云图像与所述局部地图的配准。
在本发明实施例中，采用隐式移动最小二乘的方式来描述一个局部地图Mk中隐含的曲面，表达式为它表示点p到隐含曲面的距离，其零解对应的点即构成隐含曲面，局部地图由当前帧之前的n个点云图像组成，例如取n＝30；其中pi是Mk中的点，是pi处的法向量。 表示距离的权重，从这个式子可以发现，当pi距离x越远时，Wi(x)越小，且当距离为3h时，Wi(x)<0.0002，因此为了加快计算速度，仅考虑局部地图中以距离p点最近的点为球心，半径为3h的球体内的点作为pi去计算。
将当前帧Sk中的边缘点和平面点与局部地图Mk配准，通过最小化特征点到隐含曲面的距离来得到当前帧的精确位姿，也就是得到精确的旋转矩阵和平移矩阵，提高配准精度；
其中，mi表示以Mk中距离xi最近的点为中心的某一空间立方体中所包含的点云。
根据计算的R0和t0，利用公式Sk′＝{xi′＝R0xi+t0,xi∈Sk}对当前帧Sk进行坐标变换，得到Sk′；
对于Sk′中的每一点xi′，利用公式将其映射到局部地图中隐含曲面上；其中为Mk中距离xi′最近的点对应的法向量，它也可以很好地近似为在yi′处的法向量；
得到了Sk′对应的映射点集Yk′，然后通过最小化公式 得到Sk′到局部地图Mk的位姿变换；
对于公式可以采用最小二乘法进行迭代求解。最终得到当前帧Sk到局部地图Mk的位姿变换为Rk＝R·R0，tk＝R·t0+t。
由于在本发明实施例中，根据当前帧点云图像之前的点云图像确定局部地图；根据旋转矩阵和平移矩阵，对当前帧点云图像与局部地图进行配准，根据配准结果对旋转矩阵和平移矩阵进行更新。从而使得更新后的旋转矩阵和平移矩阵更准确，也就是的点云配准更准确。
实施例11：
所述根据当前帧点云图像之前的点云图像确定局部地图包括：
针对当前帧点云图像之前的每一帧点云图像，确定该帧点云图像对应的激光传感器与上一帧点云图像对应的激光传感器之间的空间距离，判断所述空间距离是否大于预设的第三距离阈值，如果是，确定该帧点云图像为关键帧点云图像；
根据每个关键帧点云图像确定局部地图。
在本发明实施例中，激光传感器在移动过程中扫描得到每个点云序列，映射成为每帧点云图像。激光传感器在移动过程中的空间坐标信息已知，因此每帧点云图像对应的激光传感器的空间坐标信息已知。因此可以计算出针对当前帧点云图像之前的每一帧点云图像，计算出该帧点云图像对应的激光传感器与上一帧点云图像对应的激光传感器之间的空间距离。该空间距离为当前帧和上一帧之间的相对运动距离，当相对运动距离大于预设的第三距离阈值时，就将当前帧视为关键帧，加入到局部地图中。另外，可以设置构成局部地图的点云图像的数量阈值，例如数量阈值为30，如果将关键帧加入到局部地图中发现构成局部地图的点云图像的数量超过数量阈值，则去除局部地图中采集时间最早的一个关键帧；
Δt＝‖tk-tk-1‖<ε；
其中，‖tk-tk-1‖表示当前帧点云图像对应的激光传感器与上一帧点云图像对应的激光传感器之间的空间距离，ε为预设的第三距离阈值，取值例如为0.3。
其中，将每个关键帧点云图像拼接成一个局部地图的过程属于现有技术，在此不再对该过程进行赘述。
图2为本发明实施例提供的点云配准流程图，该过程包括以下步骤：
S201：获取进行点云配准的每帧点云图像。
S202：针对所述每帧点云图像，根据所述点云图像中每个第一像素点的空间坐标信息和预设的第一距离阈值，对所述每个第一像素点进行聚类处理。
S203：确定每个类簇的最小外接矩形区域，针对每个最小外接矩形区域，判断该最小外接矩形区域的长度与宽度的第一比值是否在预设的第一范围内，如果是，滤除该最小外接矩形区域内的第一像素点，如果否，保留该最小外接矩形区域内的第一像素点；或判断该最小外接矩形区域的宽度与长度的第二比值是否在预设的第二范围内，如果是，滤除该最小外接矩形区域内的第一像素点，如果否，保留该最小外接矩形区域内的第一像素点。
S204：针对所述点云图像中的每个第一像素点，确定该第一像素点的曲率；根据每个第一像素点的曲率确定点云图像中的每个边缘点和每个平面点。
S205：针对当前帧点云图像中的每个边缘点，确定上一帧点云图像中与该边缘点对应的两个第四像素点，确定该边缘点与所述两个第四像素点构成的空间直线的空间距离；针对当前帧点云图像中的每个平面点，确定上一帧点云图像中与该平面点对应的三个第五像素点，确定该平面点与所述三个第五像素点构成的空间平面的空间距离。
S206：根据所述每个边缘点到对应空间直线的空间距离和每个平面点到对应空间平面的空间距离，确定旋转矩阵和平移矩阵。
S207：根据当前帧点云图像之前的点云图像确定局部地图；根据所述旋转矩阵和平移矩阵，对所述当前帧点云图像与所述局部地图进行配准，根据配准结果对所述旋转矩阵和平移矩阵进行更新。
S208：基于更新后的旋转矩阵和平移矩阵进行点云配准。
本发明实施例具有以下有益效果：
本发明实施例的方法在提取特征点(边缘点和平面点)之前，采用聚类的方式去除了运动物体点云，避免了运动物体对特征匹配的影响，同时对提取到的特征点进行距离筛选，去除了较远处不稳定的点云，而且在特征点匹配阶段，采用距离约束加强度值约束，提高了特征点匹配的准确性，降低了误匹配的可能，在与局部地图匹配的过程中，将当前帧与局部地图中隐含的曲面进行配准，利用了点云的几何信息，能够提高配准结果。
本发明实施例分为粗配准和精配准两个阶段，通过在相邻帧之间提取特征进行初步配准，再利用初步配准的结果将当前帧与局部地图配准，优化配准结果，由于提供了初值，因此在精配准迭代求解过程中不易陷入局部最小，可以得到最优的匹配结果。
本发明实施例提供了迭代初值，能够避免配准结果陷入局部最小，并且在计算点到隐含曲面的距离时，隐含曲面是由对应立方体空间中的点构成的，而不是由整个局部地图中的点构成，这样做能够充分利用局部地图中的点云数据，提高位姿估计的精度。
实施例12：
图3为本发明实施例提供的点云配准装置结构示意图，所述装置包括：
获取模块31，用于获取进行点云配准的每帧点云图像；
聚类处理模块32，用于针对所述每帧点云图像，根据所述点云图像中每个第一像素点的空间坐标信息和预设的第一距离阈值，对所述每个第一像素点进行聚类处理；
第一滤除模块33，用于确定每个类簇的最小外接矩形区域，针对每个最小外接矩形区域，根据该最小外接矩形区域的长度和宽度，判断该最小外接矩形区域是否为运动物体对应的区域，如果是，滤除该最小外接矩形区域内的第一像素点，如果否，保留该最小外接矩形区域内的第一像素点；
配准模块34，用于基于滤除第一像素点之后的点云图像进行点云配准。
所述第一滤除模块33，具体用于判断该最小外接矩形区域的长度与宽度的第一比值是否在预设的第一范围内；或判断该最小外接矩形区域的宽度与长度的第二比值是否在预设的第二范围内。
所述装置还包括：
确定模块35，用于针对所述点云图像中的每个第一像素点，确定包含该第一像素点在内的水平预设邻域内的每个第二像素点，确定该第一像素点与所述每个第二像素点分别到激光传感器的空间距离，分别计算第一像素点到激光传感器的空间距离与所述每个第二像素点到激光传感器的空间距离的差值的绝对值；根据每个绝对值的和确定该第一像素点的曲率；按照曲率由大到小的顺序对所述每个第一像素点进行排序，由前向后选取预设第一数量的第一像素点作为所述点云图像中的边缘点，由后向前选取预设第二数量的第一像素点作为所述点云图像中的平面点；
所述配准模块34，具体用于基于滤除第一像素点之后的点云图像中的每个边缘点和每个平面点进行点云配准。
所述确定模块35，具体用于针对所述点云图像中的每行的第一像素点，按照曲率由大到小的顺序对该行的第一像素点进行排序，由前向后选取预设第三数量的第一像素点作为所述点云图像中的边缘点，由后向前选取预设第四数量的第一像素点作为所述点云图像中的平面点。
所述确定模块35，具体用于将所述点云图像中的每行的第一像素点划分为预设第五数量的分组，针对每组的第一像素点，按照曲率由大到小的顺序对该组的第一像素点进行排序，由前向后选取预设第六数量的第一像素点作为所述点云图像中的边缘点，由后向前选取预设第七数量的第一像素点作为所述点云图像中的平面点。
所述装置还包括：
第二滤除模块36，用于根据所述每个边缘点和每个平面点的空间坐标信息，确定每个边缘点和每个平面点到激光传感器的空间距离，滤除空间距离大于预设的第二距离阈值的边缘点和平面点。
所述装置还包括：
第三滤除模块37，用于针对保留的每个平面点，确定所述点云图像中与该平面点位于同一列且相邻的第三像素点，判断该平面点与该第三像素点是否满足第一公式arctan(dz,sqrt(dx*dx+dy*dy))<θ；如果是，保留该平面点，如果否，滤除该平面点；式中，dz＝|z1-z2|，dx＝x1-x2，dy＝y1-y2，θ为预设角度值；该平面点的空间坐标信息为(x1，y1，z1)，该第三像素点的空间坐标信息为(x2，y2，z2)。
所述配准模块34，具体用于针对当前帧点云图像中的每个边缘点，根据空间距离确定上一帧点云图像中与该边缘点对应的两个第四像素点，并确定该边缘点与所述两个第四像素点构成的空间直线的空间距离；其中，所述两个第四像素点为所述上一帧点云图像中的边缘点；针对当前帧点云图像中的每个平面点，根据空间距离确定上一帧点云图像中与该平面点对应的三个第五像素点，并确定该平面点与所述三个第五像素点构成的空间平面的空间距离；其中，所述三个第五像素点为所述上一帧点云图像中的平面点；根据所述每个边缘点到对应空间直线的空间距离和每个平面点到对应空间平面的空间距离，确定旋转矩阵和平移矩阵；基于所述旋转矩阵和平移矩阵进行点云配准。
所述配准模块34，具体用于针对当前帧点云图像中的每个边缘点，确定上一帧点云图像中与该边缘点的空间距离最近的预设第八数量个第六像素点，选取与该边缘点的强度值差值最小的两个第六像素点作为与该边缘点对应的两个第四像素点；
所述配准模块34，具体用于针对当前帧点云图像中的每个平面点，确定上一帧点云图像中与该平面点的空间距离最近的预设第九数量个第七像素点，选取与该平面点的强度值差值最小的三个第七像素点作为与该平面点对应的三个第五像素点。
所述装置还包括：
更新模块38，用于根据当前帧点云图像之前的点云图像确定局部地图；根据所述旋转矩阵和平移矩阵，对所述当前帧点云图像与所述局部地图进行配准，根据配准结果对所述旋转矩阵和平移矩阵进行更新。
所述更新模块38，具体用于针对当前帧点云图像之前的每一帧点云图像，确定该帧点云图像对应的激光传感器与上一帧点云图像对应的激光传感器之间的空间距离，判断所述空间距离是否大于预设的第三距离阈值，如果是，确定该帧点云图像为关键帧点云图像；
根据每个关键帧点云图像确定局部地图。
实施例13：
在上述各实施例的基础上，本发明实施例中还提供了一种电子设备，如图4所示，包括：处理器301、通信接口302、存储器303和通信总线304，其中，处理器301，通信接口302，存储器303通过通信总线304完成相互间的通信；
所述存储器303中存储有计算机程序，当所述程序被所述处理器301执行时，使得所述处理器301执行如下步骤：
获取进行点云配准的每帧点云图像；
针对所述每帧点云图像，根据所述点云图像中每个第一像素点的空间坐标信息和预设的第一距离阈值，对所述每个第一像素点进行聚类处理；
确定每个类簇的最小外接矩形区域，针对每个最小外接矩形区域，根据该最小外接矩形区域的长度和宽度，判断该最小外接矩形区域是否为运动物体对应的区域，如果是，滤除该最小外接矩形区域内的第一像素点，如果否，保留该最小外接矩形区域内的第一像素点；
基于滤除第一像素点之后的点云图像进行点云配准。
基于同一发明构思，本发明实施例中还提供了一种电子设备，由于上述电子设备解决问题的原理与点云配准方法相似，因此上述电子设备的实施可以参见方法的实施，重复之处不再赘述。
本发明实施例提供的电子设备具体可以为桌面计算机、便携式计算机、智能手机、平板电脑、个人数字助理(Personal Digital Assistant，PDA)、网络侧设备等。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口302用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器，包括中央处理器、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processing，DSP)、专用集成电路、现场可编程门陈列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。
在本发明实施例中处理器执行存储器上所存放的程序时，实现获取进行点云配准的每帧点云图像；针对所述每帧点云图像，根据所述点云图像中每个第一像素点的空间坐标信息和预设的第一距离阈值，对所述每个第一像素点进行聚类处理；确定每个类簇的最小外接矩形区域，针对每个最小外接矩形区域，根据该最小外接矩形区域的长度和宽度，判断该最小外接矩形区域是否为运动物体对应的区域，如果是，滤除该最小外接矩形区域内的第一像素点，如果否，保留该最小外接矩形区域内的第一像素点；基于滤除第一像素点之后的点云图像进行点云配准。
由于在本发明实施例中，电子设备获取到点云图像之后，根据预设的第一距离阈值对点云图像中每个第一像素点进行聚类处理，然后针对每个类簇，根据该类簇的最小外接矩形的长度和宽度，判断该类簇是否为运动物体对应的类簇，如果是，则滤除该类簇的第一像素点。从而实现了滤除运动物体的特征点，然后再基于滤除第一像素点之后的点云图像进行点云配准。因为滤除了运动物体的不稳定特征点，因此在基于滤除第一像素点之后的点云图像进行点云配准时，确定的旋转矩阵和平移矩阵更准确，进而使得点云配准更准确。
实施例14：
在上述各实施例的基础上，本发明实施例还提供了一种计算机存储可读存储介质，所述计算机可读存储介质内存储有可由电子设备执行的计算机程序，当所述程序在所述电子设备上运行时，使得所述电子设备执行时实现如下步骤：
获取进行点云配准的每帧点云图像；针对所述每帧点云图像，根据所述点云图像中每个第一像素点的空间坐标信息和预设的第一距离阈值，对所述每个第一像素点进行聚类处理；确定每个类簇的最小外接矩形区域，针对每个最小外接矩形区域，根据该最小外接矩形区域的长度和宽度，判断该最小外接矩形区域是否为运动物体对应的区域，如果是，滤除该最小外接矩形区域内的第一像素点，如果否，保留该最小外接矩形区域内的第一像素点；基于滤除第一像素点之后的点云图像进行点云配准。
基于同一发明构思，本发明实施例中还提供了一种计算机可读存储介质，由于处理器在执行上述计算机可读存储介质上存储的计算机程序时解决问题的原理与点云配准方法相似，因此处理器在执行上述计算机可读存储介质存储的计算机程序的实施可以参见方法的实施，重复之处不再赘述。
上述计算机可读存储介质可以是电子设备中的处理器能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器如软盘、硬盘、磁带、磁光盘(MO)等、光学存储器如CD、DVD、BD、HVD等、以及半导体存储器如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD)等。
在本发明实施例中提供的计算机可读存储介质内存储计算机程序，计算机程序被处理器执行时实现获取进行点云配准的每帧点云图像；针对所述每帧点云图像，根据所述点云图像中每个第一像素点的空间坐标信息和预设的第一距离阈值，对所述每个第一像素点进行聚类处理；确定每个类簇的最小外接矩形区域，针对每个最小外接矩形区域，根据该最小外接矩形区域的长度和宽度，判断该最小外接矩形区域是否为运动物体对应的区域，如果是，滤除该最小外接矩形区域内的第一像素点，如果否，保留该最小外接矩形区域内的第一像素点；基于滤除第一像素点之后的点云图像进行点云配准。
由于在本发明实施例中，电子设备获取到点云图像之后，根据预设的第一距离阈值对点云图像中每个第一像素点进行聚类处理，然后针对每个类簇，根据该类簇的最小外接矩形的长度和宽度，判断该类簇是否为运动物体对应的类簇，如果是，则滤除该类簇的第一像素点。从而实现了滤除运动物体的特征点，然后再基于滤除第一像素点之后的点云图像进行点云配准。因为滤除了运动物体的不稳定特征点，因此在基于滤除第一像素点之后的点云图像进行点云配准时，确定的旋转矩阵和平移矩阵更准确，进而使得点云配准更准确。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (22)
1.一种点云配准方法，其特征在于，所述方法包括：
获取进行点云配准的每帧点云图像；
针对所述每帧点云图像，根据所述点云图像中每个第一像素点的空间坐标信息和预设的第一距离阈值，对所述每个第一像素点进行聚类处理；
确定每个类簇的最小外接矩形区域，针对每个最小外接矩形区域，根据该最小外接矩形区域的长度和宽度，判断该最小外接矩形区域是否为运动物体对应的区域，如果是，滤除该最小外接矩形区域内的第一像素点，如果否，保留该最小外接矩形区域内的第一像素点；其中，运动物体根据点云配准的场景进行确定；
针对所述点云图像中保留的每个第一像素点，确定包含该第一像素点在内的水平预设邻域内的每个第二像素点，确定该第一像素点与所述每个第二像素点分别到激光传感器的空间距离，分别计算第一像素点到激光传感器的空间距离与所述每个第二像素点到激光传感器的空间距离的差值的绝对值；根据每个绝对值的和确定该第一像素点的曲率；
按照曲率由大到小的顺序对所述每个第一像素点进行排序，由前向后选取预设第一数量的第一像素点作为所述点云图像中的边缘点，由后向前选取预设第二数量的第一像素点作为所述点云图像中的平面点；
基于滤除第一像素点之后的点云图像中的每个边缘点和每个平面点进行点云配准。
2.如权利要求1所述的方法，其特征在于，所述根据该最小外接矩形区域的长度和宽度，判断该最小外接矩形区域是否为运动物体对应的区域包括：
判断该最小外接矩形区域的长度与宽度的第一比值是否在预设的第一范围内；或判断该最小外接矩形区域的宽度与长度的第二比值是否在预设的第二范围内。
3.如权利要求1所述的方法，其特征在于，所述按照曲率由大到小的顺序对所述每个第一像素点进行排序，由前向后选取预设第一数量的第一像素点作为所述点云图像中的边缘点，由后向前选取预设第二数量的第一像素点作为所述点云图像中的平面点包括：
针对所述点云图像中的每行的第一像素点，按照曲率由大到小的顺序对该行的第一像素点进行排序，由前向后选取预设第三数量的第一像素点作为所述点云图像中的边缘点，由后向前选取预设第四数量的第一像素点作为所述点云图像中的平面点。
4.如权利要求3所述的方法，其特征在于，所述针对所述点云图像中的每行的第一像素点，按照曲率由大到小的顺序对该行的第一像素点进行排序，由前向后选取预设第三数量的第一像素点作为所述点云图像中的边缘点，由后向前选取预设第四数量的第一像素点作为所述点云图像中的平面点包括：
将所述点云图像中的每行的第一像素点划分为预设第五数量的分组，针对每组的第一像素点，按照曲率由大到小的顺序对该组的第一像素点进行排序，由前向后选取预设第六数量的第一像素点作为所述点云图像中的边缘点，由后向前选取预设第七数量的第一像素点作为所述点云图像中的平面点。
5.如权利要求1至4任一项所述的方法，其特征在于，确定所述点云图像中的每个边缘点和平面点之后，所述基于滤除第一像素点之后的点云图像中的每个边缘点和每个平面点进行点云配准之前，所述方法还包括：
根据所述每个边缘点和每个平面点的空间坐标信息，确定每个边缘点和每个平面点到激光传感器的空间距离，滤除空间距离大于预设的第二距离阈值的边缘点和平面点。
6.如权利要求5所述的方法，其特征在于，所述滤除空间距离大于预设的第二距离阈值的边缘点和平面点之后，基于滤除第一像素点之后的点云图像中的每个边缘点和每个平面点进行点云配准之前，所述方法还包括：
针对保留的每个平面点，确定所述点云图像中与该平面点位于同一列且相邻的第三像素点，判断该平面点与该第三像素点是否满足第一公式arctan(dz,sqrt(dx*dx+dy*dy))<θ；如果是，保留该平面点，如果否，滤除该平面点；
式中，dz＝|z1-z2|，dx＝x1-x2，dy＝y1-y2，θ为预设角度值；该平面点的空间坐标信息为(x1，y1，z1)，该第三像素点的空间坐标信息为(x2，y2，z2)。
7.如权利要求1所述的方法，其特征在于，所述基于滤除第一像素点之后的点云图像中的每个边缘点和每个平面点进行点云配准包括：
针对当前帧点云图像中的每个边缘点，根据空间距离确定上一帧点云图像中与该边缘点对应的两个第四像素点，并确定该边缘点与所述两个第四像素点构成的空间直线的空间距离；其中，所述两个第四像素点为所述上一帧点云图像中的边缘点；
针对当前帧点云图像中的每个平面点，根据空间距离确定上一帧点云图像中与该平面点对应的三个第五像素点，并确定该平面点与所述三个第五像素点构成的空间平面的空间距离；其中，所述三个第五像素点为所述上一帧点云图像中的平面点；
根据所述每个边缘点到对应空间直线的空间距离和每个平面点到对应空间平面的空间距离，确定旋转矩阵和平移矩阵；基于所述旋转矩阵和平移矩阵进行点云配准。
8.如权利要求7所述的方法，其特征在于，所述针对当前帧点云图像中的每个边缘点，根据空间距离确定上一帧点云图像中与该边缘点对应的两个第四像素点包括：
针对当前帧点云图像中的每个边缘点，确定上一帧点云图像中与该边缘点的空间距离最近的预设第八数量个第六像素点，选取与该边缘点的强度值差值最小的两个第六像素点作为与该边缘点对应的两个第四像素点；
所述针对当前帧点云图像中的每个平面点，根据空间距离确定上一帧点云图像中与该平面点对应的三个第五像素点包括：
针对当前帧点云图像中的每个平面点，确定上一帧点云图像中与该平面点的空间距离最近的预设第九数量个第七像素点，选取与该平面点的强度值差值最小的三个第七像素点作为与该平面点对应的三个第五像素点。
9.如权利要求7所述的方法，其特征在于，所述确定旋转矩阵和平移矩阵之后，基于所述旋转矩阵和平移矩阵进行点云配准之前，所述方法还包括：
根据当前帧点云图像之前的点云图像确定局部地图；
根据所述旋转矩阵和平移矩阵，对所述当前帧点云图像与所述局部地图进行配准，根据配准结果对所述旋转矩阵和平移矩阵进行更新。
10.如权利要求9所述的方法，其特征在于，所述根据当前帧点云图像之前的点云图像确定局部地图包括：
针对当前帧点云图像之前的每一帧点云图像，确定该帧点云图像对应的激光传感器与上一帧点云图像对应的激光传感器之间的空间距离，判断所述空间距离是否大于预设的第三距离阈值，如果是，确定该帧点云图像为关键帧点云图像；
根据每个关键帧点云图像确定局部地图。
11.一种点云配准装置，其特征在于，所述装置包括：
获取模块，用于获取进行点云配准的每帧点云图像；
聚类处理模块，用于针对所述每帧点云图像，根据所述点云图像中每个第一像素点的空间坐标信息和预设的第一距离阈值，对所述每个第一像素点进行聚类处理；
第一滤除模块，用于确定每个类簇的最小外接矩形区域，针对每个最小外接矩形区域，根据该最小外接矩形区域的长度和宽度，判断该最小外接矩形区域是否为运动物体对应的区域，如果是，滤除该最小外接矩形区域内的第一像素点，如果否，保留该最小外接矩形区域内的第一像素点；其中，运动物体根据点云配准的场景进行确定；
所述装置还包括：
确定模块，用于针对所述点云图像中的每个第一像素点，确定包含该第一像素点在内的水平预设邻域内的每个第二像素点，确定该第一像素点与所述每个第二像素点分别到激光传感器的空间距离，分别计算第一像素点到激光传感器的空间距离与所述每个第二像素点到激光传感器的空间距离的差值的绝对值；根据每个绝对值的和确定该第一像素点的曲率；按照曲率由大到小的顺序对所述每个第一像素点进行排序，由前向后选取预设第一数量的第一像素点作为所述点云图像中的边缘点，由后向前选取预设第二数量的第一像素点作为所述点云图像中的平面点；
配准模块，用于基于滤除第一像素点之后的点云图像中的每个边缘点和每个平面点进行点云配准。
12.如权利要求11所述的装置，其特征在于，所述第一滤除模块，具体用于判断该最小外接矩形区域的长度与宽度的第一比值是否在预设的第一范围内；或判断该最小外接矩形区域的宽度与长度的第二比值是否在预设的第二范围内。
13.如权利要求12所述的装置，其特征在于，所述确定模块，具体用于针对所述点云图像中的每行的第一像素点，按照曲率由大到小的顺序对该行的第一像素点进行排序，由前向后选取预设第三数量的第一像素点作为所述点云图像中的边缘点，由后向前选取预设第四数量的第一像素点作为所述点云图像中的平面点。
14.如权利要求13所述的装置，其特征在于，所述确定模块，具体用于将所述点云图像中的每行的第一像素点划分为预设第五数量的分组，针对每组的第一像素点，按照曲率由大到小的顺序对该组的第一像素点进行排序，由前向后选取预设第六数量的第一像素点作为所述点云图像中的边缘点，由后向前选取预设第七数量的第一像素点作为所述点云图像中的平面点。
15.如权利要求12至14任一项所述的装置，其特征在于，所述装置还包括：
第二滤除模块，用于根据所述每个边缘点和每个平面点的空间坐标信息，确定每个边缘点和每个平面点到激光传感器的空间距离，滤除空间距离大于预设的第二距离阈值的边缘点和平面点。
16.如权利要求15所述的装置，其特征在于，所述装置还包括：
第三滤除模块，用于针对保留的每个平面点，确定所述点云图像中与该平面点位于同一列且相邻的第三像素点，判断该平面点与该第三像素点是否满足第一公式arctan(dz,sqrt(dx*dx+dy*dy))<θ；如果是，保留该平面点，如果否，滤除该平面点；式中，dz＝|z1-z2|，dx＝x1-x2，dy＝y1-y2，θ为预设角度值；该平面点的空间坐标信息为(x1，y1，z1)，该第三像素点的空间坐标信息为(x2，y2，z2)。
17.如权利要求12所述的装置，其特征在于，所述配准模块，具体用于针对当前帧点云图像中的每个边缘点，根据空间距离确定上一帧点云图像中与该边缘点对应的两个第四像素点，并确定该边缘点与所述两个第四像素点构成的空间直线的空间距离；其中，所述两个第四像素点为所述上一帧点云图像中的边缘点；针对当前帧点云图像中的每个平面点，根据空间距离确定上一帧点云图像中与该平面点对应的三个第五像素点，并确定该平面点与所述三个第五像素点构成的空间平面的空间距离；其中，所述三个第五像素点为所述上一帧点云图像中的平面点；根据所述每个边缘点到对应空间直线的空间距离和每个平面点到对应空间平面的空间距离，确定旋转矩阵和平移矩阵；基于所述旋转矩阵和平移矩阵进行点云配准。
18.如权利要求17所述的装置，其特征在于，所述配准模块，具体用于针对当前帧点云图像中的每个边缘点，确定上一帧点云图像中与该边缘点的空间距离最近的预设第八数量个第六像素点，选取与该边缘点的强度值差值最小的两个第六像素点作为与该边缘点对应的两个第四像素点；
所述配准模块，具体用于针对当前帧点云图像中的每个平面点，确定上一帧点云图像中与该平面点的空间距离最近的预设第九数量个第七像素点，选取与该平面点的强度值差值最小的三个第七像素点作为与该平面点对应的三个第五像素点。
19.如权利要求17所述的装置，其特征在于，所述装置还包括：
更新模块，用于根据当前帧点云图像之前的点云图像确定局部地图；根据所述旋转矩阵和平移矩阵，对所述当前帧点云图像与所述局部地图进行配准，根据配准结果对所述旋转矩阵和平移矩阵进行更新。
20.如权利要求19所述的装置，其特征在于，所述更新模块，具体用于针对当前帧点云图像之前的每一帧点云图像，确定该帧点云图像对应的激光传感器与上一帧点云图像对应的激光传感器之间的空间距离，判断所述空间距离是否大于预设的第三距离阈值，如果是，确定该帧点云图像为关键帧点云图像；
根据每个关键帧点云图像确定局部地图。
21.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-10任一项所述的方法步骤。
22.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-10任一项所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010651233.3A CN111915657B (zh) | 2020-07-08 | 2020-07-08 | 一种点云配准方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010651233.3A CN111915657B (zh) | 2020-07-08 | 2020-07-08 | 一种点云配准方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111915657A CN111915657A (zh) | 2020-11-10 |
| CN111915657B true CN111915657B (zh) | 2024-08-27 |
Family
ID=73226567
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010651233.3A Active CN111915657B (zh) | 2020-07-08 | 2020-07-08 | 一种点云配准方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111915657B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112487898B (zh) * | 2020-11-18 | 2024-04-16 | 中科云谷科技有限公司 | 搅拌站搅拌车进、卸料口对齐自动判定方法、设备及系统 |
| CN113639745B (zh) * | 2021-08-03 | 2023-10-20 | 北京航空航天大学 | 一种点云地图的构建方法、装置及存储介质 |
| CN114373002B (zh) * | 2022-01-04 | 2023-08-18 | 杭州三坛医疗科技有限公司 | 一种点云配准方法及装置 |
| CN115100258B (zh) * | 2022-08-29 | 2023-02-07 | 杭州三坛医疗科技有限公司 | 一种髋关节图像配准方法、装置、设备以及存储介质 |
| CN116563356B (zh) * | 2023-05-12 | 2024-06-11 | 北京长木谷医疗科技股份有限公司 | 全局3d配准方法、装置及电子设备 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110706269A (zh) * | 2019-08-30 | 2020-01-17 | 武汉斌果科技有限公司 | 一种基于双目视觉slam的动态场景密集建模方法 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104778701B (zh) * | 2015-04-15 | 2018-08-24 | 浙江大学 | 一种基于rgb-d传感器的局部图像描述方法 |
| JP6601613B2 (ja) * | 2015-06-08 | 2019-11-06 | 株式会社パスコ | 位置推定方法、位置推定装置及び位置推定プログラム |
| WO2017096299A1 (en) * | 2015-12-04 | 2017-06-08 | Autodesk, Inc. | Keypoint-based point-pair-feature for scalable automatic global registration of large rgb-d scans |
| EP3467785A1 (en) * | 2017-10-06 | 2019-04-10 | Thomson Licensing | A method and apparatus for encoding a point cloud representing three-dimensional objects |
| CN109978925B (zh) * | 2017-12-27 | 2021-04-20 | 深圳市优必选科技有限公司 | 一种机器人位姿的识别方法及其机器人 |
| CN108297402A (zh) * | 2018-01-09 | 2018-07-20 | 华中科技大学 | 一种激光功率调节方法及系统 |
| US11105905B2 (en) * | 2018-11-30 | 2021-08-31 | Lyft, Inc. | LiDAR and camera rotational position calibration using multiple point cloud comparisons |
| CN110148161A (zh) * | 2019-04-12 | 2019-08-20 | 中国地质大学（武汉） | 一种遥感图像误匹配剔除方法及系统 |
| CN110275153B (zh) * | 2019-07-05 | 2021-04-27 | 上海大学 | 一种基于激光雷达的水面目标检测与跟踪方法 |
| CN111337941B (zh) * | 2020-03-18 | 2022-03-04 | 中国科学技术大学 | 一种基于稀疏激光雷达数据的动态障碍物追踪方法 |
-
2020
- 2020-07-08 CN CN202010651233.3A patent/CN111915657B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110706269A (zh) * | 2019-08-30 | 2020-01-17 | 武汉斌果科技有限公司 | 一种基于双目视觉slam的动态场景密集建模方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111915657A (zh) | 2020-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111915657B (zh) | 一种点云配准方法、装置、电子设备及存储介质 | |
| CN110307838B (zh) | 机器人重定位方法、装置、计算机可读存储介质及机器人 | |
| US8199977B2 (en) | System and method for extraction of features from a 3-D point cloud | |
| CN109545072B (zh) | 地图构建的位姿计算方法、装置、存储介质和系统 | |
| CN111612841B (zh) | 目标定位方法及装置、移动机器人及可读存储介质 | |
| Schreier et al. | Robust free space detection in occupancy grid maps by methods of image analysis and dynamic B-spline contour tracking | |
| CN102915444A (zh) | 图像配准 | |
| CN110598541A (zh) | 一种提取道路边缘信息的方法及设备 | |
| CN114782499A (zh) | 一种基于光流和视图几何约束的图像静态区域提取方法及装置 | |
| CN112991389A (zh) | 一种目标跟踪方法、装置及移动机器人 | |
| CN116433903A (zh) | 实例分割模型构建方法、系统、电子设备及存储介质 | |
| CN115346183A (zh) | 一种车道线检测方法、终端及存储介质 | |
| CN116129386A (zh) | 可行驶区域检测方法、系统及计算机可读介质 | |
| CN111753858B (zh) | 一种点云匹配方法、装置和重定位系统 | |
| Gong et al. | Complex lane detection based on dynamic constraint of the double threshold | |
| Hallek et al. | Real-time stereo matching on CUDA using Fourier descriptors and dynamic programming | |
| CN117710728A (zh) | Sar图像目标识别方法、装置、计算机设备和存储介质 | |
| CN117745850A (zh) | 地图矢量化生成方法、装置和服务器 | |
| Martelli et al. | FPGA-based robust ellipse estimation for circular road sign detection | |
| CN116977671A (zh) | 基于图像空间定位的目标跟踪方法、装置、设备及存储介质 | |
| CN115861626A (zh) | 目标检测方法、装置、终端设备及计算机可读存储介质 | |
| CN116309628A (zh) | 车道线识别方法和装置、电子设备和计算机可读存储介质 | |
| Bai et al. | Multiple condensation filters for road detection and tracking | |
| CN114118127B (zh) | 一种视觉场景标志检测与识别方法及装置 | |
| CN107194947B (zh) | 一种自适应自纠正的目标跟踪方法 |
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 |