CN111929694B - 点云匹配方法、设备及存储介质 - Google Patents

点云匹配方法、设备及存储介质 Download PDF

Info

Publication number
CN111929694B
CN111929694B CN202011083506.5A CN202011083506A CN111929694B CN 111929694 B CN111929694 B CN 111929694B CN 202011083506 A CN202011083506 A CN 202011083506A CN 111929694 B CN111929694 B CN 111929694B
Authority
CN
China
Prior art keywords
point cloud
point
laser
reflection
points
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
Application number
CN202011083506.5A
Other languages
English (en)
Other versions
CN111929694A (zh
Inventor
刘俊斌
其他发明人请求不公开姓名
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.)
Syrius Technology Shenzhen Co Ltd
Original Assignee
Syrius Technology Shenzhen 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 Syrius Technology Shenzhen Co Ltd filed Critical Syrius Technology Shenzhen Co Ltd
Priority to CN202011083506.5A priority Critical patent/CN111929694B/zh
Publication of CN111929694A publication Critical patent/CN111929694A/zh
Application granted granted Critical
Publication of CN111929694B publication Critical patent/CN111929694B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging

Abstract

本发明公开了一种本发明点云匹配方法、设备及存储介质，通过在已部署反光条的室内环境中，利用激光雷达进行点云探测，获取探测到的激光点；根据测定的所述反光条对应的反射特性曲线，识别探测到的所有激光点对应的光点类型；其中，所述光点类型包括：反光点和普通点；根据识别出的所述激光点的光点类型，查找点云中与所述激光点相关联的关联点，建立点云的关联关系；基于建立的所述关联关系，构造代价函数并对所述代价函数进行迭代优化，从而完成激光点云的匹配操作；达到了在动态变化的室内环境中完成精准而稳定的激光点云匹配的目的，提高了激光点云匹配的稳定性。

Description

点云匹配方法、设备及存储介质
技术领域
本发明涉及机器人技术领域，特别涉及一种点云匹配方法、设备及存储介质。
背景技术
移动机器人的定位与建图是实现机器人移动作业的关键问题之一。激光雷达由于测量精度高、运行稳定，被广泛应用于移动机器人领域，成为机器人定位与建图的重要传感器，而激光点云的匹配操作，将直接影响定位和建图的结果。
目前的点云匹配算法如ICP、PL-ICP等，已经广泛应用于移动机器人领域中。由于机器人所处的环境可能会发生动态改变，比如场景轮廓的改变等，而传统的点云匹配算法则无法识别这种变化，因此，点云的匹配过程也会出现问题，影响最终的建图和定位精度。目前现有的替代方案中，通常采用视觉二维码方式进行识别，但这种处理方式对光照条件有较高的要求且识别范围较小，匹配精度低于激光。因此，如何在动态变化的室内环境中实现精准而稳定的激光点云匹配，从而为机器人的建图和定位提供技术基础，成为目前亟待解决的问题之一。
发明内容
本发明提供一种点云匹配方法、设备及存储介质，用以在动态变化的室内环境中完成精准而稳定的激光点云匹配。
第一方面，本发明提供了一种点云匹配方法，所述点云匹配方法包括：
在已部署反光条的室内环境中，利用激光雷达进行点云探测，获取探测到的激光点；
根据测定的所述反光条对应的反射特性曲线，识别探测到的所有激光点对应的光点类型；其中，所述光点类型包括：反光点和普通点；
根据识别出的所述激光点的光点类型，查找点云中与所述激光点相关联的关联点，建立点云的关联关系；
基于建立的所述关联关系，构造代价函数并对所述代价函数进行迭代优化，从而完成激光点云的匹配操作；
其中，所述根据测定的所述反光条对应的反射特性曲线，识别探测到的所有激光点对应的光点类型，包括：
根据测定的所述反光条对应的反射特性曲线，利用基本对数模型对所述反射特性曲线进行拟合，得到对应的光点识别模型；利用得到的所述光点识别模型，对探测到的所有激光点进行反光点和普通点的类型识别和判断，识别出所述激光点的光点类型是反光点还是普通点；
其中，所述根据测定的所述反光条对应的反射特性曲线，利用基本对数模型对所述反射特性曲线进行拟合，有：f(x) = a logb (x-c) + d；其中，x表示反光条的距离，f(x)表示激光对应的反射强度，a、b、c、d表示光点识别模型的模型参数；
针对已经测量得到的多组数据：f(x) = a logb (x-c) + d ，利用最小二乘法对其进行优化，得到所述光点识别模型的模型参数a、b、c、d，则有：
Figure DEST_PATH_IMAGE001
；其中，i表示所述反射特性曲线包含的激光点中计算所述模型参数所使用的个数，其取值范围是[1，N]，N表示计算所述模型参数所使用的个数的最大值；
将得到的所述模型参数a、b、c、d代入f(x) = a logb (x-c) + d，即可得到对应的光点识别模型；利用得到的所述光点识别模型f(x) = a logb (x-c) + d，对探测到的所有激光点进行判断，若满足：
Figure DEST_PATH_IMAGE002
，则判断出所述激光点的光点类型为反光点；反之，若不满足，则判断出所述激光点的光点类型为普通点；其中，di为所述激光点对应的距离，h为对所述激光点测量得到的实际反射强度；f(di)为利用所述光点识别模型计算得到的理论反射强度；
所述根据识别出的所述激光点的光点类型，查找点云中与所述激光点相关联的关联点，建立点云的关联关系，包括：
针对进行点云匹配的点云S和点云T，若识别出点云S中的激光点Si的光点类型是反光点，则在距离反光点Si的预设范围内，查找点云T中距离所述反光点Si最近的两个反光点；根据反光点的查找结果，记录反光点的匹配类型，从而建立点云S与点云T的关联关系；若识别出点云S中的所述激光点Si的光点类型是普通点，则在距离所述普通点Si的预设范围内，查找点云T中距离所述普通点Si最近的两个普通点；根据普通点的查找结果，记录普通点的匹配类型，从而建立点云S与点云T的关联关系；
所述基于建立的所述关联关系，构造代价函数并对所述代价函数进行迭代优化，从而完成激光点云的匹配操作，包括：
针对进行点云匹配的点云S和点云T，基于建立的所述关联关系，对点云S和点云T中的每一个关联关系均构造一个代价函数，总体代价函数为构造的所有代价函数的和；同时，针对不同光点类型中的反光点和普通点，构造不同的代价函数；对构造的代价函数进行迭代优化，直至优化结果在预设范围内不再发生变化，或者迭代次数达到预设阈值；将迭代完成后得到的最终结果作为最终的点云匹配结果，从而完成激光点云的匹配操作；
其中，所述基于建立的所述关联关系，构造代价函数，包括：
令构造的整体代价函数为：
Figure DEST_PATH_IMAGE003
；
且c（si，p(si)，n1(si)，n2(si) ）满足：
c（si，p(si)，n1(si)，n2(si)）=gi（d（si，n1(si)，n2(si)））；
其中，d（si，n1(si)，n2(si)）表示点云S中的激光点Si与点云T中两个点n1(si)与n2(si)所构成的线段的距离；J（S，T）表示构造的点云S和点云T对应的整体代价函数；i表示所述反射特性曲线包含的激光点中计算所述模型参数所使用的个数，其取值范围是[1，N]，N表示计算所述模型参数所使用的个数的最大值；gi是一个分段函数，gi（d（si，n1(si)，n2(si)））满足：
Figure DEST_PATH_IMAGE004
。
第二方面，本发明提供了一种点云匹配装置，所述点云匹配装置包括：
提取模块，用于在已部署反光条的室内环境中，利用激光雷达进行点云探测，获取探测到的激光点；
识别模块，用于根据测定的所述反光条对应的反射特性曲线，识别探测到的所有激光点对应的光点类型；其中，所述光点类型包括：反光点和普通点；
关联模块，用于根据识别出的所述激光点的光点类型，查找点云中与所述激光点相关联的关联点，建立点云的关联关系；
匹配模块，用于基于建立的所述关联关系，构造代价函数并对所述代价函数进行迭代优化，从而完成激光点云的匹配操作；
其中，所述识别模块用于：
根据测定的所述反光条对应的反射特性曲线，利用基本对数模型对所述反射特性曲线进行拟合，得到对应的光点识别模型；利用得到的所述光点识别模型，对探测到的所有激光点进行反光点和普通点的类型识别和判断，识别出所述激光点的光点类型是反光点还是普通点；
其中，所述识别模块根据测定的所述反光条对应的反射特性曲线，利用基本对数模型对所述反射特性曲线进行拟合，有：f(x) = a logb (x-c) + d；其中，x表示反光条的距离，f(x)表示激光对应的反射强度，a、b、c、d表示光点识别模型的模型参数；
针对已经测量得到的多组数据：f(x) = a logb (x-c) + d ，利用最小二乘法对其进行优化，得到所述光点识别模型的模型参数a、b、c、d，则有：
Figure 452217DEST_PATH_IMAGE001
；其中，i表示所述反射特性曲线包含的激光点中计算所述模型参数所使用的个数，其取值范围是[1，N]，N表示计算所述模型参数所使用的个数的最大值；
将得到的所述模型参数a、b、c、d代入f(x) = a logb (x-c) + d，即可得到对应的光点识别模型；利用得到的所述光点识别模型f(x) = a logb (x-c) + d，对探测到的所有激光点进行判断，若满足：
Figure DEST_PATH_IMAGE005
，则判断出所述激光点的光点类型为反光点；反之，若不满足，则判断出所述激光点的光点类型为普通点；其中，di为所述激光点对应的距离，h为对所述激光点测量得到的实际反射强度；f(di)为利用所述光点识别模型计算得到的理论反射强度；
所述关联模块用于：
针对进行点云匹配的点云S和点云T，若识别出点云S中的激光点Si的光点类型是反光点，则在距离反光点Si的预设范围内，查找点云T中距离所述反光点Si最近的两个反光点；根据反光点的查找结果，记录反光点的匹配类型，从而建立点云S与点云T的关联关系；若识别出点云S中的所述激光点Si的光点类型是普通点，则在距离所述普通点Si的预设范围内，查找点云T中距离所述普通点Si最近的两个普通点；根据普通点的查找结果，记录普通点的匹配类型，从而建立点云S与点云T的关联关系；
所述匹配模块用于：
针对进行点云匹配的点云S和点云T，基于建立的所述关联关系，对点云S和点云T中的每一个关联关系均构造一个代价函数，总体代价函数为构造的所有代价函数的和；同时，针对不同光点类型中的反光点和普通点，构造不同的代价函数；对构造的代价函数进行迭代优化，直至优化结果在预设范围内不再发生变化，或者迭代次数达到预设阈值；将迭代完成后得到的最终结果作为最终的点云匹配结果，从而完成激光点云的匹配操作；
其中，所述匹配模块基于建立的所述关联关系，令构造的整体代价函数为：
Figure DEST_PATH_IMAGE006
；
且c（si，p(si)，n1(si)，n2(si) ）满足：
c（si，p(si)，n1(si)，n2(si)）=gi（d（si，n1(si)，n2(si)））；
其中，d（si，n1(si)，n2(si)）表示点云S中的激光点Si与点云T中两个点n1(si)与n2(si)所构成的线段的距离；J（S，T）表示构造的点云S和点云T对应的整体代价函数；i表示所述反射特性曲线包含的激光点中计算所述模型参数所使用的个数，其取值范围是[1，N]，N表示计算所述模型参数所使用的个数的最大值；gi是一个分段函数，gi（d（si，n1(si)，n2(si)））满足：
Figure DEST_PATH_IMAGE007
。
第三方面，本发明提供了一种电子设备，所述电子设备包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的点云匹配程序，所述点云匹配程序被所述处理器运行时，执行所述的点云匹配方法的步骤。
第四方面，本发明提供了一种计算机可读存储介质，所述存储介质上存储有点云匹配程序，所述点云匹配程序可以被一个或者多个处理器执行，以实现所述的点云匹配方法的步骤。
本发明点云匹配方法、设备及存储介质，通过在已部署反光条的室内环境中，利用激光雷达进行点云探测，获取探测到的激光点；根据测定的所述反光条对应的反射特性曲线，识别探测到的所有激光点对应的光点类型；其中，所述光点类型包括：反光点和普通点；根据识别出的所述激光点的光点类型，查找点云中与所述激光点相关联的关联点，建立点云的关联关系；基于建立的所述关联关系，构造代价函数并对所述代价函数进行迭代优化，从而完成激光点云的匹配操作；达到了在动态变化的室内环境中完成精准而稳定的激光点云匹配的目的，提高了激光点云匹配的稳定性。由于通过在激光点云中识别出反光条并优先对反光条进行匹配，因此即便局部轮廓发生改变，激光点云依然可以匹配成功，从而有效地克服了环境动态变化所造成的不稳定性。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明点云匹配方法的一种实施方式的工作流程示意图。
图2是本发明点云匹配方法的一种实施方式的匹配流程示意图。
图3是本发明点云匹配方法的一种实施方式的激光点匹配示意图。
图4是本发明点云匹配方法的另一种实施方式的激光点匹配示意图。
图5是本发明点云匹配方法的又一种实施方式的激光点匹配示意图。
图6是本发明点云匹配装置的一种实施方式的功能模块示意图。
图7是本发明电子设备的一种实施方式的内部结构示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明提供了一种基于反光条的点云匹配方法、设备及存储介质，达到了在动态变化的室内环境中完成精准而稳定的激光点云匹配的有益效果。其中，本发明实施例中利用反光条进行点云匹配时，使用的点云匹配算法包括但不限于：ICP、PL-ICP、NICP等反光条的点云匹配算法。
如图1所示，图1是本发明点云匹配方法的一种实施方式的工作流程示意图；本发明一种点云匹配方法可以实施为如下描述的步骤S10-S40。
步骤S10、在已部署反光条的室内环境中，利用激光雷达进行点云探测，获取探测到的激光点。
本发明实施例中，针对室内环境中不同位置处分别部署的反光条，利用激光雷达的探测方式，进行点云探测，从而获取探测到的所有激光点。比如，在激光雷达探测出一帧激光点云后，从探测出的激光点云中，得到的对应的所有激光点。
由于反光条自身的特性，即反光条是一种反光率很高的材料，因此，可以在室内环境中可以很容易地被激光雷达探测识别到。将反光条部署在室内环境中后，为激光雷达识别环境提供了相应的客观条件。
步骤S20、根据测定的所述反光条对应的反射特性曲线，识别探测到的所有激光点对应的光点类型；其中，所述光点类型包括：反光点和普通点。
本发明实施例中，由于反光条自身的特性，根据测量得到的该反光条的反射特性曲线，即可识别出探测到的所有激光点是反光点还是普通点。这是因为，若提取出的激光点是反光点，则在针对相同距离处的普通点，其对应的反射光的反射强度将远远大于普通点。因此，利用测定的反光条的反射特性曲线，即可识别出所提取的激光点是反光点还是普通点。
步骤S30、根据识别出的所述激光点的光点类型，查找点云中与所述激光点相关联的关联点，建立点云的关联关系。
根据识别出所述激光点的光点类型是反光点还是普通点，查找需要进行匹配的点云中与所述激光点的光点类型相一致的、并与所述激光点相关联的关联点，从而建立需进行点云匹配的不同点云之间的关联关系。
比如，针对需进行匹配的点云S和点云T，识别出点云S中所述激光点Si的光点类型是反光点，则在点云T中优先查找与该反光点Si距离最近的反光点。若识别出点云S中所述激光点Si的光点类型是普通点，则在点云T中优先查找与该普通点Si距离最近的普通点。在上述点云S和点云T中相关激光点的查找过程中，基于上述各激光点，建立点云S和点云T之间的关联关系。
步骤S40、基于建立的所述关联关系，构造代价函数并对所述代价函数进行迭代优化，从而完成激光点云的匹配操作。
利用建立的进行点云匹配的上述点云S和点云T之间的关联关系，构造对应的代价函数。本发明实施例中，利用反光条的PL-ICP或者其他ICP点云匹配算法进行点云匹配时，由于ICP的本质是优化，因此，可以通过构造代价函数，并通过对构造的代价函数进行不断地迭代优化；比如，通过优化测量产生一次优化结果，然后根据优化结果重新计算代价值，然后不断地执行优化过程，直至满足迭代终止条件时，停止迭代，并将迭代完成后得到的最终结果作为最终的点云匹配结果，完成激光点云的匹配操作。其中，所述迭代终止条件包括但不限于：使得代价函数值最小，或者构造的代价函数的优化结果在预设范围内不再发生变化，或者迭代次数达到预设阈值等。
在一个实施例中，针对进行点云匹配的点云S和点云T，基于建立的所述关联关系，构造的代价函数包括但不限于：针对点云S和点云T中的每一个关联关系均构造一个代价函数，总体代价函数为构造的所有代价函数的和；同时，针对不同光点类型中的反光点和普通点，构造不同的代价函数等。
进一步地，在一个实施例中，图1所述实施例中“步骤S10、在已部署反光条的室内环境中，利用激光雷达进行点云探测，获取探测到的激光点”，之前还需实施如下步骤：在所述室内环境中部署对应的反光条，并测量所述反光条的反射强度与距离之间的关系，得到反映所述反光条的反射强度与距离关系的反射特性曲线。
本发明实施例中，可以根据具体的应用场景部署对应的反光条。在实际使用中，通常反光条比较轻薄，背面有粘胶，可以经过适当裁切，将反光条制作成固定大小，同时根据具体的场景大小情况，设计反光条的粘贴位置，把反光条贴在环境中相对稳定的位置(如墙壁上)。
在一个具体的应用场景中，比如，可以将反光条裁切成15cm×15cm大小的正方形，然后粘贴到室内环境中位置较为固定、不易发生变动的位置处，通常是布置在墙壁上。反光条的位置应该保证容易被机器人探测到，高度保持与激光雷达高度持平。在具体部署时，反光条之间的距离可以保持在一定的距离比如三米以上，同时保证反光条的数目不应过少，比如每五平方米部署一个反光条等。
针对反光条的反射强度与距离之间对应关系的反射特性曲线的测量和获取，在一个实施例中，所述测量所述反光条的反射强度与距离之间的关系，得到反映所述反光条的反射强度与距离关系的反射特性曲线，可以按照如下描述的技术手段实施。
根据激光雷达的量程范围，规划出不同的采样点；基于规划出的所述采样点，对每个所述采样点采集预设次数的激光点数据，同时记录激光点数据对应的反射强度值和相应的距离；以距离为横轴、反射强度为纵轴，建立二维坐标系，根据记录的所述反射强度值和相应的距离，绘制得到反映所述反光条的反射强度与距离关系的反射特性曲线。
在一个实施例中，可以通过测绘反光条的距离-强度曲线，得到反光条的反射强度与距离之间的关系，以表征反光条的反射特性。由于反光条反射强度远高于其他材料，而测量反光条的反射特性则可以量化出这种差异，为通过反射强度可以识别出反光条提供依据。
比如，在一个具体的应用场景中，采用多点拟合的方式，测量并绘制所述反光条的反射特性曲线。比如，可以根据激光雷达的量程范围，规划出不同的采样点（例如分别在一米、两米、三米……十米处进行采样），采样时将反光条粘贴在激光雷达正前方的墙壁上，每个采样点采集若干（例如100次）激光点数据，记录测量上述数据的距离和对应的反射强度值。建立二维坐标系，以距离为横轴、反射强度为纵轴，根据记录的所述反射强度值和相应的距离，绘制得到反映所述反光条的反射强度与距离关系的反射特性曲线。
基于上述实施例的描述，如图2所示，图2是本发明点云匹配方法的一种实施方式的匹配流程示意图。图2所述实施例中的1、2、3、4、5分别代表了点云S和点云T进行匹配的一个相对完整的流程。如图2所示的整个匹配流程中，一共包含了五个大体的流程步骤。图2中，1表示的是在对应的室内环境中部署反光条，2表示的是利用激光雷达进行点云的探测，3表示的是从探测到的激光点云中提取出对应的激光点，4表示的是通过查找建立点云S和点云T之间的关联关系；5表示的是：基于建立的关联关系，构造代价函数并进行迭代优化，最终完成激光点云的匹配操作。
进一步地，在一个实施例中，图1所述实施例中的“步骤S20、根据测定的所述反光条对应的反射特性曲线，识别探测到的所有激光点对应的光点类型”，可以按照如下描述的技术手段实施。
根据测定的所述反光条对应的反射特性曲线，利用基本对数模型对所述反射特性曲线进行拟合，得到对应的光点识别模型；利用得到的所述光点识别模型，对探测到的所有激光点进行反光点和普通点的类型识别和判断，识别出所述激光点的光点类型是反光点还是普通点。本发明实施例中，针对激光点是反光点还是普通点，是通过对反光条的反射特性曲线进行拟合得到对应的光点识别模型，进而利用光点识别模型，进行激光点的光点类型的识别和判断的。
进一步地，所述根据测定的所述反光条对应的反射特性曲线，利用基本对数模型对所述反射特性曲线进行拟合，得到对应的光点识别模型，可以按照如下描述的技术手段实施。
根据测定的所述反光条对应的反射特性曲线，利用基本对数模型对所述反射特性曲线进行拟合，则有：
f(x) = a logb (x-c) + d；其中，x表示反光条的距离，y表示激光对应的反射强度，a、b、c、d表示光点识别模型的模型参数。
针对已经测量得到的多组数据：f(x) = a logb (x-c) + d ，利用最小二乘法对其进行优化，得到所述光点识别模型的模型参数a、b、c、d，则有：
Figure 435216DEST_PATH_IMAGE001
；
其中，i表示所述反射特性曲线包含的激光点中计算所述模型参数所使用的个数，其取值范围是[1，N]，N表示计算所述模型参数所使用的个数的最大值。
将得到的所述模型参数a、b、c、d代入f(x) = a logb (x-c) + d，即可得到对应的光点识别模型。
本发明实施例中，由于反光条对应的反射特性曲线包含了一系列已知的距离与反射强度的多组数据，因此，利用已知的上述多组距离x与反射强度f(x)的数据，利用最小二乘法对其进行优化，即可计算得到所述光点识别模型中的模型参数a、b、c、d，从而得到对应的已知的光点识别模型，即f(x) = a logb (x-c) + d。
进一步地，在一个实施例中，所述利用得到的所述光点识别模型，对探测到的所有激光点进行反光点和普通点的类型识别和判断，识别出所述激光点的光点类型是反光点还是普通点，可以按照如下描述的技术手段实施。
利用得到的所述光点识别模型f(x) = a logb (x-c) + d，对探测到的所有激光点进行判断，若满足：
Figure DEST_PATH_IMAGE008
，则判断出所述激光点的光点类型为反光点。
反之，若不满足
Figure DEST_PATH_IMAGE009
，则判断出所述激光点的光点类型为普通点。其中，di为所述激光点对应的距离，h为对所述激光点测量得到的实际反射强度；f(di)为利用所述光点识别模型计算得到的理论反射强度。
进一步地，在一个实施例中，图1所述实施例中的“步骤S30、根据识别出的所述激光点的光点类型，查找点云中与所述激光点相关联的关联点，建立点云的关联关系”，可以按照如下描述的技术手段实施。
针对进行点云匹配的点云S和点云T，若识别出点云S中的激光点Si的光点类型是反光点，则在距离反光点Si的预设范围内，查找点云T中距离所述反光点Si最近的两个反光点；根据反光点的查找结果，记录反光点的匹配类型，从而建立点云S与点云T的关联关系。
若识别出点云S中的所述激光点Si的光点类型是普通点，则在距离所述普通点Si的预设范围内，查找点云T中距离所述普通点Si最近的两个普通点；根据普通点的查找结果，记录普通点的匹配类型，从而建立点云S与点云T的关联关系。
本发明实施例中，在进行点云匹配查找并建立关联关系时，根据激光点的光点类型进行。
进一步地，在一个实施例中，若识别出点云S中的激光点Si的光点类型是反光点，则在距离反光点Si的预设范围内，查找点云T中距离所述反光点Si最近的两个反光点；若在距离所述反光点Si的预设范围内，找到点云T中距离所述反光点Si最近的两个反光点，则将点云T中找到的两个反光点分别记做n1(si)和n2(si)，并记录点云S中反光点Si与点云T的匹配类型为p(si)=1。如图3所示，图3是本发明点云匹配方法的一种实施方式的激光点匹配示意图。在激光点匹配示意图对应的具体应用场景中，如图3、图4和图5所述的具体实施方式中，均用圆点代表普通点，用小方块代表反光点。图3实施例中，在距离所述反光点Si的预设范围内，找到点云T中距离所述反光点Si最近的两个反光点即n1和n2，则将点云T中找到的两个反光点分别记做n1(si)和n2(si)，记录的同时，即建立了点云S中反光点Si与点云T中反光点n1和n2之间的关联关系。
如图4所示，图4是本发明点云匹配方法的另一种实施方式的激光点匹配示意图。若在距离所述反光点Si的预设范围内，仅找到点云T中距离所述反光点Si最近的一个反光点n1，则将点云T中找到的一个反光点记做n1(si)，同时在点云T中所述反光点n1(si)预设距离范围内，查找距离所述反光点Si最近的普通点，如图4所示，找到距离所述反光点Si最近的普通点n2，则将距离所述发光点Si最近的普通点n2记做n2(si)，并记录点云S中反光点Si与点云T的匹配类型为p(si)=2。
若在距离所述反光点Si的预设范围内，没有在点云T中找到任何反光点，则判断查找失败，同时记录点云S中反光点Si与点云T的匹配类型为p(si)=0。
针对识别出点云S中的激光点Si的光点类型是普通点时，则在距离所述普通点Si的预设范围内，查找点云T中距离所述普通点Si最近的两个普通点。如图5所示，图5是本发明点云匹配方法的又一种实施方式的激光点匹配示意图。若在距离所述普通点Si的预设范围内，找到点云T中距离所述普通点Si最近的两个普通点，即图5所示的普通点n1和n2，则将点云T中找到的两个普通点n1和n2分别记做n1(si)和n2(si)，并记录点云S中普通点Si与点云T的匹配类型为p(si)=3。
若在距离所述普通点Si的预设范围内，没有在点云T中找到任何普通点，则判断查找失败，同时记录点云S中普通点Si与点云T的匹配类型为p(si)=0。
进一步地，在一个实施例中，图1所述实施例中的“步骤S40、基于建立的所述关联关系，构造代价函数并对所述代价函数进行迭代优化，从而完成激光点云的匹配操作”，可以按照如下描述的技术手段实施。
针对进行点云匹配的点云S和点云T，基于建立的所述关联关系，对点云S和点云T中的每一个关联关系均构造一个代价函数，总体代价函数为构造的所有代价函数的和；同时，针对不同光点类型中的反光点和普通点，构造不同的代价函数；对构造的代价函数进行迭代优化，直至优化结果在预设范围内不再发生变化，或者迭代次数达到预设阈值；将迭代完成后得到的最终结果作为最终的点云匹配结果，从而完成激光点云的匹配操作。
进一步地，在一个具体的应用场景中，令构造的整体代价函数为：
Figure 768109DEST_PATH_IMAGE003
。
且c（si，p(si)，n1(si)，n2(si) ）满足：
c（si，p(si)，n1(si)，n2(si)）=gi（d（si，n1(si)，n2(si)））。
同时，gi是一个分段函数，gi（d（si，n1(si)，n2(si)））满足：
Figure DEST_PATH_IMAGE010
。
其中，d（si，n1(si)，n2(si)）表示点云S中的激光点Si距离点云T中两个点n1(si)与n2(si)所构成的线段的距离。J（S，T）表示构造的点云S和点云T对应的整体代价函数；i表示所述反射特性曲线包含的激光点中计算所述模型参数所使用的个数，其取值范围是[1，N]，N表示计算所述模型参数所使用的个数的最大值。
本发明点云匹配方法，通过在已部署反光条的室内环境中，利用激光雷达进行点云探测，获取探测到的激光点；根据测定的所述反光条对应的反射特性曲线，识别探测到的所有激光点对应的光点类型；其中，所述光点类型包括：反光点和普通点；根据识别出的所述激光点的光点类型，查找点云中与所述激光点相关联的关联点，建立点云的关联关系；基于建立的所述关联关系，构造代价函数并对所述代价函数进行迭代优化，从而完成激光点云的匹配操作；达到了在动态变化的室内环境中完成精准而稳定的激光点云匹配的目的，提高了激光点云匹配的稳定性。由于通过在激光点云中识别出反光条并优先对反光条进行匹配，因此即便局部轮廓发生改变，激光点云依然可以匹配成功，从而有效地克服了环境动态变化所造成的不稳定性。
基于上述实施例中对点云匹配方法的描述，如图6所示，图6是本发明点云匹配装置的一种实施方式的功能模块示意图，所述点云匹配装置可以实施上述实施例中描述的点云匹配方法。本发明实施例仅仅从功能上描述点云匹配装置，图6所述的点云匹配装置在功能上包括：提取模块110、识别模块120、关联模块130和匹配模块140。
提取模块110，用于在已部署反光条的室内环境中，利用激光雷达进行点云探测，获取探测到的激光点。
识别模块120，用于根据测定的所述反光条对应的反射特性曲线，识别探测到的所有激光点对应的光点类型；其中，所述光点类型包括：反光点和普通点。
关联模块130，用于根据识别出的所述激光点的光点类型，查找点云中与所述激光点相关联的关联点，建立点云的关联关系。
匹配模块140，用于基于建立的所述关联关系，构造代价函数并对所述代价函数进行迭代优化，从而完成激光点云的匹配操作。
在一个实施例中，所述点云匹配装置还包括部署模块。
所述部署模块用于：在所述室内环境中部署对应的反光条，并测量所述反光条的反射强度与距离之间的关系，得到反映所述反光条的反射强度与距离关系的反射特性曲线。
在一个实施例中，所述部署模块用于：根据激光雷达的量程范围，规划出不同的采样点；基于规划出的所述采样点，对每个所述采样点采集预设次数的激光点数据，同时记录激光点数据对应的反射强度值和相应的距离；以距离为横轴、反射强度为纵轴，建立二维坐标系，根据记录的所述反射强度值和相应的距离，绘制得到反映所述反光条的反射强度与距离关系的反射特性曲线。
在一个实施例中，所述识别模块120用于：根据测定的所述反光条对应的反射特性曲线，利用基本对数模型对所述反射特性曲线进行拟合，得到对应的光点识别模型；利用得到的所述光点识别模型，对探测到的所有激光点进行反光点和普通点的类型识别和判断，识别出所述激光点的光点类型是反光点还是普通点。
在一个实施例中，所述识别模块120用于：根据测定的所述反光条对应的反射特性曲线，利用基本对数模型对所述反射特性曲线进行拟合，则有：
f(x) = a logb (x-c) + d；其中，x表示反光条的距离，y表示激光对应的反射强度，a、b、c、d表示光点识别模型的模型参数；针对已经测量得到的多组数据：f(x) = a logb (x-c) + d ，利用最小二乘法对其进行优化，得到所述光点识别模型的模型参数a、b、c、d，则有：
Figure 254585DEST_PATH_IMAGE001
；其中，i表示所述反射特性曲线包含的激光点中计算所述模型参数所使用的个数，其取值范围是[1，N]，N表示计算所述模型参数所使用的个数的最大值；将得到的所述模型参数a、b、c、d代入f(x) = a logb (x-c) + d，即可得到对应的光点识别模型。
在一个实施例中，所述识别模块120用于：利用得到的所述光点识别模型f(x) = alogb (x-c) + d，对探测到的所有激光点进行判断，若满足：
Figure DEST_PATH_IMAGE011
，则判断出所述激光点的光点类型为反光点；反之，若不满足，则判断出所述激光点的光点类型为普通点；其中，di为所述激光点对应的距离，h为对所述激光点测量得到的实际反射强度；f(di)为利用所述光点识别模型计算得到的理论反射强度。
在一个实施例中，所述关联模块130用于：针对进行点云匹配的点云S和点云T，若识别出点云S中的激光点Si的光点类型是反光点，则在距离反光点Si的预设范围内，查找点云T中距离所述反光点Si最近的两个反光点；根据反光点的查找结果，记录反光点的匹配类型，从而建立点云S与点云T的关联关系；若识别出点云S中的所述激光点Si的光点类型是普通点，则在距离所述普通点Si的预设范围内，查找点云T中距离所述普通点Si最近的两个普通点；根据普通点的查找结果，记录普通点的匹配类型，从而建立点云S与点云T的关联关系。
在一个实施例中，所述关联模块130用于：若在距离所述反光点Si的预设范围内，找到点云T中距离所述反光点Si最近的两个反光点，则将点云T中找到的两个反光点分别记做n1(si)和n2(si)，并记录点云S中反光点Si与点云T的匹配类型为p(si)=1；若在距离所述反光点Si的预设范围内，仅找到点云T中距离所述反光点Si最近的一个反光点，则将点云T中找到的一个反光点记做n1(si)，同时在点云T中所述反光点n1(si)预设距离范围内，查找距离最近所述反光点Si最近的普通点记做n2(si)，并记录点云S中反光点Si与点云T的匹配类型为p(si)=2；若在距离所述反光点Si的预设范围内，没有在点云T中找到任何反光点，则判断查找失败，同时记录点云S中反光点Si与点云T的匹配类型为p(si)=0。
在一个实施例中，所述关联模块130用于：若在距离所述普通点Si的预设范围内，找到点云T中距离所述普通点Si最近的两个普通点，则将点云T中找到的两个普通点分别记做n1(si)和n2(si)，并记录点云S中普通点Si与点云T的匹配类型为p(si)=3；若在距离所述普通点Si的预设范围内，没有在点云T中找到任何普通点，则判断查找失败，同时记录点云S中普通点Si与点云T的匹配类型为p(si)=0。
在一个实施例中，所述匹配模块140用于：针对进行点云匹配的点云S和点云T，基于建立的所述关联关系，对点云S和点云T中的每一个关联关系均构造一个代价函数，总体代价函数为构造的所有代价函数的和；同时，针对不同光点类型中的反光点和普通点，构造不同的代价函数；对构造的代价函数进行迭代优化，直至优化结果在预设范围内不再发生变化，或者迭代次数达到预设阈值；将迭代完成后得到的最终结果作为最终的点云匹配结果，从而完成激光点云的匹配操作。
在一个实施例中，所述匹配模块140用于：构造的整体代价函数为：
Figure 310003DEST_PATH_IMAGE003
。
其中，c（si，p(si)，n1(si)，n2(si) ）满足：
c（si，p(si)，n1(si)，n2(si)）=gi（d（si，n1(si)，n2(si)））。
其中，d（si，n1(si)，n2(si)）表示点云S中的激光点Si与点云T中两个点n1(si)与n2(si)所构成的线段的距离；J（S，T）表示构造的点云S和点云T对应的整体代价函数；i表示所述反射特性曲线包含的激光点中计算所述模型参数所使用的个数，其取值范围是[1，N]，N表示计算所述模型参数所使用的个数的最大值；gi是一个分段函数，gi（d（si，n1(si)，n2(si)））满足：
Figure 45878DEST_PATH_IMAGE010
。
本发明点云匹配装置，通过在已部署反光条的室内环境中，利用激光雷达进行点云探测，获取探测到的激光点；根据测定的所述反光条对应的反射特性曲线，识别探测到的所有激光点对应的光点类型；其中，所述光点类型包括：反光点和普通点；根据识别出的所述激光点的光点类型，查找点云中与所述激光点相关联的关联点，建立点云的关联关系；基于建立的所述关联关系，构造代价函数并对所述代价函数进行迭代优化，从而完成激光点云的匹配操作；达到了在动态变化的室内环境中完成精准而稳定的激光点云匹配的目的，提高了激光点云匹配的稳定性。由于通过在激光点云中识别出反光条并优先对反光条进行匹配，因此即便局部轮廓发生改变，激光点云依然可以匹配成功，从而有效地克服了环境动态变化所造成的不稳定性。
基于上述实施例的描述，本发明还提供了一种电子设备，所述电子设备可以按照图1所述的点云匹配方法进行点云匹配。如图7所示，图7是本发明电子设备的一种实施方式的内部结构示意图。
在本实施例中，电子设备1可以是PC（Personal Computer，个人电脑），也可以是智能手机、平板电脑、便携计算机等终端设备。该电子设备1至少包括存储器11、处理器12，通信总线13，以及网络接口14。
其中，存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器（例如，SD或DX存储器等）、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的硬盘。存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1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，存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如点云匹配程序01的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器（Central Processing Unit,CPU）、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器11中存储的程序代码或处理数据，例如执行点云匹配程序01等。
通信总线13用于实现这些组件之间的连接通信。
网络接口14可选的可以包括标准的有线接口、无线接口（如WI-FI接口），通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以包括显示器（Display）、输入单元比如键盘（Keyboard），可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
图7仅示出了具有组件11-14以及点云匹配程序01的电子设备1，本领域技术人员可以理解的是，图7示出的结构并不构成对电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
基于图1至图6实施例的描述，在图7所示的电子设备1实施例中，存储器11中存储有点云匹配程序01；所述存储器11上存储的点云匹配程序01可在所述处理器12上运行，所述点云匹配程序01被所述处理器12运行时实现如下步骤：
在已部署反光条的室内环境中，利用激光雷达进行点云探测，获取探测到的激光点；
根据测定的所述反光条对应的反射特性曲线，识别探测到的所有激光点对应的光点类型；其中，所述光点类型包括：反光点和普通点；
根据识别出的所述激光点的光点类型，查找点云中与所述激光点相关联的关联点，建立点云的关联关系；
基于建立的所述关联关系，构造代价函数并对所述代价函数进行迭代优化，从而完成激光点云的匹配操作。
本发明电子设备，通过在已部署反光条的室内环境中，利用激光雷达进行点云探测，获取探测到的激光点；根据测定的所述反光条对应的反射特性曲线，识别探测到的所有激光点对应的光点类型；其中，所述光点类型包括：反光点和普通点；根据识别出的所述激光点的光点类型，查找点云中与所述激光点相关联的关联点，建立点云的关联关系；基于建立的所述关联关系，构造代价函数并对所述代价函数进行迭代优化，从而完成激光点云的匹配操作；达到了在动态变化的室内环境中完成精准而稳定的激光点云匹配的目的，提高了激光点云匹配的稳定性。由于通过在激光点云中识别出反光条并优先对反光条进行匹配，因此即便局部轮廓发生改变，激光点云依然可以匹配成功，从而有效地克服了环境动态变化所造成的不稳定性。
此外，本发明实施例还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上存储有点云匹配程序，所述点云匹配程序可以被一个或者多个处理器执行，以实现如下操作：
在已部署反光条的室内环境中，利用激光雷达进行点云探测，获取探测到的激光点；
根据测定的所述反光条对应的反射特性曲线，识别探测到的所有激光点对应的光点类型；其中，所述光点类型包括：反光点和普通点；
根据识别出的所述激光点的光点类型，查找点云中与所述激光点相关联的关联点，建立点云的关联关系；
基于建立的所述关联关系，构造代价函数并对所述代价函数进行迭代优化，从而完成激光点云的匹配操作。
本发明计算机可读存储介质具体实施方式与上述点云匹配方法、装置和电子设备对应的各实施例的实施原理基本相同，在此不作累述。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。
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 (8)

1.一种点云匹配方法，其特征在于，所述点云匹配方法包括：
在已部署反光条的室内环境中，利用激光雷达进行点云探测，获取探测到的激光点；
根据测定的所述反光条对应的反射特性曲线，识别探测到的所有激光点对应的光点类型；其中，所述光点类型包括：反光点和普通点；
根据识别出的所述激光点的光点类型，查找点云中与所述激光点相关联的关联点，建立点云的关联关系；
基于建立的所述关联关系，构造代价函数并对所述代价函数进行迭代优化，从而完成激光点云的匹配操作；
其中，所述根据测定的所述反光条对应的反射特性曲线，识别探测到的所有激光点对应的光点类型，包括：
根据测定的所述反光条对应的反射特性曲线，利用基本对数模型对所述反射特性曲线进行拟合，得到对应的光点识别模型；利用得到的所述光点识别模型，对探测到的所有激光点进行反光点和普通点的类型识别和判断，识别出所述激光点的光点类型是反光点还是普通点；
其中，所述根据测定的所述反光条对应的反射特性曲线，利用基本对数模型对所述反射特性曲线进行拟合，有：f(x) = a logb (x-c) + d；其中，x表示反光条的距离，f(x)表示激光对应的反射强度，a、b、c、d表示光点识别模型的模型参数；
针对已经测量得到的多组数据：f(x) = a logb (x-c) + d ，利用最小二乘法对其进行优化，得到所述光点识别模型的模型参数a、b、c、d，
则有：
Figure 974580DEST_PATH_IMAGE001
；其中，i表示所述反射特性曲线包含的激光点中计算所述模型参数所使用的个数，其取值范围是[1，N]，N表示计算所述模型参数所使用的个数的最大值；
将得到的所述模型参数a、b、c、d代入f(x) = a logb (x-c) + d，即可得到对应的光点识别模型；利用得到的所述光点识别模型f(x) = a logb (x-c) + d，对探测到的所有激光点进行判断，若满足：
Figure 778588DEST_PATH_IMAGE002
，则判断出所述激光点的光点类型为反光点；反之，若不满足，则判断出所述激光点的光点类型为普通点；其中，di为所述激光点对应的距离，h为对所述激光点测量得到的实际反射强度；f(di)为利用所述光点识别模型计算得到的理论反射强度；
所述根据识别出的所述激光点的光点类型，查找点云中与所述激光点相关联的关联点，建立点云的关联关系，包括：
针对进行点云匹配的点云S和点云T，若识别出点云S中的激光点Si的光点类型是反光点，则在距离反光点Si的预设范围内，查找点云T中距离所述反光点Si最近的两个反光点；根据反光点的查找结果，记录反光点的匹配类型，从而建立点云S与点云T的关联关系；若识别出点云S中的所述激光点Si的光点类型是普通点，则在距离所述普通点Si的预设范围内，查找点云T中距离所述普通点Si最近的两个普通点；根据普通点的查找结果，记录普通点的匹配类型，从而建立点云S与点云T的关联关系；
所述基于建立的所述关联关系，构造代价函数并对所述代价函数进行迭代优化，从而完成激光点云的匹配操作，包括：
针对进行点云匹配的点云S和点云T，基于建立的所述关联关系，对点云S和点云T中的每一个关联关系均构造一个代价函数，总体代价函数为构造的所有代价函数的和；同时，针对不同光点类型中的反光点和普通点，构造不同的代价函数；对构造的代价函数进行迭代优化，直至优化结果在预设范围内不再发生变化，或者迭代次数达到预设阈值；将迭代完成后得到的最终结果作为最终的点云匹配结果，从而完成激光点云的匹配操作；
其中，所述基于建立的所述关联关系，构造代价函数，包括：
令构造的整体代价函数为：
Figure 241930DEST_PATH_IMAGE003
；
且c（si，p(si)，n1(si)，n2(si) ）满足：
c（si，p(si)，n1(si)，n2(si)）=gi（d（si，n1(si)，n2(si)））；
其中，d（si，n1(si)，n2(si)）表示点云S中的激光点Si与点云T中两个点n1(si)与n2(si)所构成的线段的距离；J（S，T）表示构造的点云S和点云T对应的整体代价函数；i表示所述反射特性曲线包含的激光点中计算所述模型参数所使用的个数，其取值范围是[1，N]，N表示计算所述模型参数所使用的个数的最大值；gi是一个分段函数，gi（d（si，n1(si)，n2(si)））满足：
Figure 55166DEST_PATH_IMAGE004
。
2.如权利要求1所述的点云匹配方法，其特征在于，所述点云匹配方法还包括：
在所述室内环境中部署对应的反光条，并测量所述反光条的反射强度与距离之间的关系，得到反映所述反光条的反射强度与距离关系的反射特性曲线。
3.如权利要求2所述的点云匹配方法，其特征在于，所述测量所述反光条的反射强度与距离之间的关系，得到反映所述反光条的反射强度与距离关系的反射特性曲线，包括：
根据激光雷达的量程范围，规划出不同的采样点；
基于规划出的所述采样点，对每个所述采样点采集预设次数的激光点数据，同时记录激光点数据对应的反射强度值和相应的距离；
以距离为横轴、反射强度为纵轴，建立二维坐标系，根据记录的所述反射强度值和相应的距离，绘制得到反映所述反光条的反射强度与距离关系的反射特性曲线。
4.如权利要求1至3任一项所述的点云匹配方法，其特征在于，所述根据反光点的查找结果，记录反光点的匹配类型，从而建立点云S与点云T的关联关系，包括：
若在距离所述反光点Si的预设范围内，找到点云T中距离所述反光点Si最近的两个反光点，则将点云T中找到的两个反光点分别记做n1(si)和n2(si)，并记录点云S中反光点Si与点云T的匹配类型为p(si)=1；
若在距离所述反光点Si的预设范围内，仅找到点云T中距离所述反光点Si最近的一个反光点，则将点云T中找到的一个反光点记做n1(si)，同时在点云T中所述反光点n1(si)预设距离范围内，查找距离最近所述反光点Si最近的普通点记做n2(si)，并记录点云S中反光点Si与点云T的匹配类型为p(si)=2；
若在距离所述反光点Si的预设范围内，没有在点云T中找到任何反光点，则判断查找失败，同时记录点云S中反光点Si与点云T的匹配类型为p(si)=0。
5.如权利要求1至3任一项所述的点云匹配方法，其特征在于，所述根据普通点的查找结果，记录普通点的匹配类型，从而建立点云S与点云T的关联关系，包括：
若在距离所述普通点Si的预设范围内，找到点云T中距离所述普通点Si最近的两个普通点，则将点云T中找到的两个普通点分别记做n1(si)和n2(si)，并记录点云S中普通点Si与点云T的匹配类型为p(si)=3；
若在距离所述普通点Si的预设范围内，没有在点云T中找到任何普通点，则判断查找失败，同时记录点云S中普通点Si与点云T的匹配类型为p(si)=0。
6.一种点云匹配装置，其特征在于，所述点云匹配装置包括：
提取模块，用于在已部署反光条的室内环境中，利用激光雷达进行点云探测，获取探测到的激光点；
识别模块，用于根据测定的所述反光条对应的反射特性曲线，识别探测到的所有激光点对应的光点类型；其中，所述光点类型包括：反光点和普通点；
关联模块，用于根据识别出的所述激光点的光点类型，查找点云中与所述激光点相关联的关联点，建立点云的关联关系；
匹配模块，用于基于建立的所述关联关系，构造代价函数并对所述代价函数进行迭代优化，从而完成激光点云的匹配操作；
其中，所述识别模块用于：
根据测定的所述反光条对应的反射特性曲线，利用基本对数模型对所述反射特性曲线进行拟合，得到对应的光点识别模型；利用得到的所述光点识别模型，对探测到的所有激光点进行反光点和普通点的类型识别和判断，识别出所述激光点的光点类型是反光点还是普通点；
其中，所述识别模块根据测定的所述反光条对应的反射特性曲线，利用基本对数模型对所述反射特性曲线进行拟合，有：f(x) = a logb (x-c) + d；其中，x表示反光条的距离，f(x)表示激光对应的反射强度，a、b、c、d表示光点识别模型的模型参数；
针对已经测量得到的多组数据：f(x) = a logb (x-c) + d ，利用最小二乘法对其进行优化，得到所述光点识别模型的模型参数a、b、c、d，则有：
Figure 287564DEST_PATH_IMAGE001
；其中，i表示所述反射特性曲线包含的激光点中计算所述模型参数所使用的个数，其取值范围是[1，N]，N表示计算所述模型参数所使用的个数的最大值；
将得到的所述模型参数a、b、c、d代入f(x) = a logb (x-c) + d，即可得到对应的光点识别模型；利用得到的所述光点识别模型f(x) = a logb (x-c) + d，对探测到的所有激光点进行判断，若满足：
Figure 42899DEST_PATH_IMAGE005
，则判断出所述激光点的光点类型为反光点；反之，若不满足，则判断出所述激光点的光点类型为普通点；其中，di为所述激光点对应的距离，h为对所述激光点测量得到的实际反射强度；f(di)为利用所述光点识别模型计算得到的理论反射强度；
所述关联模块用于：
针对进行点云匹配的点云S和点云T，若识别出点云S中的激光点Si的光点类型是反光点，则在距离反光点Si的预设范围内，查找点云T中距离所述反光点Si最近的两个反光点；根据反光点的查找结果，记录反光点的匹配类型，从而建立点云S与点云T的关联关系；若识别出点云S中的所述激光点Si的光点类型是普通点，则在距离所述普通点Si的预设范围内，查找点云T中距离所述普通点Si最近的两个普通点；根据普通点的查找结果，记录普通点的匹配类型，从而建立点云S与点云T的关联关系；
所述匹配模块用于：
针对进行点云匹配的点云S和点云T，基于建立的所述关联关系，对点云S和点云T中的每一个关联关系均构造一个代价函数，总体代价函数为构造的所有代价函数的和；同时，针对不同光点类型中的反光点和普通点，构造不同的代价函数；对构造的代价函数进行迭代优化，直至优化结果在预设范围内不再发生变化，或者迭代次数达到预设阈值；将迭代完成后得到的最终结果作为最终的点云匹配结果，从而完成激光点云的匹配操作；
其中，所述匹配模块基于建立的所述关联关系，令构造的整体代价函数为：
Figure 462379DEST_PATH_IMAGE006
；
且c（si，p(si)，n1(si)，n2(si) ）满足：
c（si，p(si)，n1(si)，n2(si)）=gi（d（si，n1(si)，n2(si)））；
其中，d（si，n1(si)，n2(si)）表示点云S中的激光点Si与点云T中两个点n1(si)与n2(si)所构成的线段的距离；J（S，T）表示构造的点云S和点云T对应的整体代价函数；i表示所述反射特性曲线包含的激光点中计算所述模型参数所使用的个数，其取值范围是[1，N]，N表示计算所述模型参数所使用的个数的最大值；gi是一个分段函数，gi（d（si，n1(si)，n2(si)））满足：
Figure 79305DEST_PATH_IMAGE007
。
7.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的点云匹配程序，所述点云匹配程序被所述处理器运行时，执行如权利要求1至5中任一项所述的点云匹配方法。
8.一种计算机可读存储介质，其特征在于，所述存储介质上存储有点云匹配程序，所述点云匹配程序可以被一个或者多个处理器执行，以实现如权利要求1至5中任一项所述的点云匹配方法的步骤。
CN202011083506.5A 2020-10-12 2020-10-12 点云匹配方法、设备及存储介质 Active CN111929694B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011083506.5A CN111929694B (zh) 2020-10-12 2020-10-12 点云匹配方法、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011083506.5A CN111929694B (zh) 2020-10-12 2020-10-12 点云匹配方法、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111929694A CN111929694A (zh) 2020-11-13
CN111929694B true CN111929694B (zh) 2021-01-26

Family

ID=73335252

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011083506.5A Active CN111929694B (zh) 2020-10-12 2020-10-12 点云匹配方法、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111929694B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112596070B (zh) * 2020-12-29 2024-04-19 四叶草(苏州)智能科技有限公司 一种基于激光及视觉融合的机器人定位方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104700451B (zh) * 2015-03-14 2017-05-17 西安电子科技大学 基于迭代就近点算法的点云配准方法
CN107918940A (zh) * 2017-10-09 2018-04-17 北京奇虎科技有限公司 外接设备识别方法和装置、标识装置、外接设备、系统
CN108228798B (zh) * 2017-12-29 2021-09-17 百度在线网络技术（北京）有限公司 确定点云数据之间的匹配关系的方法和装置
CN109191553B (zh) * 2018-08-29 2023-07-25 百度在线网络技术（北京）有限公司 点云渲染方法、装置、终端及存储介质
CN113748314B (zh) * 2018-12-28 2024-03-29 北京嘀嘀无限科技发展有限公司 交互式三维点云匹配
EP3921671A4 (en) * 2019-02-09 2022-11-02 SiLC Technologies, Inc. LIDAR SYSTEM WITH REDUCED SENSITIVITY TO SPECKLE
CN110084840B (zh) * 2019-04-24 2022-05-13 阿波罗智能技术(北京)有限公司 点云配准方法、装置、服务器和计算机可读介质
CN110111374B (zh) * 2019-04-29 2020-11-17 上海电机学院 基于分组阶梯式阈值判断的激光点云匹配方法
CN110308423B (zh) * 2019-05-23 2021-07-27 浙江厚达智能科技股份有限公司 基于反光板的室内车载激光定位方法及系统
CN110716205B (zh) * 2019-10-18 2022-01-21 鱼越号机器人科技(上海)有限公司 基于反光板的定位方法及机器人、计算机可读存储介质
CN111369600B (zh) * 2020-02-12 2024-02-09 苏州大学 一种基于参照物的激光雷达点云数据配准方法
CN111369602B (zh) * 2020-02-25 2023-10-27 阿波罗智能技术(北京)有限公司 点云数据的处理方法、装置、电子设备及可读存储介质
CN111428578B (zh) * 2020-03-03 2021-08-17 深圳市镭神智能系统有限公司 一种自主体及其定位方法和装置
CN111738292B (zh) * 2020-05-18 2024-01-23 北京百度网讯科技有限公司 点云数据的处理方法、装置、电子设备及可读存储介质

Also Published As

Publication number Publication date
CN111929694A (zh) 2020-11-13

Similar Documents

Publication Publication Date Title
US11002839B2 (en) Method and apparatus for measuring angular resolution of multi-beam lidar
US20200184206A1 (en) Fish biomass, shape, and size determination
US11069048B2 (en) System and method for facilitating efficient damage assessments
TWI714135B (zh) 圖形碼掃描方法、掃碼支付方法及掃碼設備
JP2014096152A (ja) ポイントクラウド内の埋め戻しポイント
CN111340054A (zh) 数据标注方法、装置及数据处理设备
US9749873B1 (en) Estimation devices and methods for estimating communication quality of wireless network and method for installing meters thereof
WO2022217988A1 (zh) 传感器配置方案确定方法、装置、计算机设备、存储介质及程序
US10509513B2 (en) Systems and methods for user input device tracking in a spatial operating environment
CN104618869A (zh) 室内定位方法和设备
CN116648727A (zh) 用于相机标定的交叉光谱特征映射
CN110910445A (zh) 一种物件尺寸检测方法、装置、检测设备及存储介质
CN111929694B (zh) 点云匹配方法、设备及存储介质
CN111397586B (zh) 测量系统及利用其来验证预配置目标属性的方法
CN114565916A (zh) 目标检测模型训练方法、目标检测方法以及电子设备
CN111523334A (zh) 虚拟禁区的设置方法、装置、终端设备、标签和存储介质
CN111368927A (zh) 一种标注结果处理方法、装置、设备及存储介质
TWI499760B (zh) 照度量測系統
CN114186007A (zh) 高精地图生成方法、装置、电子设备和存储介质
CN111366947B (zh) 导航激光雷达对场景的识别方法、装置及系统
CN108446693B (zh) 待识别目标的标记方法、系统、设备及存储介质
CN115147561A (zh) 位姿图生成方法、高精地图生成方法和装置
CN113762397B (zh) 检测模型训练、高精度地图更新方法、设备、介质及产品
CN115937324A (zh) 一种装配质量评价方法、装置、设备及存储介质
US20150109258A1 (en) Optical touch system, method of touch detection, and computer program product

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
CP02 Change in the address of a patent holder
CP02 Change in the address of a patent holder

Address after: 518000 Room 401, block D, building 7, Shenzhen International Innovation Valley, Dashi 1st Road, Xili community, Xili street, Nanshan District, Shenzhen, Guangdong

Patentee after: JUXING TECHNOLOGY (SHENZHEN) Co.,Ltd.

Address before: 518000 building 101, building R3b, Gaoxin industrial village, No.018, Gaoxin South 7th Road, community, high tech Zone, Yuehai street, Nanshan District, Shenzhen City, Guangdong Province

Patentee before: JUXING TECHNOLOGY (SHENZHEN) Co.,Ltd.