CN113436238A - 点云配准精度的评估方法、装置和电子设备 - Google Patents

点云配准精度的评估方法、装置和电子设备 Download PDF

Info

Publication number
CN113436238A
CN113436238A CN202110991625.9A CN202110991625A CN113436238A CN 113436238 A CN113436238 A CN 113436238A CN 202110991625 A CN202110991625 A CN 202110991625A CN 113436238 A CN113436238 A CN 113436238A
Authority
CN
China
Prior art keywords
point
point cloud
pairs
ground
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.)
Granted
Application number
CN202110991625.9A
Other languages
English (en)
Other versions
CN113436238B (zh
Inventor
鲁荣荣
罗玮
黄毅
林宝尉
王彦哲
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.)
Hubei Ecarx Technology Co Ltd
Original Assignee
Hubei Ecarx Technology 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 Hubei Ecarx Technology Co Ltd filed Critical Hubei Ecarx Technology Co Ltd
Priority to CN202110991625.9A priority Critical patent/CN113436238B/zh
Publication of CN113436238A publication Critical patent/CN113436238A/zh
Application granted granted Critical
Publication of CN113436238B publication Critical patent/CN113436238B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods

Abstract

本申请提供一种点云配准精度的评估方法、装置和电子设备。该方法包括：获取到源点云和目标点云后，使用初始的刚体变换矩阵对源点云进行变换处理获得第一点云，并将所述第一点云和所述目标点云进行配准获得多个点对；对所述目标点云进行平面拟合得到地面方程，并根据多个所述点对、所述地面方程以及点对中两个点之间的第一距离阈值确定全局移动向量；根据所述全局移动向量，确定所述源点云和所述目标点云的配准精度的评估指标。本申请的方法，降低了参数的设置难度，有效克服了点云重复结构对配准算法的影响，能够更客观地评估点云的配准精度，提高了配准精度评估的鲁棒性。

Description

点云配准精度的评估方法、装置和电子设备
技术领域
本申请涉及计算机领域，尤其涉及一种点云配准精度的评估方法、装置和电子设备。
背景技术
现有技术中，可以实现点云的配准的算法多种多样。例如，激光里程计算法可以通过对相邻时刻的两幅点云的配准，推算移动载体的运动轨迹。又如，基于点云的高精定位算法可以通过将当前采集的点云与高精度地图进行实时配准，实现自车定位。在对点云进行配准时，配准越精确，算法效果越好。
目前，对点云的配准精确度的评估方法，主要采用平均匹配距离对配准精度进行评估。服务器确定配准的两幅点云分别为源点云和目标点云。服务器可以在配准后的点云中，确定源点云和目标点云的点对。服务器可以计算每一点对的匹配距离。进而，服务器可以根据这些点对的匹配距离，确定平均匹配距离。
然而，当两幅点云中存在大量重复结构，且算法收敛到局部最优时，该方法不能客观的对配准精度进行评估。因此，如何更加鲁棒的对点云的配准精度进行评估成为亟待解决的问题。
发明内容
本申请提供一种点云配准精度的评估方法、装置和电子设备，用以解决如何更加鲁棒的对点云的配准精度进行评估的问题。
第一方面，本申请提供一种点云配准精度的评估方法，包括：
获取源点云和目标点云的初始的刚体变换矩阵；
使用所述初始的刚体变换矩阵对所述源点云进行变换处理获得第一点云，并将所述第一点云和所述目标点云进行配准获得多个点对；
对所述目标点云进行平面拟合得到地面方程，并根据多个所述点对、所述地面方程以及点对中两个点之间的第一距离阈值确定全局移动向量；
根据所述全局移动向量，确定所述源点云和所述目标点云的配准精度的评估指标。
可选地，所述将所述第一点云和所述目标点云进行匹配获得多个点对，具体包括：
从所述第一点云中获取任意一个p点，并从所述目标点云选择距离p点最邻近的一个q点；
将所述第一点云中的p点与所述目标点云中q点组成一个点对。
可选地，所述将所述第一点云和所述目标点云进行匹配获得多个点对，具体包括：
从所述第一点云中获取任意一个p点，并从所述目标点云选择距离p点最邻近的N个q点；
计算所述p点与N个所述q点的反射强度值，将与所述p点的所述反射强度值的差值最小的一个q点和所述p点组成一个点对。
可选地，所述根据多个所述点对、所述地面方程以及第一距离阈值确定全局移动向量，具体包括：
根据所述第一距离阈值和每一所述点对中两个点之间的距离，对所述点对进行筛选，得到点对集合；
根据所述点对集合中的各点到所述地面方程所表示平面的距离将所述点对集合中的点对分配到非地面点集合和地面点集合中；
根据所述非地面点集合中的点对和第一公式，确定第一系数、第二系数和权重系数；根据所述地面点集合中的点对和第二公式，确定第三系数和计数参数；
根据所述第一系数、所述第二系数、所述第三系数、所述权重系数和所述计数参数，确定所述全局移动向量。
可选地，所述根据所述地面方程将所述点对集合中的点对分配到非地面点集合和地面点集合中，具体包括：
将点对中的p点到所述地面方程所表示的平面的距离大于第二距离阈值的点对分配到所述非地面点集合；
将点对中的q点到所述地面方程所表示的平面的距离小于等于第二距离阈值的点对分配到所述地面点集合。
可选地，所述根据所述全局移动向量，确定所述源点云和所述目标点云的评估指标，包括：
确定所述全局移动向量的模长为所述评估指标。
可选地，所述方法，还包括：
当所述评估指标大于指标阈值时，根据预设的修正系数和所述全局移动向量，修正所述初始的刚体变换矩阵，得到修正后的刚体变换矩阵；
将所述修正后的刚体变换矩阵、所述源点云和所述目标点云输入预设配准算法，以使所述源点云和所述目标点云进行重新配准，得到新的刚体变换矩阵；
使用所述新的刚体变换矩阵更新所述初始的刚体变换矩阵，返回执行所述使用所述初始的刚体变换矩阵对所述源点云进行变换处理获得第一点云，并将所述第一点云和所述目标点云进行配准获得多个点对的步骤。
第二方面，本申请提供一种点云配准精度的评估装置，包括：
获取模块，用于获取源点云和目标点云的初始的刚体变换矩阵；
处理模块，用于使用所述初始的刚体变换矩阵对所述源点云进行变换处理获得第一点云，并将所述第一点云和所述目标点云进行配准获得多个点对；对所述目标点云进行平面拟合得到地面方程，并根据多个所述点对、所述地面方程以及点对中两个点之间的第一距离阈值确定全局移动向量；根据所述全局移动向量，确定所述源点云和所述目标点云的配准精度的评估指标。
可选地，所述处理模块，具体用于：
从所述第一点云中获取任意一个p点，并从所述目标点云选择距离p点最邻近的一个q点；将所述第一点云中的p点与所述目标点云中q点组成一个点对。
可选地，所述处理模块，具体用于：
从所述第一点云中获取任意一个p点，并从所述目标点云选择距离p点最邻近的N个q点；计算所述p点与N个所述q点的反射强度值，将与所述p点的所述反射强度值的差值最小的一个q点和所述p点组成一个点对。
可选地，所述处理模块，具体用于：
根据所述第一距离阈值和每一所述点对中两个点的距离，对所述点对进行筛选，得到点对集合；根据所述地面方程将所述点对集合中的点对分配到非地面点集合和地面点集合中；根据所述非地面点集合中的点对和第一公式，确定第一系数、第二系数和权重系数；根据所述地面点集合中的点对和第二公式，确定第三系数和计数参数；根据所述第一系数、所述第二系数、所述第三系数、所述权重系数和所述计数参数，确定所述全局移动向量。
可选地，所述处理模块，具体用于：
将点对中的p点到所述地面方程所表示的平面的距离大于第二距离阈值的点对分配到所述非地面点集合；将点对中的q点到所述地面方程所表示的平面的距离小于等于第二距离阈值的点对分配到所述地面点集合。
可选地，所述处理模块，具体用于：
确定所述全局移动向量的模长为所述评估指标。
可选地，所述处理模块，还用于：
当所述评估指标大于指标阈值时，根据预设的修正系数和所述全局移动向量，修正所述初始的刚体变换矩阵，得到修正后的刚体变换矩阵；将所述修正后的刚体变换矩阵、所述源点云和所述目标点云输入预设配准算法，以使所述源点云和所述目标点云进行重新配准，得到新的刚体变换矩阵；使用所述新的刚体变换矩阵更新所述初始的刚体变换矩阵，返回执行所述使用所述初始的刚体变换矩阵对所述源点云进行变换处理获得第一点云，并将所述第一点云和所述目标点云进行配准获得多个点对的步骤。
第三方面，本申请提供一种电子设备，包括：存储器和处理器；
存储器用于存储程序指令；处理器用于调用存储器中的程序指令执行第一方面及第一方面任一种可能的设计中的点云配准精度的评估方法。
第四方面，本申请提供一种可读存储介质，可读存储介质中存储有计算机程序，当服务器的至少一个处理器执行该计算机程序时，服务器执行第一方面及第一方面任一种可能的设计中的点云配准精度的评估方法。
第五方面，本申请提供一种计算机程序产品，所述计算机程序产品包括计算机程序，当服务器的至少一个处理器执行该计算机程序时，服务器执行第一方面及第一方面任一种可能的设计中的点云配准精度的评估方法。
本申请提供的点云配准精度的评估方法，通过获取到源点云和目标点云后，使用初始的刚体变换矩阵对所述源点云进行变换处理获得第一点云，并将所述第一点云和所述目标点云进行配准获得多个点对；对目标点云进行平面拟合得到地面方程；根据多个点对、地面方程以及第一距离阈值确定全局移动向量；根据全局移动向量，确定源点云和目标点云的配准精度的评估指标的手段，降低了参数的设置难度，有效克服点云重复结构对配准算法的影响，更加客观地评估了点云的配准精度，提高了配准精度评估的鲁棒性。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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为本申请一实施例提供的一种点云配准的应用场景示意图；
图2为本申请一实施例提供的一种点云配准精度的评估方法的流程图；
图3为本申请一实施例提供的一种全局移动向量计算示意图；
图4为本申请一实施例提供的一种点云配准精度的评估方法的流程图；
图5为本申请一实施例提供的一种修正前后的点云配准结果对比图；
图6为本申请一实施例提供的一种点云配准精度的评估装置的结构示意图；
图7为本申请一实施例提供的一种电子设备的硬件结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换。例如，在不脱离本文范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。
取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
再者，如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。
应当进一步理解，术语“包含”、“包括”表明存在的特征、步骤、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。
此处使用的术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合。因此，“A、B或C”或者“A、B和/或C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A、B和C”。仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。
激光雷达设备通常被固定安装在无人驾驶车辆、机器人等移动载体上。该激光雷达设备作为移动载体上不可或缺的传感器，可以获取一定范围内不同位置或视角的点云。该点云通常为三维点云。该点云中的每一个点可以为该激光雷达的扫描范围内，物体表面的点。点云配准是将一定范围内不同位置或视角扫描得到的两幅点云的对齐过程。该两幅点云可以分别被称为源点云和目标点云。其中，源点云为一移动载体在一次运动前的第一位置上扫描得到的点云。其中，目标点云为该移动载体在该次运动后的第二位置上扫描得到的点云。根据该两幅点云的配准，可以确定二者之间的刚体变换矩阵。该刚体变换矩阵可以包括三自由度的旋转矩阵与三自由度平移向量，即六自由度刚性变换。进而，根据该刚性变换，可以确定该移动载体从第一位置到第二位置之间的位姿变换。例如，激光里程计算法可以通过对相邻时刻的两幅点云进行配准，推算得到移动载体的运动轨迹。又如，基于点云的高精定位算法可以通过将实时获取的点云与高精度地图点云进行配准，实现自车定位。
在点云配准过程中，点云配准越精确，说明算法效果越好，其应用也更加精确。然而，目前对于点云配准精度的评估，主要采用平均匹配距离确定。该评估方法首先通过搜索确定两幅配准后的点云中的匹配对。该匹配对中包括一个源点云中的点和一个目标点云中的点。每一匹配对中，两点之间的距离小于预先设定的阈值。即，当两点之间的距离大于预先设定的阈值时，可以认为该两个点对应不同物体。该评估方法可以计算每一匹配对之间的距离，并计算得到这些匹配对的距离的平均值。该平均值即为该点云配准精度的评价指标。然而，当每一幅点云中包括大量重复结构时，即便算法收敛到局部极小值，使用上述点云配准精度的评估方法也不能对点云配准精度进行客观的评价。此外，该点云配准精度的评估方法中，预先设定的阈值也会对评估结果产生较大影响，不易调参。因此，如何更加鲁棒的对点云的配准精度进行评估成为亟待解决的问题。
针对上述问题，本申请提出了一种更加鲁棒的点云配准精度的评估方法。本申请可以根据配准得到的初始的刚体变换矩阵，对源点云进行变换，得到第一点云。本申请根据该第一点云和目标点云，确定全局移动向量。该全局移动向量用于指示该第一点云与该目标点云之间的偏移量。本申请根据该全局移动向量确定配准精度的评估指标。该评估指标的获取避免了现有技术中源点云与目标点云中存在大量重复内容导致的评估不准确问题，提高了该评估指标的鲁棒性和准确性。并且，当评估指标指示该配准精度较差时，本申请还可以根据该全局移动向量对初始的刚体变换矩阵进行修正，得到修正后的刚体变换矩阵。本申请可以使用预设的配准算法和该修正后的刚体变换矩阵，对源点云和目标点云进行配准，从而得到更加准确的新的刚体变换矩阵。该新的刚体变换矩阵的获得，实现了对配准过程的迭代优化，提高了配准精度。本申请通过使用全局移动向量的精度评估方法，降低了参数的设置难度，有效克服点云重复结构对配准算法的影响，更加客观地评估了点云的配准精度。并且，本申请还可以基于评价结果自动对点云进行迭代配准优化，实现了提高整体的配准精度，改善配准算法性能的效果。
下面以具体地实施例对本申请的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1示出了本申请一实施例提供的一种点云配准的应用场景示意图。如图所示，移动载体可以为车辆。在车辆的上安装有激光雷达。该激光雷达可以安装在车辆的顶部、侧边等位置。在车辆行驶过程中，该激光雷达可以周期性扫描车辆周围的场景，生成点云。该激光雷达可以将生成的点云上传到服务器或者终端设备。或者，该激光雷达可以通过车辆终端将该生成的点云上传到服务器或者终端设备。服务器或者终端设备在周期性获取激光雷达上传的点云后，可以对两个周期内获取的两幅点云进行配准。该两个周期可以为相邻的两个周期，或者，该两个周期还可以为预设时长内多个周期中的任意两个。服务器或者终端设备可以使用预设配准算法对两幅点云进行配准。当完成配准后，服务器或者终端设备还可以使用以下一任意实施例中所示的点云配准精度的评估方法对点云的配准精度进行评估。并且，服务器或者终端设备还可以根据该评估结果实现对配准结果的修正和优化。
本申请中，以服务器或者终端设备为执行主体，执行如下实施例的点云配准精度的评估方法。具体地，该执行主体可以为服务器或者终端设备的硬件装置，或者为服务器或者终端设备中实现下述实施例的软件应用，或者为安装有实现下述实施例的软件应用的计算机可读存储介质，或者为实现下述实施例的软件应用的代码。
图2示出了本申请一实施例提供的一种点云配准精度的评估方法的流程图。在图1所示实施例的基础上，如图2所示，以服务器或者终端设备为执行主体，本实施例的方法可以包括如下步骤：
S101、获取源点云和目标点云的初始的刚体变换矩阵。
本实施例中，服务器获取到源点云和目标点云后，可以将源点云和目标点云输入预设配准算法，实现对两幅点云的配准，得到初始的刚体变换矩阵。当服务器仅将源点云和目标点云输入该预设配准算法时，该预设配准算法自动生成初始的刚体变换矩阵的初值，从而实现该初始的刚体变换矩阵的计算。服务器还可以输入源点云、目标点云和预设刚体变换矩阵。该预设刚体变换矩阵将作为该预设配准算法中该初始的刚体变换矩阵的初值。该预设刚体变换矩阵可以为用户输入的矩阵。该初始的刚体变换矩阵T可以表示为：
Figure 580782DEST_PATH_IMAGE002
其中，R是旋转矩阵，t是平移向量。该初始的刚体变换矩阵T可以用于表示源点云到目标点云的变换关系。
该初始的刚体变换矩阵T由服务器使用预设点云配准算法估算得到。其中，该预设点云配准算法可以为现有算法，或者为改进后的算法，本申请对此不作限制。
一种示例中，当服务器需要对源点云和目标点云进行多次配准时，该多次配准时，每次配准可以使用不同的点云配准算法。
S102、使用初始的刚体变换矩阵对源点云进行变换处理获得第一点云，并将第一点云和目标点云进行配准获得多个点对。
本实施例中，由于初始的刚体变换矩阵T表示了源点云到目标点云的变换关系。因此，可以认为，源点云可以通过初始的刚体变换矩阵T，将源点云中的点移动到对应的在目标点云中的位置。服务器可以根据该初始的刚体变换矩阵T，对源点云Y中的点进行变换，得到变换后的第一点云P。该变换过程可以表示为：
Figure 502601DEST_PATH_IMAGE004
即，对于源点云Y中的任意一个点y，
Figure DEST_PATH_IMAGE005
，变换后可以得到点p，
Figure 940405DEST_PATH_IMAGE006
。并且针 对每一个p点，其计算方式为：
Figure 781322DEST_PATH_IMAGE008
该第一点云P中的点p可以如图3中的黑点所示。目标点云Q中的点q可以如图3种白 点所示。依据刚体变换矩阵的估算原理，源点云Y中的一个y点可以通过初始的刚体变换矩 阵变换为目标点云Q中的一个q点。然而，在实际使用中，源点云Y与目标点云Q的配准精度无 法达到100%。如图3所示，第一点云P中的点与目标点云Q中的点实际上无法重合。在变换过 程中，每一y点可以对应于一个q点，即，每一p点对应于一个q点。该p点与q点可以形成一个 点对。例如，如图3所示的点对
Figure DEST_PATH_IMAGE009
和
Figure 445521DEST_PATH_IMAGE010
。
一种示例中，服务器确定第一点云与目标点云中的点对的过程可以包括如下步骤：
步骤1、从第一点云中获取任意一个p点，并从目标点云选择距离p点最邻近的一个q点。
本步骤中，服务器可以以遍历第一点云P中每一个点的方式，从该第一点云P中获 取一个点。命名该点为p点，
Figure DEST_PATH_IMAGE011
。当确定第一点云P中的p点后，服务器可以使用K维搜索 树的方式，从目标点云Q中搜索到距离p点最邻近的一个点。命名该点为q点。
步骤2、将第一点云中的p点与目标点云中q点组成一个点对。
本步骤中，服务器可以将该第一点云P中的p点与目标点云Q中q点组成一个点对。同时，在服务器遍历第一点云P中的每一个点时，服务器对应每一个p点确定一个q点。
另一种示例中，服务器确定第一点云与目标点云中的点对的过程还可以包括如下步骤：
步骤1、从第一点云中获取任意一个
Figure 702190DEST_PATH_IMAGE012
点，并从目标点云选择距离
Figure 463342DEST_PATH_IMAGE012
点最邻近的N个
Figure DEST_PATH_IMAGE013
点。
本步骤中，服务器可以以遍历第一点云
Figure 147264DEST_PATH_IMAGE014
中每一个点的方式，从该第一点云
Figure 361076DEST_PATH_IMAGE014
中 获取一个点。命名该点为
Figure 421436DEST_PATH_IMAGE012
点，
Figure 37094DEST_PATH_IMAGE006
。当确定第一点云P中的p点后，服务器可以使用K维搜 索树的方式，从目标点云Q中搜索到距离p点最邻近的N个点。命名这些点为q点。
步骤2、计算p点与N个q点的反射强度值，将与p点的反射强度值的差值最小的一个q点和p点组成一个点对。
本步骤中，服务器可以计算p点与N个q点的反射强度值。该反射强度值用于反映点云的反射属性。当两个点的该反射强度值接近时，说明该两个点的反射属性相近，即属性相似度高。因此，服务器可以确定N个q点中反射强度值与p点的反射强度值的差值最小的一个p点，与该q点组成点对。
同时，在服务器遍历第一点云P中的每一个点时，服务器对应每一个p点确定一个q点。
S103、对目标点云进行平面拟合得到地面方程，并根据多个点对、地面方程以及点对中两个点之间的第一距离阈值确定全局移动向量。
本实施例中，如图3所示，该图中第一点云P中的点与目标点云存在一定的相似性。因此，可以认为，该第一点云P中的点p可以通过变换得到目标点云中的点q。该变换可以通过全局移动变量表示。
一种示例中，服务器根据点对、地面方程以及第一距离阈值，确定全局移动向量确定过程包括：
步骤1.根据第一距离阈值和每一点对中两个点的距离，对点对进行筛选，得到点对集合。
本步骤中，服务器需要对S102中获取的点对进行筛选。当点对中两个点的距离过大时，可以认为该两个点之间虽然存在相似性，但其相似性并不高。因此，对于两个点的距离较大的点，服务器可以直接删除该点。服务器可以将筛选后符合条件的点存入点对集合中。
其中，第一距离阈值可以为1米。该p点和q点之间的距离可以为实际场景中该两点之间的距离。确定该两个点在实际场景中的距离后，服务器可以将该距离与第一距离阈值进行比较。该第一距离阈值可以为经验值，可以根据设备精度确定。
其中，本步骤可以在确定所有点对后执行，还可以在确定点对过程中执行，即在S102确定每一点对后根据该该点对中p点和q点的距离，确定该是否采用该点对。服务器可以将采用的点对存入点对集合中。
步骤2.根据地面方程将点对集合中的点对分配到非地面点集合和地面点集合中。
本步骤中，对于两幅配准好的点云，其地面应该是重合的。因此，服务器首先根据目标点云估计地面方程。服务器可以通过现有技术中估计地面方程的算法，确定该地面方程。例如，服务器可以使用随机采样一致性算法（Random Sample Consensus, RANSAC）对地面进行平面拟合。服务器可以基于奇异值分解估计法向量，从而得到地面方程。该地面方程可以表示为：
Figure 360759DEST_PATH_IMAGE016
其中，
Figure DEST_PATH_IMAGE017
为地面的法向量，满足
Figure 858606DEST_PATH_IMAGE018
。
根据该地面方程，可以确定点到该平面的距离计算公式为：
Figure 925919DEST_PATH_IMAGE020
服务器可以根据该距离计算公式，确定第一点云中的点是否属于地面点。具体的， 服务器可以以遍历第一点云
Figure 5870DEST_PATH_IMAGE014
中每一个点的方式，从该第一点云
Figure 32862DEST_PATH_IMAGE014
中获取一个点。命名该点 为
Figure 971999DEST_PATH_IMAGE012
点，
Figure 702057DEST_PATH_IMAGE006
。服务器可以通过上述距离计算公式，确定该
Figure 26728DEST_PATH_IMAGE012
点到地面
Figure DEST_PATH_IMAGE021
之间的距离
Figure 488934DEST_PATH_IMAGE022
。
服务器可以比较该距离
Figure 164635DEST_PATH_IMAGE022
与第二距离阈值
Figure DEST_PATH_IMAGE023
。其中，该第二距离阈值
Figure 370488DEST_PATH_IMAGE023
为预 先设置的距离阈值。该第二距离阈值为一个足够小的数值。当该距离
Figure 549665DEST_PATH_IMAGE022
大于第二距 离阈值
Figure 651614DEST_PATH_IMAGE023
时，该p点距离地面较远，为非地面点。服务器将该非地面所在的点对分配到非地 面点集合。当该距离
Figure 424398DEST_PATH_IMAGE022
小于等于第二距离阈值
Figure 886472DEST_PATH_IMAGE023
时，该p点距离地面较近，为地面点。 服务器将该地面所在的点对分配到地面点集合。
其中，该第二距离阈值
Figure 936467DEST_PATH_IMAGE023
可以为0.5米。其中，p点到地面的距离可以为实际距离。该 第二距离阈值可以根据经验值确定。
步骤3.根据非地面点集合中的点对和第一公式，确定第一系数、第二系数和权重系数。根据地面点集合中的点对和第二公式，确定第三系数和计数参数。
本步骤中，服务器可以根据下述第一公式，确定该非地面点集合中全部点对的第 一子系数的均值为第一系数
Figure 68371DEST_PATH_IMAGE024
，全部点对的第二子系数的均值为第二系数
Figure DEST_PATH_IMAGE025
，全部点对的权 重子系数的均值为权重系数
Figure 390768DEST_PATH_IMAGE026
。其中，该非地面点集合中第j个点对的第一子系数可以表 示为
Figure DEST_PATH_IMAGE027
，第二子系数可以表示为
Figure 922113DEST_PATH_IMAGE028
，权重子系数可以表示为
Figure DEST_PATH_IMAGE029
。其中，j表示非地面点集合 中的第j个点对。j为正整数。
服务器可以设置全局移动向量
Figure 13565DEST_PATH_IMAGE030
的初始值为
Figure DEST_PATH_IMAGE031
，
Figure 722896DEST_PATH_IMAGE032
，
Figure DEST_PATH_IMAGE033
。以及，服务器可以设置权重系数的初始值为
Figure 663082DEST_PATH_IMAGE034
。服务器可以根据上述初始 值，计算得到每一点对的第一子系数
Figure 952112DEST_PATH_IMAGE027
、第二子系数
Figure 225967DEST_PATH_IMAGE028
和权重子系数
Figure 965253DEST_PATH_IMAGE029
。该计算公式可以 包括：
Figure 809712DEST_PATH_IMAGE036
Figure 151701DEST_PATH_IMAGE038
Figure 155429DEST_PATH_IMAGE040
Figure 675403DEST_PATH_IMAGE042
Figure 522005DEST_PATH_IMAGE044
Figure 543051DEST_PATH_IMAGE046
其中，
Figure DEST_PATH_IMAGE047
、
Figure 463602DEST_PATH_IMAGE048
为非地面点集合中第j个点对中q点的x轴坐标和y轴坐标，
Figure DEST_PATH_IMAGE049
、
Figure 951215DEST_PATH_IMAGE050
为非 地面点集合中第j个点对中p点中的x轴坐标和y轴坐标。其中，
Figure DEST_PATH_IMAGE051
用于指示非地面点集合中 第j个点对中p点到q点的距离。当配准精度高时，p点到q点的距离小。当配准精度低时，p点 到q点的距离大。因此，当配准精度低时，在全局移动向量中增大偏移量
Figure 550693DEST_PATH_IMAGE052
和
Figure DEST_PATH_IMAGE053
的比重。否 则，当配准精度高时，在全局移动向量中减少偏移量
Figure 906588DEST_PATH_IMAGE052
和
Figure 884908DEST_PATH_IMAGE053
的比重。
进而，服务器可以根据计算得到的非地面点集合中每一点对的第一子系数
Figure 12264DEST_PATH_IMAGE027
、第 二子系数
Figure 833458DEST_PATH_IMAGE028
和权重子系数
Figure 930727DEST_PATH_IMAGE029
，计算得到第一系数
Figure 638920DEST_PATH_IMAGE024
、第二系数
Figure 180586DEST_PATH_IMAGE025
和权重系数
Figure 239809DEST_PATH_IMAGE026
。其计算公式 可以包括：
Figure DEST_PATH_IMAGE055
Figure DEST_PATH_IMAGE057
Figure DEST_PATH_IMAGE059
其中，F用于表示非地面点集合中点对的个数。F为正整数。
服务器可以根据下述第二公式，确定该地面点集合中全部点对的第三子系数的均 值为第三系数
Figure 999823DEST_PATH_IMAGE060
。其中，该地面点集合中的每一个点对的第三子系数可以表示为
Figure DEST_PATH_IMAGE061
。
其中，计数参数
Figure 749474DEST_PATH_IMAGE062
的初始值为0。服务器可以根据全局移动向量中的
Figure 343266DEST_PATH_IMAGE033
和计 数参数的初始值
Figure DEST_PATH_IMAGE063
，计算得到地面点集合中每一点对的第三子系数
Figure 545577DEST_PATH_IMAGE061
和计数参数c。 该计算公式可以包括：
Figure DEST_PATH_IMAGE065
Figure DEST_PATH_IMAGE067
Figure DEST_PATH_IMAGE069
其中，
Figure 765075DEST_PATH_IMAGE070
为地面点集合中第j个点对中q点的z轴坐标，
Figure DEST_PATH_IMAGE071
为地面点集合中第j个点 对中p点的z轴坐标。
进而，服务器可以根据计算得到的地面点集合中每一点对的第三子系数
Figure 244598DEST_PATH_IMAGE061
，计算 得到第三系数
Figure 133925DEST_PATH_IMAGE060
。其计算公式可以为：
Figure DEST_PATH_IMAGE073
其中，H用于表示地面点集合中点对的个数。H为正整数。
步骤4.根据第一系数、第二系数、第三系数、权重系数和计数参数，确定全局移动向量。
本步骤中，服务器可以根据如下公式计算全局移动向量
Figure 433319DEST_PATH_IMAGE030
中的第 一分量
Figure 535136DEST_PATH_IMAGE074
、第二分量
Figure DEST_PATH_IMAGE075
、第三分量
Figure 869166DEST_PATH_IMAGE076
。全局移动向量
Figure DEST_PATH_IMAGE077
的计算公式可以包括：
Figure DEST_PATH_IMAGE079
Figure DEST_PATH_IMAGE081
Figure DEST_PATH_IMAGE083
S104.根据全局移动向量，确定源点云和目标点云的配准精度的评估指标。
本实施例中，该全局移动向量用于指示第一点云到目标点云的移动距离。当该全局移动向量的模长较小时，说明该第一点云与目标点云较为接近。即，刚体变换矩阵对源点云与目标点云之间的变换情况的描述较为准确。即，源点云和目标点云的配准精度高。相反，当该全局移动向量的模长较大时，说明该第一点云与目标点云相差较大。即，刚体变换矩阵对源点云与目标点云之间的变换情况的描述准确性差。即，源点云和目标点云的配准精度低。
因此，服务器可以将全局移动向量
Figure 591046DEST_PATH_IMAGE030
的模长为评估指标。该模长计 算公式可以为：
Figure DEST_PATH_IMAGE085
本申请提供的点云配准精度的评估方法，服务器获取到源点云和目标点云后，可以使用预设配准算法对两幅点云进行配准，得到初始的刚体变换矩阵。服务器使用该初始的刚体变换矩阵对源点云进行变换处理获得第一点云。服务器将第一点云和目标点云进行匹配获得多个点对。服务器对目标点云进行平面拟合得到地面方程。服务器根据多个点对、地面方程以及第一距离阈值确定全局移动向量。服务器根据全局移动向量，确定源点云和目标点云的配准精度的评估指标。本申请中，通过使用全局移动向量的精度评估方法，降低了参数的设置难度，有效克服点云重复结构对配准算法的影响，更加客观地评估了点云的配准精度，提高了配准精度评估的鲁棒性。
图4示出了本申请一实施例提供的一种点云配准精度的评估方法的流程图。在图2和图3实施例的基础上，本实施例还能够根据配准精度评估指对配准结果进行修正，以得到更加准确的配准结果。并且该修正过程为迭代过程，如图4所示，以服务器为执行主体，以第i次迭代过程为例，本实施例的方法可以包括如下步骤：
S201、获取源点云和目标点云的初始的刚体变换矩阵。
本实施例中，服务器可以获取初始的刚体变换矩阵
Figure 377737DEST_PATH_IMAGE086
。该初始的刚体变换矩阵
Figure 283245DEST_PATH_IMAGE086
为服务器将第i-1次迭代时生成的修正后的刚体变换矩阵、目标点云和源点云输入预设配 准算法后得到的新的刚体变换矩阵。其中，i为正整数。当i=1时，第i-1次迭代时生成的修正 后的刚体变换矩阵为初始值。
其具体过程与图2中的步骤S101类似，本实施例此处不再赘述。
S202、使用初始的刚体变换矩阵对源点云进行变换处理获得第一点云，并将第一点云和目标点云进行配准获得多个点对。
本实施例中，服务器根据初始的刚体变换矩阵
Figure 799677DEST_PATH_IMAGE086
对源点云Y进行变换处理，得到第 一点云
Figure DEST_PATH_IMAGE087
。该第一点云
Figure 702911DEST_PATH_IMAGE087
为该次迭代时使用的第一点云。服务器可以对该第一点云
Figure 445739DEST_PATH_IMAGE087
和目 标点云进行配准，得到多个点对。
其具体过程与图2中的步骤S102类似，本实施例此处不再赘述。
S203、对目标点云进行平面拟合得到地面方程，并根据多个点对、地面方程以及点对中两个点之间的第一距离阈值确定全局移动向量。
本步骤中，服务器可以根据第一距离阈值和每一点对中两个点的距离，对点对进 行筛选，得到点对集合。其后，服务器可以根据地面方程将点对集合中的点对分配到非地面 点集合和地面点集合中。其中，地面方程根据目标点云确定，因此，在迭代过程中，该地面方 程不发生变化。然而，由于第一点云
Figure 295883DEST_PATH_IMAGE087
在每一次迭代时存在差异，因此，生成的点对不同为 不同点对。进而，服务器根据该点对和地面方程生成的非地面点集合和地面点集合也不同。 为了进行区别，在下述说明中，使用
Figure 791455DEST_PATH_IMAGE088
和
Figure DEST_PATH_IMAGE089
表示在第i次迭代时非地面点集合中第j个点 对中的p点和q点，或者，在第i次迭代时地面点集合中第j个点对中的p点和q点。
服务器在第i-1次迭代过程中可以得到全局移动向量
Figure 475377DEST_PATH_IMAGE090
， 权重系数
Figure DEST_PATH_IMAGE091
，和计数参数
Figure 954769DEST_PATH_IMAGE092
。
在第i次迭代时，服务器根据上述参数计算非地面点集合中每一点对的第一子系 数
Figure DEST_PATH_IMAGE093
、第二子系数
Figure 405342DEST_PATH_IMAGE094
和权重子系数
Figure DEST_PATH_IMAGE095
。其中，计算公式可以包括：
Figure DEST_PATH_IMAGE097
Figure DEST_PATH_IMAGE099
Figure DEST_PATH_IMAGE101
Figure DEST_PATH_IMAGE103
Figure DEST_PATH_IMAGE105
Figure DEST_PATH_IMAGE107
其中，
Figure 100895DEST_PATH_IMAGE108
、
Figure DEST_PATH_IMAGE109
为第i次迭代时，非地面点集合中第j个点对中q点的x轴坐标和y轴 坐标，
Figure 80352DEST_PATH_IMAGE110
、
Figure DEST_PATH_IMAGE111
为第i次迭代时，非地面点集合中第j个点对中p点中的x轴坐标和y轴坐标。其 中，
Figure 109357DEST_PATH_IMAGE112
用于指示第i次迭代时，非地面点集合中第j个点对中p点到q点的距离。当配准精度 高时，p点到q点的距离小。当配准精度低时，p点到q点的距离大。因此，当配准精度低时，在 全局移动向量中增大偏移量
Figure DEST_PATH_IMAGE113
和
Figure 832463DEST_PATH_IMAGE114
的比重。否则，当配准精度高时，在全局移动向量中减 少偏移量
Figure 177993DEST_PATH_IMAGE113
和
Figure 672560DEST_PATH_IMAGE114
的比重。
进而，服务器可以根据计算得到的非地面点集合中每一点对的第一子系数
Figure 470751DEST_PATH_IMAGE093
、第 二子系数
Figure 325444DEST_PATH_IMAGE094
和权重子系数
Figure 666426DEST_PATH_IMAGE095
，计算得到第一系数
Figure DEST_PATH_IMAGE115
、第二系数
Figure 112320DEST_PATH_IMAGE116
和权重系数
Figure DEST_PATH_IMAGE117
。其计 算公式可以包括：
Figure DEST_PATH_IMAGE119
Figure DEST_PATH_IMAGE121
Figure DEST_PATH_IMAGE123
其中，F用于表示非地面点集合中点对的个数。F为正整数。
在第i次迭代时，服务器根据上一迭代过程的参数计算地面点集合中每一点对的 三子系数
Figure 928966DEST_PATH_IMAGE124
和计数参数
Figure DEST_PATH_IMAGE125
。。其中，计算公式可以包括：
Figure DEST_PATH_IMAGE127
Figure DEST_PATH_IMAGE129
Figure DEST_PATH_IMAGE131
其中，
Figure 249001DEST_PATH_IMAGE132
为第i次迭代时，地面点集合中第j个点对中q点的z轴坐标，
Figure DEST_PATH_IMAGE133
为第i次 迭代时，地面点集合中第j个点对中p点的z轴坐标。其中，计数参数
Figure 710070DEST_PATH_IMAGE125
用于统计迭代次数。在 一次迭代过程中，由于每一点对的迭代次数相同，因此，服务器不针对每一点对设置一个计 数参数。
进而，服务器可以根据计算得到的地面点集合中每一点对的第三子系数
Figure 795706DEST_PATH_IMAGE124
，计算 得到第三系数
Figure 568490DEST_PATH_IMAGE134
。其计算公式可以为：
Figure 781297DEST_PATH_IMAGE136
其中，H用于表示地面点集合中点对的个数。H为正整数。
其后，服务器可以根据第一系数
Figure 80560DEST_PATH_IMAGE115
、第二系数
Figure 353409DEST_PATH_IMAGE116
、第三系数
Figure 3702DEST_PATH_IMAGE134
、权重系数
Figure 879255DEST_PATH_IMAGE117
和计 数参数
Figure 49336DEST_PATH_IMAGE125
，确定全局移动向量
Figure DEST_PATH_IMAGE137
。其中，第一分量
Figure 7933DEST_PATH_IMAGE138
、第二分量
Figure DEST_PATH_IMAGE139
、第三分 量
Figure 161834DEST_PATH_IMAGE140
的计算公式可以包括：
Figure 965711DEST_PATH_IMAGE142
Figure 990299DEST_PATH_IMAGE144
Figure DEST_PATH_IMAGE145
S204.根据全局移动向量，确定源点云和目标点云的配准精度的评估指标。
本实施例中，服务器可以将全局移动向量
Figure 119798DEST_PATH_IMAGE137
的模长为评估指标。该 模长计算公式可以为：
Figure DEST_PATH_IMAGE147
S205、当评估指标小于等于指标阈值时，输出配准结果。
本实施例中，服务器可以根据指标阈值，判断该评估指标对应的配准精度是否符合要求。当评估指标小于等于指标阈值时，服务器确定该评估指标对应的配准精度符合要求。服务器输出该配准结果。该配准结果可以包括刚体变换矩阵。
其中，指标阈值可以为0.1米。该指标阈值的设置于设备的精度相关。该指标阈值的设置为经验值。管理员可以根据激光雷达或者其他获取点云的设备精度，根据经验确定其对应的指标阈值。
S206、当评估指标大于指标阈值时，根据预设的修正系数和全局移动向量，修正初始的刚体变换矩阵，得到修正后的刚体变换矩阵。
本实施例中，当评估指标大于指标阈值时，服务器确定该评估指标对应的配准精度不符合要求。此时，服务器可以根据修正系数和全局移动向量，修正初始的刚体变换矩阵。
具体的，服务器可以使用修正系数
Figure 760995DEST_PATH_IMAGE148
和全局移动向量
Figure DEST_PATH_IMAGE149
，对初始的刚体变换矩阵中 的平移向量进行修正。当初始的刚体变换矩阵
Figure 634142DEST_PATH_IMAGE086
中的平移向量t为
Figure 247657DEST_PATH_IMAGE150
时，修正 后的平移向量t可以表示为：
Figure 892265DEST_PATH_IMAGE152
其中，
Figure 733007DEST_PATH_IMAGE148
为修正系数。该修正系数可以为3。该修正系数的取值根据经验确定。
S207、将修正后的刚体变换矩阵、源点云和目标点云输入预设配准算法，以使源点云和目标点云进行重新配准，得到新的刚体变换矩阵。
本实施例中，服务器可以在对初始的刚体变换矩阵进行修正后，将该修正后的刚体变换矩阵作为预设配准算法中刚体变换矩阵的初始值。当服务器将源点云和目标点云输入到已经完成刚体变换矩阵的初始值设置的预设配准算法后，该预设配准算法可以在该初始值的基础上对源点云和目标点云进行配准，得到的新的刚体变换矩阵。
S208、使用新的刚体变换矩阵更新初始的刚体变换矩阵，返回执行使用初始的刚体变换矩阵对源点云进行变换处理获得第一点云，并将第一点云和目标点云进行配准获得多个点对的步骤。
本实施例中，服务器可以使用该新的刚体变换矩阵更新初始的刚体变换矩阵，即 该新的刚体变换矩阵为下一迭代过程中的初始的刚体变换矩阵
Figure DEST_PATH_IMAGE153
。服务器将跳转至步骤 S202。当步骤跳转至S202后，该初始的刚体变换矩阵
Figure 426157DEST_PATH_IMAGE153
将被用于对源点云进行变换处理。
如图5所示为使用本实施例所示的修正方法，对配准结果进行修正后的结果和修正前的结果的对比图。如图5（a）所示，为服务器直接使用预设配准算法对源点云和目标点云进行配准之后的结果。当服务器获取如图5（a）所示的配准结果后，服务器根据上述实施例计算得到全局移动向量。服务器使用该全局移动向量对刚体变换矩阵进行修正。修正后，服务器再次使用预设配准算法对源点云和目标点云进行配准之后的结果可以如图5（b）所示。显然，5（b）所示的配准结果中，源点云和目标点云配准后可以更加精确的匹配。
本申请提供的点云配准精度的评估方法，服务器获取到源点云和目标点云后，可以使用预设配准算法对两幅点云进行配准，得到刚体变换矩阵。服务器使用刚体变换矩阵对源点云进行变换处理获得第一点云。服务器将第一点云和目标点云进行匹配获得多个点对。服务器对目标点云进行平面拟合得到地面方程。服务器根据多个点对、地面方程以及第一距离阈值确定全局移动向量。服务器根据全局移动向量，确定源点云和目标点云的配准精度的评估指标。服务器可以根据指标阈值，判断该评估指标对应的配准精度是否符合要求。当评估指标小于等于指标阈值时，服务器确定该评估指标对应的配准精度符合要求。服务器输出该配准结果。当评估指标大于指标阈值时，服务器确定该评估指标对应的配准精度不符合要求。服务器可以根据修正系数和全局移动向量，修正后的刚体变换矩阵。服务器将该修正后的刚体变换矩阵作为初值输入到预设配准算法中。该预设配准算法可以对源点云和目标点云进行配准，得到的新的刚体变换矩阵。本申请中，通过基于评价结果自动对点云进行迭代配准优化，实现了提高整体的配准精度，改善配准算法性能的效果。
图6示出了本申请一实施例提供的一种点云配准精度的评估装置的结构示意图，如图6所示，本实施例的点云配准精度的评估装置10用于实现上述任一方法实施例中对应于服务器的操作，本实施例的点云配准精度的评估装置10包括：
获取模块11，用于获取在使用预设配准算法对源点云和目标点云进行配准处理时的刚体变换矩阵。
处理模块12，用于使用刚体变换矩阵对源点云进行变换处理获得第一点云，并将第一点云和目标点云进行匹配获得多个点对。对目标点云进行平面拟合得到地面方程，并根据多个点对、地面方程以及第一距离阈值确定全局移动向量。根据全局移动向量，确定源点云和目标点云的配准精度的评估指标。
一种示例中，处理模块12，具体用于：
从第一点云中获取任意一个p点，并从目标点云选择距离p点最邻近的一个q点。将第一点云中的p点与目标点云中q点组成一个点对。
一种示例中，处理模块12，具体用于：
从第一点云中获取任意一个p点，并从目标点云选择距离p点最邻近的N个q点。计算p点与N个q点的反射强度值，将与p点的反射强度值的差值最小的一个q点和p点组成一个点对。
一种示例中，处理模块12，具体用于：
根据第一距离阈值和每一点对中两个点的距离，对点对进行筛选，得到点对集合。根据地面方程将点对集合中的点对分配到非地面点集合和地面点集合中。根据非地面点集合中的点对和第一公式，确定第一系数、第二系数和权重系数。根据地面点集合中的点对和第二公式，确定第三系数和计数参数。根据第一系数、第二系数、第三系数、权重系数和计数参数，确定全局移动向量。
一种示例中，处理模块12，具体用于：
将点对中的p点到地面方程所表示的平面的距离大于第二距离阈值的点对分配到非地面点集合。将点对中的q点到地面方程所表示的平面的距离小于等于第二距离阈值的点对分配到地面点集合。
一种示例中，处理模块12，具体用于：
确定全局移动向量的模长为评估指标。
一种示例中，处理模块12，还用于：
当评估指标大于指标阈值时，根据预设的修正系数和全局移动向量，修正初始的刚体变换矩阵，得到修正后的刚体变换矩阵；
将修正后的刚体变换矩阵、源点云和目标点云输入预设配准算法，以使源点云和目标点云进行重新配准，得到新的刚体变换矩阵；
使用新的刚体变换矩阵更新初始的刚体变换矩阵，返回执行使用初始的刚体变换矩阵对源点云进行变换处理获得第一点云，并将第一点云和目标点云进行配准获得多个点对的步骤。
本申请实施例提供的点云配准精度的评估装置10，可执行上述方法实施例，其具体实现原理和技术效果，可参见上述方法实施例，本实施例此处不再赘述。
图7示出了本申请实施例提供的一种电子设备的硬件结构示意图。如图7所示，该电子设备20，用于实现上述任一方法实施例中对应于电子设备的操作，本实施例的电子设备20可以包括：存储器21，处理器22和通信接口24。
存储器21，用于存储计算机程序。该存储器21可能包含高速随机存取存储器（Random Access Memory，RAM），也可能还包括非易失性存储（Non-Volatile Memory，NVM），例如至少一个磁盘存储器，还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
处理器22，用于执行存储器存储的计算机程序，以实现上述实施例中的点云配准精度的评估方法。具体可以参见前述方法实施例中的相关描述。该处理器22可以是中央处理单元（Central Processing Unit，CPU），还可以是其他通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific IntegratedCircuit，ASIC）等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
可选地，存储器21既可以是独立的，也可以跟处理器22集成在一起。
当存储器21是独立于处理器22之外的器件时，服务器20还可以包括总线23。该总线23用于连接存储器21和处理器22。该总线23可以是工业标准体系结构（IndustryStandard Architecture，ISA）总线、外部设备互连（Peripheral ComponentInterconnect，PCI）总线或扩展工业标准体系结构（Extended Industry StandardArchitecture，EISA）总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
通信接口24，可以用于实现与点云采集设备之间的信号交互。例如，在如图1所示的场景中，通信接口24可以用于接收激光雷达上传的点云。或者通信接口25还可以用于实现与车辆终端之间的通信。
本实施例提供的电子设备可用于执行上述的点云配准精度的评估方法，其实现方式和技术效果类似，本实施例此处不再赘述。
本申请还提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
其中，计算机可读存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，计算机可读存储介质耦合至处理器，从而使处理器能够从该计算机可读存储介质读取信息，且可向该计算机可读存储介质写入信息。当然，计算机可读存储介质也可以是处理器的组成部分。处理器和计算机可读存储介质可以位于专用集成电路(Application Specific Integrated Circuits， ASIC)中。另外，该ASIC可以位于用户设备中。当然，处理器和计算机可读存储介质也可以作为分立组件存在于通信设备中。
具体地，该计算机可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（Static Random-Access Memory，SRAM），电可擦除可编程只读存储器（Electrically-Erasable Programmable Read-Only Memory，EEPROM），可擦除可编程只读存储器（Erasable Programmable Read Only Memory，EPROM），可编程只读存储器（Programmable read-only memory，PROM），只读存储器（Read-OnlyMemory，ROM），磁存储器，快闪存储器，磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
本申请还提供一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序存储在计算机可读存储介质中。设备的至少一个处理器可以从计算机可读存储介质中读取该计算机程序，至少一个处理器执行该计算机程序使得设备实施上述的各种实施方式提供的方法。
本申请实施例还提供一种芯片，该芯片包括存储器和处理器，存储器用于存储计算机程序，处理器用于从存储器中调用并运行计算机程序，使得安装有芯片的设备执行如上各种可能的实施方式中的方法。
在本申请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是示意性的，例如，模块的划分，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，例如多个模块可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
其中，各个模块可以是物理上分开的，例如安装于一个的设备的不同位置，或者安装于不同的设备上，或者分布到多个网络单元上，或者分布到多个处理器上。各个模块也可以是集成在一起的，例如，安装于同一个设备中，或者，集成在一套代码中。各个模块可以以硬件的形式存在，或者也可以以软件的形式存在，或者也可以采用软件加硬件的形式实现。本申请可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
当各个模块以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块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，服务器，或者网络设备等）或处理器执行本申请各个实施例方法的部分步骤。
应该理解的是，虽然上述实施例中的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制。尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换。而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims (11)

1.一种点云配准精度的评估方法，其特征在于，所述方法包括：
获取源点云和目标点云的初始的刚体变换矩阵；
使用所述初始的刚体变换矩阵对所述源点云进行变换处理获得第一点云，并将所述第一点云和所述目标点云进行配准获得多个点对；
对所述目标点云进行平面拟合得到地面方程，并根据多个所述点对、所述地面方程以及点对中两个点之间的第一距离阈值确定全局移动向量；
根据所述全局移动向量，确定所述源点云和所述目标点云的配准精度的评估指标。
2.根据权利要求1所述的方法，其特征在于，所述将所述第一点云和所述目标点云进行匹配获得多个点对，具体包括：
从所述第一点云中获取任意一个p点，并从所述目标点云选择距离p点最邻近的一个q点；
将所述第一点云中的p点与所述目标点云中q点组成一个点对。
3.根据权利要求1所述的方法，其特征在于，所述将所述第一点云和所述目标点云进行匹配获得多个点对，具体包括：
从所述第一点云中获取任意一个p点，并从所述目标点云选择距离p点邻近的N个q点；
计算所述p点与N个所述q点的反射强度值，将与所述p点的所述反射强度值的差值最小的一个q点和所述p点组成一个点对。
4.根据权利要求1所述的方法，其特征在于，所述根据多个所述点对、所述地面方程以及第一距离阈值确定全局移动向量，具体包括：
根据所述第一距离阈值和每一所述点对中两个点之间的距离，对所述点对进行筛选，得到点对集合；
根据所述点对集合中的各点到所述地面方程所表示平面的距离将所述点对集合中的点对分配到非地面点集合和地面点集合中；
根据所述非地面点集合中的点对和第一公式，确定第一系数、第二系数和权重系数；
根据所述地面点集合中的点对和第二公式，确定第三系数和计数参数；
根据所述第一系数、所述第二系数、所述第三系数、所述权重系数和所述计数参数，确定所述全局移动向量。
5.根据权利要求4所述的方法，其特征在于，所述根据所述地面方程将所述点对集合中的点对分配到非地面点集合和地面点集合中，具体包括：
将点对中的p点到所述地面方程所表示的平面的距离大于第二距离阈值的点对分配到所述非地面点集合；
将点对中的q点到所述地面方程所表示的平面的距离小于等于第二距离阈值的点对分配到所述地面点集合。
6.根据权利要求1所述的方法，其特征在于，所述根据所述全局移动向量，确定所述源点云和所述目标点云的配准精度的评估指标，包括：
确定所述全局移动向量的模长为所述评估指标。
7.根据权利要求1-6中任一项所述的方法，其特征在于，所述方法，还包括：
当所述评估指标大于指标阈值时，根据预设的修正系数和所述全局移动向量，修正所述初始的刚体变换矩阵，得到修正后的刚体变换矩阵；
将所述修正后的刚体变换矩阵、所述源点云和所述目标点云输入预设配准算法，以使所述源点云和所述目标点云进行重新配准，得到新的刚体变换矩阵；
使用所述新的刚体变换矩阵更新所述初始的刚体变换矩阵，返回执行所述使用所述初始的刚体变换矩阵对所述源点云进行变换处理获得第一点云，并将所述第一点云和所述目标点云进行配准获得多个点对的步骤。
8.一种点云配准精度的评估装置，其特征在于，所述装置，包括：
获取模块，用于获取源点云和目标点云的初始的刚体变换矩阵；
处理模块，用于使用所述初始的刚体变换矩阵对所述源点云进行变换处理获得第一点云，并将所述第一点云和所述目标点云进行配准获得多个点对；对所述目标点云进行平面拟合得到地面方程，并根据多个所述点对、所述地面方程以及点对中两个点之间的第一距离阈值确定全局移动向量；根据所述全局移动向量，确定所述源点云和所述目标点云的配准精度的评估指标。
9.一种电子设备，其特征在于，所述电子设备包括：存储器，处理器；
所述存储器用于存储计算机程序；所述处理器用于根据所述存储器存储的计算机程序，实现如权利要求1-7中任一项所述的点云配准精度的评估方法。
10.一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中存储有计算机程序，所述计算机程序被处理器执行时用于实现如权利要求1-7中任一项所述的点云配准精度的评估方法。
11.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现权利要求1-7中任一项所述的点云配准精度的评估方法。
CN202110991625.9A 2021-08-27 2021-08-27 点云配准精度的评估方法、装置和电子设备 Active CN113436238B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110991625.9A CN113436238B (zh) 2021-08-27 2021-08-27 点云配准精度的评估方法、装置和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110991625.9A CN113436238B (zh) 2021-08-27 2021-08-27 点云配准精度的评估方法、装置和电子设备

Publications (2)

Publication Number Publication Date
CN113436238A true CN113436238A (zh) 2021-09-24
CN113436238B CN113436238B (zh) 2021-11-23

Family

ID=77798134

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110991625.9A Active CN113436238B (zh) 2021-08-27 2021-08-27 点云配准精度的评估方法、装置和电子设备

Country Status (1)

Country Link
CN (1) CN113436238B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114387319A (zh) * 2022-01-13 2022-04-22 北京百度网讯科技有限公司 点云配准方法、装置、设备以及存储介质
CN114442605A (zh) * 2021-12-16 2022-05-06 中国科学院深圳先进技术研究院 定位检测方法、装置、自主移动设备以及存储介质
CN114485608A (zh) * 2021-12-13 2022-05-13 武汉中海庭数据技术有限公司 一种用于高精度地图制作的局部点云快速配准方法
CN114549601A (zh) * 2022-02-11 2022-05-27 中国科学院精密测量科学与技术创新研究院 一种顾及点对可靠性的滑坡多时相tls点云精配准方法
CN115661220A (zh) * 2022-12-28 2023-01-31 深圳煜炜光学科技有限公司 点云数据配准方法、装置、设备及存储介质
US20230211798A1 (en) * 2022-01-06 2023-07-06 GM Global Technology Operations LLC Motion monitor using lidar registration
CN116942313A (zh) * 2023-06-05 2023-10-27 北京长木谷医疗科技股份有限公司 基于强化学习的手术机器人配准方法、装置及电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104019765A (zh) * 2014-06-25 2014-09-03 山东理工大学 基于激光束法区域网平差的多站点云整体定向方法
CN107544095A (zh) * 2017-07-28 2018-01-05 河南工程学院 一种地面三维激光点云与探地雷达图像融合的方法
CN108492329A (zh) * 2018-03-19 2018-09-04 北京航空航天大学 一种三维重建点云精度和完整度评价方法
CN108549375A (zh) * 2018-04-16 2018-09-18 戴姆勒股份公司 高精度地图中基于随机优化的点状对象精度质量评估方法
CN109895094A (zh) * 2019-02-11 2019-06-18 苏州瀚华智造智能技术有限公司 一种工业机器人测量轨迹定位误差分析方法及系统
EP3731181A1 (en) * 2019-04-24 2020-10-28 Baidu Online Network Technology (Beijing) Co., Ltd. Method and apparatus for point cloud registration, server and computer readable medium

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104019765A (zh) * 2014-06-25 2014-09-03 山东理工大学 基于激光束法区域网平差的多站点云整体定向方法
CN107544095A (zh) * 2017-07-28 2018-01-05 河南工程学院 一种地面三维激光点云与探地雷达图像融合的方法
CN108492329A (zh) * 2018-03-19 2018-09-04 北京航空航天大学 一种三维重建点云精度和完整度评价方法
CN108549375A (zh) * 2018-04-16 2018-09-18 戴姆勒股份公司 高精度地图中基于随机优化的点状对象精度质量评估方法
CN109895094A (zh) * 2019-02-11 2019-06-18 苏州瀚华智造智能技术有限公司 一种工业机器人测量轨迹定位误差分析方法及系统
EP3731181A1 (en) * 2019-04-24 2020-10-28 Baidu Online Network Technology (Beijing) Co., Ltd. Method and apparatus for point cloud registration, server and computer readable medium

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114485608A (zh) * 2021-12-13 2022-05-13 武汉中海庭数据技术有限公司 一种用于高精度地图制作的局部点云快速配准方法
CN114485608B (zh) * 2021-12-13 2023-10-10 武汉中海庭数据技术有限公司 一种用于高精度地图制作的局部点云快速配准方法
CN114442605A (zh) * 2021-12-16 2022-05-06 中国科学院深圳先进技术研究院 定位检测方法、装置、自主移动设备以及存储介质
CN114442605B (zh) * 2021-12-16 2023-08-18 中国科学院深圳先进技术研究院 定位检测方法、装置、自主移动设备以及存储介质
US20230211798A1 (en) * 2022-01-06 2023-07-06 GM Global Technology Operations LLC Motion monitor using lidar registration
CN114387319A (zh) * 2022-01-13 2022-04-22 北京百度网讯科技有限公司 点云配准方法、装置、设备以及存储介质
CN114387319B (zh) * 2022-01-13 2023-11-14 北京百度网讯科技有限公司 点云配准方法、装置、设备以及存储介质
CN114549601A (zh) * 2022-02-11 2022-05-27 中国科学院精密测量科学与技术创新研究院 一种顾及点对可靠性的滑坡多时相tls点云精配准方法
CN114549601B (zh) * 2022-02-11 2023-03-28 中国科学院精密测量科学与技术创新研究院 一种顾及点对可靠性的滑坡多时相tls点云精配准方法
CN115661220A (zh) * 2022-12-28 2023-01-31 深圳煜炜光学科技有限公司 点云数据配准方法、装置、设备及存储介质
CN116942313A (zh) * 2023-06-05 2023-10-27 北京长木谷医疗科技股份有限公司 基于强化学习的手术机器人配准方法、装置及电子设备
CN116942313B (zh) * 2023-06-05 2024-01-16 北京长木谷医疗科技股份有限公司 基于强化学习的手术机器人配准方法、装置及电子设备

Also Published As

Publication number Publication date
CN113436238B (zh) 2021-11-23

Similar Documents

Publication Publication Date Title
CN113436238B (zh) 点云配准精度的评估方法、装置和电子设备
CN108732582B (zh) 车辆定位方法和装置
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
CN111780763B (zh) 一种基于视觉地图的视觉定位方法、装置
CN109959381B (zh) 一种定位方法、装置、机器人及计算机可读存储介质
CN109493375B (zh) 三维点云的数据匹配及合并方法、装置、可读介质
CN109946680B (zh) 探测系统的外参数标定方法、装置、存储介质及标定系统
CN109946701B (zh) 一种点云坐标转换方法及装置
CN106959075B (zh) 利用深度相机进行精确测量的方法和系统
CN108332758B (zh) 一种移动机器人的走廊识别方法及装置
CN112183171A (zh) 一种基于视觉信标建立信标地图方法、装置
CN107492120B (zh) 点云配准方法
CN114119673B (zh) 初始位姿的确定方法和装置、电子设备和存储介质
CN113111513B (zh) 传感器配置方案确定方法、装置、计算机设备及存储介质
CN111080682A (zh) 点云数据的配准方法及装置
CN108921898B (zh) 摄像机位姿确定方法、装置、电子设备和计算机可读介质
CN112946612A (zh) 外参标定方法、装置、电子设备及存储介质
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
CN113034582A (zh) 位姿优化装置及方法、电子设备及计算机可读存储介质
CN115018922A (zh) 畸变参数标定方法、电子设备和计算机可读存储介质
CN115239899A (zh) 位姿图生成方法、高精地图生成方法和装置
CN114966576A (zh) 基于先验地图的雷达外参标定方法、装置和计算机设备
CN113421292A (zh) 一种三维建模细节增强方法及装置
CN116170569A (zh) 一种高光谱影像正摄校正方法及装置、存储介质
CN109919998B (zh) 卫星姿态确定方法、装置和终端设备

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