CN113702941A - 一种基于改进icp的点云测速方法 - Google Patents
一种基于改进icp的点云测速方法 Download PDFInfo
- Publication number
- CN113702941A CN113702941A CN202110908246.9A CN202110908246A CN113702941A CN 113702941 A CN113702941 A CN 113702941A CN 202110908246 A CN202110908246 A CN 202110908246A CN 113702941 A CN113702941 A CN 113702941A
- Authority
- CN
- China
- Prior art keywords
- point
- point cloud
- points
- distance
- average
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000691 measurement method Methods 0.000 title claims abstract description 12
- 238000009616 inductively coupled plasma Methods 0.000 title abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000005457 optimization Methods 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 238000001514 detection method Methods 0.000 claims abstract description 4
- 239000013598 vector Substances 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 8
- 238000013519 translation Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 4
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000005764 inhibitory process Effects 0.000 claims description 3
- 239000013067 intermediate product Substances 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 2
- 241000764238 Isis Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- 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
- G01S17/50—Systems of measurement based on relative movement of target
- G01S17/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于改进ICP的点云测速方法,包括:点云预处理:去除点云数据中的噪声点,通过聚类及检测手段,移除点云数据中的动态物体;点云的匹配:获得采集当前一帧点云时载体的位姿,并以此位姿为基础,利用改进的ICP方法,进一步优化当前一帧点云所对应的载体位姿;局部图优化:对包括最新计算所得位姿在内的给定时间间隔内的所有位姿进行局部图优化;计算速度:利用角轴法对载体经历的位姿变化进行表示,然后计算出载体目前的速度。本发明的三维点云预处理可去除初始点云数据中的离群点和毛刺点,大大减轻噪声点对后续匹配步骤的影响。采用的小区域平面投影至大区域平面,极大的使投影效果贴近真实情况,使得配准结果更为准确。
Description
技术领域
本发明属于导航技术领域,具体涉及一种基于改进ICP的点云测速方法。
背景技术
随着激光雷达等传感器技术的快速发展,点云数据在建图、导航和避障等领域的应用已经成为研究热点之一,而如果将点云数据用在测量载体速度方面,那么就可以更加充分的利用点云信息。对于仅拥有采集点云信息传感器的载体来说,利用点云数据来测得载体速度可以说是唯一的测速手段。同时,在状态估计中,通过提供更多的信息有利于导航系统对所估计状态更好的估计。此外,ICP(Iterative Closest Point)在传统点云配准方法中有着较为重要的意义,但普通ICP方法存在引入误差过大的问题,故对普通ICP方法进行了改进。
发明内容
针对上述现有技术,本发明要解决的技术问题是提供一种配准结果更为准确的基于改进ICP的点云测速方法,用于为装有采集点云数据传感器的载体提供一种测量速度的方法。
为解决上述技术问题,本发明的一种基于改进ICP的点云测速方法,包括以下步骤:
步骤1、点云预处理:去除点云数据中的噪声点,通过聚类及检测手段,移除点云数据中的动态物体;
步骤2:点云的匹配:获得采集当前一帧点云时载体的位姿,并以此位姿为基础,利用改进的ICP方法,进一步优化当前一帧点云所对应的载体位姿;
步骤3:局部图优化:对包括最新计算所得位姿在内的给定时间间隔内的所有位姿进行局部图优化;
步骤4:计算速度:利用角轴法对载体经历的位姿变化进行表示,然后计算出载体目前的速度。
本发明还包括:
1.步骤1中点云预处理具体为:
计算出这m个距离的平均值di-average,di-average为局部平均距离;
求出点的m个临近点的局部平均距离di1-average,di2-average,…,dim-average,从di1-average,di2-average,…,dim-average中选出最小值dimin-average,然后比较di-average和dimin-average的大小;若di-average>Kdimin-average,则判定为噪声点;其中,K是一个给定参数;
2.步骤2中点云的匹配具体为:
使用里程计或者RANSAC方法获得载体坐标系Lk在世界系W下的初始估计的位姿Tk-start;
设点云采样时刻k的上一采样时刻为o;
时刻o对应的载体坐标系为Lo;
载体在世界系下的位姿为To;
所述改进的ICP方法具体为:
使用非极大值抑制的方法使选取的点分布均匀;
且R2>R1;
通过非线性优化的方法对error(Tk-start)进行优化,得到ΔT;
对Tk-start更新,即Tk-start=ΔT·Tk-start;
其中,ΔT即为更新量;
而后继续对新的Tk-start进行迭代优化,当||ΔT||2<Tmin或已到达迭代次数nt,则停止迭代,并将最终得到的Tk-start记为Tk,其中,Tmin和nt为给定值。
3.位于平面上的判断方法具体为:
其中,R3>R2;
计算出μi、Σi;
若α<αthreshold,且λ1<δλ2,则认为pi位于平面上,αthreshold为给定的曲率阈值;
否则,认为pi没有位于平面上;
其中,0<δ<1。
5.误差函数error(Tk-start)满足:
6.步骤4中计算速度具体为:
通过Tk和To可求出从Lo向Lk的变换矩阵Tk←o;
若用角轴法和平移向量tk←o来表示Tk←o,则有旋转轴nk←o、旋转角度θk←o;
设两帧点云数据间的时间间隔为Δτ;
本发明的有益效果:与现有技术相比,本发明具有如下的有益效果:
1、本发明的三维点云预处理可有效的去除初始点云数据中的离群点和毛刺点,大大减轻噪声点对后续匹配步骤的影响。
2、本发明所采用的小区域平面投影至大区域平面,极大的使投影效果贴近真实情况,使得配准结果更为准确。
3、本发明利用点云数据对载体的速度进行了估计。
附图说明
图1为本发明测速方法的流程图;
图2为关于离群点和毛刺的介绍。
具体实施方式
下面结合说明书附图和具体实施方式对本发明做进一步说明。
以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
如图1所示,一种基于改进ICP的点云测速方法,包括如下步骤:
点云预处理步骤:去除点云数据中的噪声点,通过聚类及检测手段,移除点云数据中的动态物体;
点云的匹配步骤:通过其他手段初步获得采集当前一帧点云时,载体的位姿,并以此位姿为基础,利用改进的ICP方法,进一步优化当前一帧点云所对应的载体位姿;
局部图优化步骤:对包括最新计算所得位姿在内的一定时间间隔内的所有位姿进行优化;
计算速度步骤:利用角轴法对载体经历的位姿变化进行表示,然后计算出载体目前的速度。
实施例1:三维点云预处理步骤
计算出这m个距离的平均值di-average,可称di-average为局部平均距离;
同理也可求出点的m个临近点的局部平均距离di1-average,di2-average,…,dim-average。从di1-average,di2-average,…,dim-average中选出最小值dimin-average,然后比较di-average和dimin-average的大小;若di-average>Kdimin-average,则判定为噪声点;
其中,K是一个待调节的参数;
实施例2:三维点云的匹配
使用里程计或者RANSAC方法获得载体坐标系Lk在世界系W下的初始估计的位姿Tk-start;
设点云采样时刻k的上一采样时刻为o;
时刻o对应的载体坐标系为Lo;
载体在世界系下的位姿为To;
实施例3:改进的ICP
使用里程计或者RANSAC方法获得载体坐标系Lk在世界系W下的初始估计的位姿Tk-start;
设点云采样时刻k的上一采样时刻为o;
时刻o对应的载体坐标系为Lo;
载体在世界系下的位姿为To;
使用非极大值抑制的方法使选取的点分布均匀;
从这λ个点中再筛选出距离pj小于D1的点;
其中,l′表示上述筛选操作后,点集的数量;
且R2>R1;
通过非线性优化的方法对error(Tk-start)进行优化,得到ΔT;
对Tk-start更新,即Tk-start=ΔT·Tk-start;
其中,ΔT即为更新量;
而后继续对新的Tk-start利用改进的ICP方法进行迭代优化;
当||ΔT||2<Tmin或已到达迭代次数nt,则停止迭代,并将最终得到的Tk-start记为Tk;
其中,Tmin和nt为给定值。
实施例4:位于平面上
其中,R3>R2;
计算出μi、Σi;
若α<αthreshold,且λ1<δλ2,则认为pi位于平面上;
否则,认为pi没有位于平面上;
其中,0<δ<1。
实施例5:所述点投影至标准点集
实施例6:误差函数
实施例7:局部图优化
对于从k往前的ρ帧有效激光数据,可得到ρ个位姿Tk-ρ+1,...,Tk;
对Tk-ρ+1,...,Tk建立位姿图;
对位姿图进行优化,得到优化后的Tk-ρ+1,...,Tk。
实施例8:计算速度
通过Tk和To可求出从Lo向Lk的变换矩阵Tk←o;
若用角轴法和平移向量tk←o来表示Tk←o,则有旋转轴nk←o、旋转角度θk←o;
设两帧点云数据间的时间间隔为Δτ;
Claims (7)
1.一种基于改进ICP的点云测速方法,其特征在于,包括以下步骤:
步骤1、点云预处理:去除点云数据中的噪声点,通过聚类及检测手段,移除点云数据中的动态物体;
步骤2:点云的匹配:获得采集当前一帧点云时载体的位姿,并以此位姿为基础,利用改进的ICP方法,进一步优化当前一帧点云所对应的载体位姿;
步骤3:局部图优化:对包括最新计算所得位姿在内的给定时间间隔内的所有位姿进行局部图优化;
步骤4:计算速度:利用角轴法对载体经历的位姿变化进行表示,然后计算出载体目前的速度。
2.根据权利要求1所述的一种基于改进ICP的点云测速方法,其特征在于:步骤1所述点云预处理具体为:
计算出这m个距离的平均值di-average,di-average为局部平均距离;
求出点的m个临近点的局部平均距离di1-average,di2-average,…,dim-average,从di1-average,di2-average,…,dim-average中选出最小值dimin-average,然后比较di-average和dimin-average的大小;若di-average>Kdimin-average,则判定为噪声点;其中,K是一个给定参数;
3.根据权利要求1或2所述的一种基于改进ICP的点云测速方法,其特征在于:步骤2所述点云的匹配具体为:
使用里程计或者RANSAC方法获得载体坐标系Lk在世界系W下的初始估计的位姿Tk-start;
设点云采样时刻k的上一采样时刻为o;
时刻o对应的载体坐标系为Lo;
载体在世界系下的位姿为To;
所述改进的ICP方法具体为:
使用非极大值抑制的方法使选取的点分布均匀;
且R2>R1;
通过非线性优化的方法对error(Tk-start)进行优化,得到ΔT;
对Tk-start更新,即Tk-start=ΔT·Tk-start;
其中,ΔT即为更新量;
而后继续对新的Tk-start进行迭代优化,当||ΔT||2<Tmin或已到达迭代次数nt,则停止迭代,并将最终得到的Tk-start记为Tk,其中,Tmin和nt为给定值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110908246.9A CN113702941B (zh) | 2021-08-09 | 2021-08-09 | 一种基于改进icp的点云测速方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110908246.9A CN113702941B (zh) | 2021-08-09 | 2021-08-09 | 一种基于改进icp的点云测速方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113702941A true CN113702941A (zh) | 2021-11-26 |
CN113702941B CN113702941B (zh) | 2023-10-13 |
Family
ID=78651954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110908246.9A Active CN113702941B (zh) | 2021-08-09 | 2021-08-09 | 一种基于改进icp的点云测速方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113702941B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114511673A (zh) * | 2022-01-26 | 2022-05-17 | 哈尔滨工程大学 | 一种基于改进icp的海底局部环境初步构建方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104851094A (zh) * | 2015-05-14 | 2015-08-19 | 西安电子科技大学 | 一种基于rgb-d的slam算法的改进方法 |
CN106600639B (zh) * | 2016-12-09 | 2019-06-25 | 江南大学 | 遗传算法结合自适应阈值约束的icp位姿定位技术 |
CN107220995B (zh) * | 2017-04-21 | 2020-01-03 | 西安交通大学 | 一种基于orb图像特征的icp快速点云配准算法的改进方法 |
CN109961506B (zh) * | 2019-03-13 | 2023-05-02 | 东南大学 | 一种融合改进Census图的局部场景三维重建方法 |
CN112966542A (zh) * | 2020-12-10 | 2021-06-15 | 武汉工程大学 | 一种基于激光雷达的slam系统和方法 |
CN113012212B (zh) * | 2021-04-02 | 2024-04-16 | 西北农林科技大学 | 一种基于深度信息融合的室内场景三维点云重建方法和系统 |
-
2021
- 2021-08-09 CN CN202110908246.9A patent/CN113702941B/zh active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114511673A (zh) * | 2022-01-26 | 2022-05-17 | 哈尔滨工程大学 | 一种基于改进icp的海底局部环境初步构建方法 |
CN114511673B (zh) * | 2022-01-26 | 2022-12-09 | 哈尔滨工程大学 | 一种基于改进icp的海底局部环境初步构建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113702941B (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5539680B2 (ja) | 線形特徴を用いた対象追跡 | |
CN108762309B (zh) | 一种基于假设卡尔曼滤波的人体目标跟随方法 | |
CN111521195B (zh) | 一种智能机器人 | |
CN107169972B (zh) | 一种非合作目标快速轮廓跟踪方法 | |
CN109727273B (zh) | 一种基于车载鱼眼相机的移动目标检测方法 | |
CN110487286B (zh) | 基于点特征投影与激光点云融合的机器人位姿判断方法 | |
JP2015522200A (ja) | 人顔特徴点の位置決め方法、装置及び記憶媒体 | |
CN112052802A (zh) | 一种基于机器视觉的前方车辆行为识别方法 | |
CN113012197B (zh) | 一种适用于动态交通场景的双目视觉里程计定位方法 | |
CN110187337B (zh) | 一种基于ls和neu-ecef时空配准的高机动目标跟踪方法及系统 | |
CN111914832B (zh) | 一种rgb-d相机在动态场景下的slam方法 | |
CN116643291A (zh) | 一种视觉与激光雷达联合剔除动态目标的slam方法 | |
Naujoks et al. | Fast 3D extended target tracking using NURBS surfaces | |
Qing et al. | A novel particle filter implementation for a multiple-vehicle detection and tracking system using tail light segmentation | |
CN113689459B (zh) | 动态环境下基于gmm结合yolo实时跟踪与建图方法 | |
CN113702941A (zh) | 一种基于改进icp的点云测速方法 | |
CN113191427B (zh) | 一种多目标车辆跟踪方法及相关装置 | |
CN108469729B (zh) | 一种基于rgb-d信息的人体目标识别与跟随方法 | |
KR20200102108A (ko) | 차량의 객체 검출 장치 및 방법 | |
CN113362358A (zh) | 一种动态场景下基于实例分割的鲁棒性位姿估计方法 | |
CN113029185A (zh) | 众包式高精度地图更新中道路标线变化检测方法及系统 | |
CN112308917A (zh) | 一种基于视觉的移动机器人定位方法 | |
CN111474560A (zh) | 一种障碍物定位方法、装置及设备 | |
CN109903266B (zh) | 一种基于样本窗的双核密度估计实时背景建模方法及装置 | |
CN115359089A (zh) | 点云目标跟踪方法、电子设备、介质及车辆 |
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 |