CN115661215A - 一种车载激光点云数据配准方法、装置、电子设备及介质 - Google Patents

Abstract

本申请涉及数据配准技术的领域，尤其是涉及一种车载激光点云数据配准方法、装置、电子设备及介质。方法包括：当获取到车载点云数据时，对车载点云数据进行处理，基于处理结果，确定杆状物点云和地面点云；根据杆状物点云和地面点云，计算点云线性拟合参数；基于点云线性拟合参数，对车载点云数据进行粗配准；基于预先构建的待处理区域点云关系表，对粗配准后的车载点云数据进行分段处理，确定多个子车载点云数据；对多个子车载点云数据分别进行转换计算，确定多个转换参数；基于多个转换参数，对多个子车载点云数据分别进行分段精配准。本申请具有提高点云数据配准精度的效果。

Description

一种车载激光点云数据配准方法、装置、电子设备及介质

技术领域

本申请涉及数据配准技术的领域，尤其是涉及一种车载激光点云数据配准方法、装置、电子设备及介质。

背景技术

随着激光扫描技术的快速发展，激光点云数据因获取途径广、扫描速度快和位置精度高等优点被广泛用于各个领域，如电力、林业、城市规划、无人驾驶等；在车载激光扫描系统中，车载激光扫描系统通过搭载在汽车上，在汽车高速运行的同时获取激光点云、GNSS、IMU和里程计数据，高频激光扫描仪保证载体在高速移动中也拥有足够的点云密度，GNSS、IMU和里程计的组合获取位置和姿态信息，然后通过后期数据解算，获取行车扫描范围内的三维点云。

由于GNSS数据会被遮挡或者因存在多路径效应，造成多次扫描的激光点云不重合；或者因多天扫描的同区域的点云因为坐标参数问题造成同一区域点云坐标偏差，而多趟点云的坐标偏差将会对后续激光点云处理效果造成干扰，因此需要首先利用激光点云数据重叠区域进行点云配准；传统点云配准处理为通过ICP（Iterative closest point，就近点搜索法）算法进行配准处理。

但是，仅通过ICP算法直接对车载点云进行配准，会因为车载点云精度差异较大造成多次迭代后仍然不能达到收敛，致使降低了点云配准的精度。

发明内容

为了提高点云数据配准的精度，本申请提供一种车载激光点云数据配准方法、装置、电子设备及介质。

第一方面，本申请提供一种车载激光点云数据配准方法，采用如下的技术方案：

一种车载激光点云数据配准方法，包括：

当获取到车载点云数据时，对所述车载点云数据进行处理，基于处理结果，确定杆状物点云和地面点云；

根据所述杆状物点云和所述地面点云，计算点云线性拟合参数；

基于所述点云线性拟合参数，对所述车载点云数据进行粗配准；

基于预先构建的待处理区域点云关系表，对粗配准后的车载点云数据进行分段处理，确定多个子车载点云数据，

所述待处理区域点云关系表包含车载点云数据所包含的点与点之间的时间和位置关系；

对所述多个子车载点云数据分别进行转换计算，确定多个转换参数；

基于所述多个转换参数，对所述粗配准后的多个子车载点云数据分别进行分段精配准。

通过采用上述技术方案，在获取到车载点云数据时，对车载点云数据中包含的点进行分析处理，基于处理结果，确定出杆状物点云和地面点云，因杆状物点云以及地面点云受环境的影响相对较小，所以通过杆状物点云以及地面计算出点云线性拟合参数，对车载点云数据进行粗配准，之后，基于预先构建的待处理区域点云关系表，对进行粗配准后的车载点云数据进行分段处理，随后，将确定出的多个子车载点云数据分别进行转换参数的计算，多个转换参数分别对各自对应的子车载点云数据进行精配准处理；借助杆状物点云对于环境的影响较小对车载点云数据进行粗配准，使车载点云数据中包含的具有对应关系的点与点之间距离尽可能的小，随后，通过对粗配准后的车载点云数据进行分段精配准处理；通过粗配准与精配准的分步处理，提高各子车载点云数据精配准的准确性，进而实现了提高车载点云数据配准的精度。

在一种可能的实现方式中，若所述杆状点云为多组，则所述根据所述杆状物点云和所述地面点云，计算点云线性拟合参数，包括：

根据多组所述杆状物点云，确定平面位置点集；

对所述平面位置点集包含的点进行筛选，基于筛选结果，确定第一点对集合；

确定预先构建的待处理区域点云关系表中与所述地面点云对应的点；

基于所述地面点云以及所述预先构建的待处理区域点云关系表中与所述地面点云对应的点，构建同名点对集合；

根据所述第一点对集合和所述地面点云，确定点云线性拟合参数。

通过采用上述技术方案，对应一个杆状物确定出多个杆状物点云时，则根据多组杆状物点云确定出表征多组杆状物点云特征的平面位置点集；随后对平面位置点集进行筛选处理，基于筛选结果，确定出第一点对结合；并在预先构建的待处理区域点云关系表中确定出与地面点云对应的点，由该点与地面点云包含的点构建同名点对集合；进一步根据第一点对集合和地面点云确定出点云线性拟合参数，通过具备多组杆状物点云特征的第一点对集合以及地面点云计算点云线性拟合参数，从而能够减少运算量。

在一种可能的实现方式中，所述对所述平面位置点集包含的点进行筛选，基于筛选结果，确定第一点对集合，包括：

将所述平面位置点集包含的点与点之间的距离值与预设第一距离阈值进行对比；

由小于预设第一距离阈值对应的点对，构建第二点对集合；

将所述第二点对集合包含的点对进行平差计算和规则化处理，确定第一点对集合。

通过采用上述技术方案，将平面位置点集包含的点与点之间的距离值与预设第一距离阈值进行对比，当存在点与点之间的距离值小于预设第一距离阈值时，则将该两个点定义为同名点对，随后将所有满足小于预设第一距离阈值的点对构建成第二点对集合；随后，对第二点对集合中包含的点对进行平差计算，将配对错误的点对进行剔除，对第二点对集合除配对错误的点对以外的点对进行规则化处理，确定出均匀分布的点对，进而确定出第一点对集合。

在一种可能的实现方式中，所述确定多个子车载点云数据，之后还包括：

生成多个分段矩形框，所述多个分段矩形框与所述多个子车载点云数据一一对应；

将分布在分段矩形框外的子车载点云数据包含的点剔除。

通过采用上述技术方案，在确定多个子车载点云数据后，对应每个子车载点云数据生成一个分段矩形框，在对每个子车载点云数据进行点云配准时，首先将分布在分段矩形框外的子车载点云数据包含的点剔除，继而确定出分布在对应分段矩形框内的点云数据，以提高对子车载点云数据进行配准的准确性。

在一种可能的实现方式中，所述对所述多个子车载点云数据分别进行转换计算，确定多个转换参数，之后还包括：

确定每个转换参数所包含的变换角度，所述子车载点云数据与变换角度一一对应；

将每个多个变换角度与预设角度进行对比；

将大于预设角度对应的子车载点云数据进行平移。

通过采用上述技术方案，确定出每个子车载点云数据对应的变换角度，将确定出的对应子车载点云数据的变换角度与预设角度进行对比，若某一子车载点云数据对应的变换角度大于预设角度时，则表明该子车载点云数据无需进行旋转调节，随后，将根据确定的平移参数对该子车载点云数据包含的点云进行平移调节，从而减小了运算量，缩短了车载点云数据配准时间。

在一种可能的实现方式中，所述对所述平面位置点集包含的点进行筛选，基于筛选结果，确定第一点对集合，之后还包括：

基于筛选结果，确定第三点对集合，所述第三点对集合为去除第一点对集合后剩余的点对；

确定所述第三点对集合包含的每组点对对应的距离值；

将所述第三点对集合包含的每组点对对应的距离值与预设第二距离阈值进行比对；

若所述第三点对集合包含大于预设第二距离阈值的点对，则生成人工检查提示信息，所述人工检查提示信息为提示技术人员进行人工筛选点对的信息。

通过采用上述技术方案，基于筛选结果，确定出除第一点对集合包含的点对以外的点对，即第三点对集合，进一步确定出该类点对对应的距离值；随后，将该类点对对应的距离值与预设第二距离阈值进行对比，当存在该类点对中任一点对对应的距离值大于预设第二距离阈值时，则判定根据平面位置点集确定出的第一点对集合中存在点对配对错误或者点对距离差距较大的情况，随后，生成人工检查提示信息，技术人员基于人工检查提示信息，对当前第一点对集合包含的点云进行直观检查，将配对错误的点对或者点对差距较大的点对剔除，以保证第一点对集合内包含的点对的准确性。

在一种可能的实现方式中，所述基于预先构建的待处理区域点云关系表，对粗配准后的车载点云数据进行分段处理，之前还包括：

获取车辆激光扫描设备的扫描轨迹；

从所述车辆激光扫描设备的扫描轨迹中确定单程扫描区域以及重复扫描区域；

将所述单程扫描区域对应的点云数据剔除；

确定所述重复扫描区域的扫描次数以及所述重复扫描区域对应的点云数据；

根据所述重复扫描区域的扫描次数以及所述重复扫描区域对应的点云数据，构建待处理区域点云关系表。

通过采用上述技术方案，获取车辆激光扫描设备的扫描轨迹，随后，从该扫描轨迹中确定出单程扫描区域以及重复扫描区域，车载点云数据的配准需选取在重复扫描区域内获取的多个点云数据进行配准，因此，将在单程扫描区域获取的点云数据进行剔除，保留重复扫描区域内获取的点云数据；随后，确定出重复扫描区域的扫描次数以及重复扫描区域对应的点云数据，最终由重复扫描区域的扫描次数以及重复扫描区域对应的点云数据，构建待处理区域点云关系表，以在对车载点云数据进行配准处理过程中进行相应处理时，需要所需参数或者将车载点云数据进行分段处理，可直接从待处理区域点云关系表中进行直接调取，无需进行重复计算，从而减小电子设备在对车载点云数据配准时的运算量，提高了车载点云数据的配准速度。

第二方面，本申请提供一种车载激光点云数据配准装置，采用如下的技术方案：

一种车载激光点云数据配准装置，包括：第一点云确定模块、拟合参数计算模块、粗配准模块、第二点云确定模块、转换参数确定模块以及精配准模块，其中，

第一点云确定模块，用于当获取到车载点云数据时，对所述车载点云数据进行处理，基于处理结果，确定杆状物点云和地面点云；

拟合参数计算模块，用于根据所述杆状物点云和所述地面点云，计算点云线性拟合参数；

粗配准模块，用于基于所述点云线性拟合参数，对所述车载点云数据进行粗配准；

第二点云确定模块，用于基于预先构建的待处理区域点云关系表，对粗配准后的车载点云数据进行分段处理，确定多个子车载点云数据；

所述待处理区域点云关系表包含车载点云数据所包含的点与点之间的时间和位置关系；

转换参数确定模块，用于对所述多个子车载点云数据分别进行转换计算，确定多个转换参数；

精配准模块，用于基于所述多个转换参数，对所述多个车载点云数据分别进行分段精配准。

通过采用上述技术方案，在获取到车载点云数据时，对车载点云数据中包含的点进行分析处理，基于处理结果，由第一点云确定模块确定出杆状物点云和地面点云，因杆状物点云和地面点云受环境的影响相对较小，所以拟合参数计算模块通过杆状物点云计算出点云线性拟合参数，由粗配准模块对车载点云数据进行粗配准，之后，第二点云确定模块基于预先构建的待处理区域点云关系表，对进行粗配准后的车载点云数据进行分段处理，确定出多个子车载点云数据，随后，转换参数确定模块将确定出的多个子车载点云数据分别进行转换参数的计算，由精配准模块通过多个转换参数分别对各自对应的子车载点云数据进行精配准处理；借助杆状物点云对于环境的影响较小对车载点云数据进行粗配准，使车载点云数据中包含的具有对应关系的点与点之间距离尽可能的小，随后，通过对粗配准后的车载点云数据进行分段精配准处理；通过粗配准与精配准的分步处理，提高各子车载点云数据精配准的准确性，进而实现了提高车载点云数据配准的精度。

在一种可能的实现方式中，所述拟合参数计算模块，具体还包括：点集确定单元、点对集合确定单元、特征点确定单元、同名点对集合确定模块以及拟合参数确定单元，其中，

点集确定单元，用于若所述杆状物点云为多组，则根据多组所述杆状物点云，确定平面位置点集；

点对集合确定单元，用于对所述平面位置点集包含的点进行筛选，基于筛选结果，确定第一点对集合；

特征点确定单元，用于确定预先构建的待处理区域点云关系表中与所述地面点云对应的点；

同名点对集合确定模块，用于基于所述地面点云以及所述预先构建的待处理区域点云关系表中与所述地面点云对应的点，构建同名点对集合；

拟合参数确定单元，用于根据所述第一点对集合和所述同名点对集合，确定点云线性拟合参数。

在一种可能的实现方式中，所述点对集合确定单元，具体用于：

将所述平面位置点集包含的点与点之间的距离值与预设第一距离阈值进行对比；

由小于预设第一距离阈值对应的点对，构建第二点对集合；

将所述第二点对集合包含的点对进行平差计算和规则化处理，确定第一点对集合。

在一种可能的实现方式中，所述车载激光点云数据配准装置，还包括：矩形框生成模块以及数据点剔除模块，其中，

矩形框生成模块，用于生成多个分段矩形框，

所述多个分段矩形框与所述多个子车载点云数据一一对应；

数据剔除模块，用于将分布在分段矩形框外的子车载点云数据包含的点剔除。

在一种可能的实现方式中，所述车载激光点云数据配准装置，还包括：变换角度确定模块、角度对比模块以及数据点平移模块，其中，

变换角度确定模块，用于确定每个转换参数所包含的变换角度；

所述子车载点云数据与变换角度一一对应；

角度对比模块，用于将每个变换角度与预设角度进行对比；

数据点平移模块，用于将大于预设角度的变换角度所对应的子车载点云数据进行平移。

在一种可能的实现方式中，所述车载激光点云数据配准装置，还包括：点对确定模块、距离值确定模块、距离值对比模块以及提示信息生成模块，其中，

点对确定模块，用于基于筛选结果，确定第三点对集合；

所述第三点对集合为去除第一点对集合后剩余的点对；

距离值确定模块，用于确定所述第三点对集合包含的每组点对对应的距离值；

距离值对比模块，用于将所述第三点对集合包含的每组点对对应的距离值与预设第二距离阈值进行比对；

提示信息生成模块，用于若所述第三点对集合包含大于预设第二距离阈值的点对，则生成人工检查提示信息，所述人工检查提示信息为提示技术人员进行人工筛选点对的信息。

在一种可能的实现方式中，所述车载激光点云数据配准装置，还包括：扫描轨迹获取模块、第一确定模块、点云数据剔除模块、第二确定模块以及数据构建模块，其中，

扫描轨迹获取模块，用于获取车辆激光扫描设备的扫描轨迹；

第一确定模块，用于从所述车辆激光扫描设备的扫描轨迹中确定单程扫描区域以及重复扫描区域；

点云数据剔除模块，用于将所述单程扫描区域对应的点云数据剔除；

第二确定模块，用于确定所述重复扫描区域的扫描次数以及所述重复扫描区域对应的点云数据；

数据构建模块，用于根据所述重复扫描区域的扫描次数以及所述重复扫描区域对应的点云数据，构建待处理区域点云关系表。

第三方面，本申请提供一种电子设备，采用如下的技术方案：

一种电子设备，该电子设备包括：

至少一个处理器；

存储器；

至少一个应用程序，其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置：用于执行上述车载激光点云数据配准的方法。

第四方面，本申请提供一种计算机可读介质，采用如下的技术方案：

一种计算机可读介质，包括：存储有能够被处理器加载并执行上述车载激光点云数据配准方法的计算机程序。

综上所述，本申请包括以下有益技术效果：

在获取到车载点云数据时，对车载点云数据中包含的点进行分析处理，基于处理结果，确定出杆状物点云和地面点云，因杆状物点云以及地面点云受环境的影响相对较小，所以通过杆状物点云以及地面计算出点云线性拟合参数，对车载点云数据进行粗配准，之后，基于预先构建的待处理区域点云关系表，对进行粗配准后的车载点云数据进行分段处理，随后，将确定出的多个子车载点云数据分别进行转换参数的计算，多个转换参数分别对各自对应的子车载点云数据进行精配准处理；借助杆状物点云对于环境的影响较小对车载点云数据进行粗配准，使车载点云数据中包含的具有对应关系的点与点之间距离尽可能的小，随后，通过对粗配准后的车载点云数据进行分段精配准处理；通过粗配准与精配准的分步处理，提高各子车载点云数据精配准的准确性，进而实现了提高车载点云数据配准的精度。

附图说明

图1是本申请实施例车载激光点云数据配准方法的流程示意图；

图2是本申请实施例车载激光点云数据配准系统的流程示意图；

图3是本申请实施例车载激光点云数据配准装置的方框示意图；

图4是本申请实施例电子设备的示意图。

具体实施方式

以下结合附图1-4对本申请作进一步详细说明。

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，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作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。

刚体：是一种有限尺寸，可以忽略形变的固体。

本申请实施例提供了一种车载激光点云数据配准方法，由电子设备执行，其中，该电子设备可以为服务器也可以为终端设备，其中，该服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。终端设备可以是只能手机、平板电脑、笔记本电脑、台式计算机等，但并不局限于此，该终端设备以及服务器可以通过有限或无线通信方式进行直接或间接地链接，本申请实施例在此不做限定。

参照图1，该方法包括：步骤S101、步骤S102、步骤S103以及步骤S104、步骤S105以及步骤S106，其中，

S101、当获取到车载点云数据时，对车载点云数据进行处理，基于出来结果，确定杆状物点云和地面点云。

对于本申请实施例，车载点云数据为待处理区域内进行多次扫描得到的点云数据；车载点云数据为车辆在行驶过程中，对道路两侧的环境扫描的点云数据，其中，包含杆状物点云、建筑物点云、并行车辆点云、路面点云等；在车辆行驶过程中，安装于车辆的激光扫描设备扫描车辆周围的环境，生成车载点云数据；在电子设备获取到该车载点云数据后，对车载点云数据中所包含的点进行位置、方向分析处理，进而确定出杆状物点云和地面点云，将杆状物点云和地面点云作为该车载点云数据后续配准的特征点云。

S102、根据杆状物点云和地面点云，计算点云线性拟合参数。

对于本申请实施例，因杆状物的形状的特点，在对杆状物进行激光扫描时，若存在其他物体的遮挡，如其他车辆等遮挡住激光扫描的路径时，也会扫描到杆状物的一部分，并形成相应的杆状物点云；车辆在路面进行行驶，致使，在车辆进行激光扫描过程中，激光设备与地面之间极少存在遮挡物；致使基于杆状物点云和地面点云对车载点云数据进行配准，可以有效避免激光扫描路径被其他物体所遮挡带来的影响。

车辆每经过一个杆状物时，激光扫描设备生成对应的杆状物点云并发送至电子设备，当车辆多次经过该杆状物时，电子设备会接受到多个对应该杆状物的杆状物点云；电子设备将以该些杆状物点云和地面点云作为对车载点云数据进行粗配准的特征点云；从杆状物点云和地面点云中确定出特征点后，进而基于该特征点计算出点云线性拟合参数，用于对车载点云数据进行粗配准的处理。进一步说明的，在车辆激光扫描区域可以有多个杆状物，针对车辆的激光扫描次数，每个杆状物对应有多个杆状物点云。

S103、基于点云线性拟合参数，对车载点云数据进行粗配准。

对于本申请实施例，电子设备基于多个杆状物点云之间的特征点对应的关系，通过拟合处理，进而确定出针对单个杆状物的点云线性拟合参数；至此，当电子设备确定车车辆行驶过程中的多个杆状物分别对应的点云线性拟合参数后，基于该多个点云线性拟合参数对杆状物点云进行粗配准，进而实现对包含有该多个杆状物点云的车载点云数据进行粗配准，以使车辆对同一区域进行多次扫描而得到的车载点云数据包含的点与点之间的位置关系最大限度的减小。

S104、基于预先构建的待处理区域点云关系表，对粗配准后的车载点云数据进行分段处理，确定多个子车载点云数据。

对于本申请实施例，待处理区域点云关系表包含杆状物点云与杆状物点云之间、杆状物点云与其他物体点云之间、相同物体重复扫描的点与点之间的位置以及时间关系，即车载点云数据所包含的点与点之间的时间和位置关系。

电子设备通过点云线性拟合参数对车载点云数据进行粗配准后，若进一步对车载点云数据进行精配准，则需要提前确定出获取的车载点云数据为刚体，但由于车辆在行驶过程中，在重复行驶路段获取的不同点云数据之间受其他行驶车辆、行人等动态情况的影响，导致在位于同一区域内获得的点云数据不同，即在整个待处理区域内获取的车载点云数据不能认作为刚体；因此在对车载点云数据进行精配准时，无法对整个待测区域内进行统一精配准；不过在获取的车载点云数据中存在一定局部范围对应的点云，如杆状物自身的距离对应的点云，无论是经过多少次重复的点云获取，就该杆状物自身对应的点云并不会发生明显变化，致使，电子设备在确定出粗配准后的车载点云数据后，对车载点云数据进行分段处理，从而得到多个具备刚体性质的子车载点云数据，使用该多个子车载点云数据进行车载点云数据精配准进而能欧提高点云精配准的精度；其中，具体局部范围的设定可根据待测区域的所处地域以及现场环境进行对应设定，如，南方城市道路两侧的建筑以及杆状物的数量要多于北方城市的，所以若对南方城市道路两侧对应的车载点云数据进行的分段处理的局部范围要小于北方城市道路两侧对应的车载点云数据的局部范围。

S105、对多个子车载点云数据分别进行转换计算，确定多个转换参数。

对于本申请实施例，转换参数包含旋转参数和平移参数；将每个子车载点云数据作为一个点云精配准单元，每个子车载点云数据为三维空间点云，受车辆两侧环境的影响或者其他动态物体的影响，重复扫描同一范围而获取的子车载点云数据所包含的点云之间存在一定的角度偏差以及位置偏差，通过对车载点云数据进行多次迭代处理，进而确定出对应子车载点云数据的包含有旋转参数和平移参数的转换参数。

S106、基于多个转换参数，对多个子车载点云数据分别进行分段精配准。

对于本申请实施例，在确定出多个子车载点云数据后，首先对每个子车载点云数据中特征点对应的平面进行无高程约束变换处理，即对特征点对应的平面的点云进行多次迭代处理，计算出该平面对应的包含旋转和平移的转换参数，基于特征点对应的平面确定的转换参数进行配准处理；之后，电子设备将通过特征点对应的平面确定的转换参数进行配准的子车载点云数据进行高程约束的变换处理，以得到特征点对应的平面以外的点云的包含旋转和平移的转换参数，基于进行高程约束的变换处理得到的转换参数对子车载点云数据进行三维点云配准处理；通过二维点云配准处理以及三维点云配准处理从而进一步提高了车载点云数据的配准精度。

本申请实施例提供了一种车载激光点云数据配准方法，电子设备在获取到车载点云数据时，对车载点云数据中包含的点的位置以及时间进行相应分析处理，基于处理的结果，进一步确定出杆状物点云和地面点云，因杆状物点云和地面点云受环境的影响相对较小，所以通过杆状物点云计算出点云线性拟合参数，对车载点云数据进行粗配准，之后，电子设备基于预先构建的待处理区域点云关系表，对进行粗配准后的车载点云数据进行分段处理，随后电子设备将确定出的多个子车载点云数据分别进行转换计算，确定每个子车载点云数据对应的转换参数；随后，基于多个转换参数对子车载点云数据进行精配准；基于杆状物点云，使车载点云数据中包含的具有对应关系的点与点之间距离尽可能的小，通过对粗配准后的车载点云数据进行分段精配准处理，提高各子车载点云数据精配准的准确性，进而实现了提高车载点云数据配准的精度。

在步骤S102，若杆状物点云为多组，则根据杆状物点云和地面点云，计算点云线性拟合参数中，具体包括：根据多组杆状物点云和地面点云，确定平面位置点集；对平面位置点集包含的点进行筛选，基于筛选结果，确定第一点对集合；确定预先构建的待处理区域点云关系表中与地面点云对应的点；基于地面点云以及预先构建的待处理区域点云关系表中与地面点云对应的点，构建同名点对集合；根据第一点对集合和同名点对集合，确定点云线性拟合参数。

对于本申请实施例，点云线性拟合参数包含平面拟合参数以及高程拟合参数；地面点云为激光扫描设备扫描车辆行驶最下方区域而获取的点云数据；电子设备对从车载点云数据中获取的杆状物点云进行时间排序，选取杆状物点云的中间点的时间作为当前杆状物的时间，将该时间点的杆状物包含的点云通过RANSAC（Random SAmple Consensus）算法拟合出该杆状点云的中心点，由于车辆多次扫描该杆状物，得到该杆状物对应的多组杆状物点云，每个杆状物点云确定出对应的杆状物点云对应的中心点，进而由多组杆状物点云分别对应的中心点构建出平面位置点集；由于受车道两侧环境的影响，车辆扫描出的多组杆状物点云之间存在一定位置差异，即杆状物的某一位置对应的多个杆状物点云的点在位置上存在偏差，甚至出现某一杆状物点云中未包含该杆状物的某一位置的点；因此电子设备进一步对得到的平面位置点集进行拟合计算出的中心点也会存在一定差异，例如，受车辆行驶震动或者杆状物被动态物体遮挡的影响，通过对得到的杆状物点云确定出的平面位置点集将会存在差异；致使为了能够去除该情况下对后续点云配准的影响，电子设备进一步对平面位置点集内包含的点进行筛选，筛选结果中包含距离差距很小的点对，也包含未存在距离对应关系的独立的点，基于筛选结果，电子设备确定出距离差距较小的点对，并构建第一点对集合。同时，电子设备基于地面点云包含的点与点之间的对应关系，从预先构建的待处理区域点云关系表中确定出与地面点云包含的点对应的点；之后，电子设备将地面点云包含的点与确定出的待处理区域点云关系表中的点进行配对，由配对成功的点对构建同名点对集合；随后，电子设备通过对第一点对集合内包含的点对以及同名点对集合包含的点对进行计算，进而确定出包含有平面拟合参数和高程拟合参数的点云线性拟合参数。

具体地，对平面位置点集包含的点进行筛选，基于筛选结果，确定第一点对集合，具体包括：将平面位置点集包含的点与点之间的距离值与预设第一距离阈值进行对比；由小于预设第一距离阈值对应的点对，构建第二点对集合；将第二点对集合包含的点对进行平差计算和规则化处理，确定第一点对集合。

对于本申请实施例，平面位置点集包含有点以及点与点之间距离值，为了能够确定出平面位置点集中存在距离对应关系的点对，电子设备预设有第一距离阈值；电子设备将平面位置点集包含的点与点之间的距离值与预设第一距离阈值进行对比，当存在点与点之间的距离值小于预设第一距离阈值时，则将该两个点定义为同名点对，随后电子设备将所有满足小于预设第一距离阈值的点对构建成第二点对集合；在第二点对集合中，存在定义错误的同名点对，即点对的每个点表征的杆状物不同，例如，环境中相邻两个杆状物之间的距离很近，经过对相邻两个杆状物对应的点云进行处理确定出的两个点，尽管该两个点之间的距离值小于预设第一距离阈值，但所表征不同的杆状物，致使该两个点无法定义为同名点对；因此为了将第二点对集合中的该类点对进行剔除，电子设备对第二点对集合中包含的点对进行平差计算，进而确定出第二点对集合包含的点对对应的平差参数，随后电子设备对满足平差参数的点对进行规则化处理，确定出均匀分布的点对，进而确定出第一点对集合。

具体地，对平面位置点集包含的点进行筛选，基于筛选结果，确定第一点对集合，之后还包括：基于筛选结果，确定第三点对集合；确定第三点对集合包含的每组点对对应的距离值；将第三点对集合包含的每组点对对应的距离值与预设第二距离阈值进行比对；若第三点对集合包含大于预设第二距离阈值的点对，则生成人工检查提示信息。

对于本申请实施例，人工检查提示信息为提示技术人员进行人工筛选点对的信息；第三点对集合为去除第一点对集合后剩余的点对；电子设备内部预设有第二距离阈值；在电子设备基于对平面位置点集包含的点的筛选的结果，确定出第一点对集合后，为了保证第一点对集合中包含的点对之间相互对应的准确性，电子设备确定出除第一点对集合包含的点对以外的点对，进一步确定出该类点对对应的距离值；随后，电子设备将该类点对对应的距离值与预设第二距离阈值进行对比，当存在该类点对中任一点对对应的距离值大于预设第二距离阈值时，则判定根据平面位置点集确定出的第一点对集合中存在点对配对错误或者点对距离差距较大的情况，为了能够准确的通过第一点对集合包含的点对进行后续点云配准，电子设备则生成人工检查提示信息，技术人员基于人工检查提示信息，对当前第一点对集合包含的点云进行直观检查，将配对错误的点对或者点对差距较大的点对剔除，以保证第一点对集合内包含的点对的准确性。

具体地，为了能够减小配准过程中的运算量，在基于预先构建的待处理区域点云关系表，对粗配准后的车载点云数据进行分段处理，之前还包括：获取车辆激光扫描设备的扫描轨迹；从车辆激光扫描设备的扫描轨迹中确定单程扫描区域以及重复扫描区域；将单程扫描区域对应的点云数据剔除；确定重复扫描区域的扫描次数以及重复扫描区域对应的点云数据；根据重复扫描区域的扫描次数以及重复扫描区域对应的点云数据，构建待处理区域点云关系表。

对于本申请实施例，电子设备通过车辆定位设备获取车辆本次运行轨迹，继而确定出车辆激光扫描设备的扫描轨迹，随后，电子设备从该扫描轨迹中确定出单程扫描区域以及重复扫描区域，车载点云数据的配准需选取在重复扫描区域内获取的多个点云数据进行配准，因此，电子设备则将在单程扫描区域获取的点云数据进行剔除，保留重复扫描区域内获取的点云数据；随后，电子设备根据车辆定位设备确定出重复扫描区域的扫描次数，并基于获取到的每个点的位置信息进而确定出重复扫描区域对应的点云数据，最终电子设备由重复扫描区域的扫描次数以及重复扫描区域对应的点云数据，构建待处理区域点云关系表，其中待处理区域点云关系表包括单趟扫描获取的点云数据与单趟扫描获取的点云数据之间的时间以及位置关系，还包括单趟扫描获取的点云数据内的点与点之间的时间以及位置关系；电子设备在对车载点云数据进行配准处理过程中进行相应处理时，需要所需参数或者将车载点云数据进行分段处理，例如点与点之间位置关系或者时间关系时，可直接从待处理区域点云关系表中进行直接调取，无需进行重复计算，从而减小电子设备在对车载点云数据配准时的运算量，提高了车载点云数据的配准速度。

步骤S104中的确定多个子车载点云数据，之后还包括：生成多个分段矩形框；将分布在分段矩形框外的子车载点云数据包含的点剔除。

对于本申请实施例，多个分段矩形框与多个子车载点云数据一一对应；在车辆多趟扫描过程中获取的车载点云数据中，距离车辆较近获取的点更能反映车道两侧环境的真实性，而距离车辆较远获取的点受环境以及激光扫描设备自身的影响，出现错误的概率就会越高，因此，电子设备在确定多个子车载点云数据后，对应每个子车载点云数据生成一个分段矩形框，在对每个子车载点云数据进行点云配准时，首先将分布在分段矩形框外的子车载点云数据包含的点剔除，继而确定出分布在对应分段矩形框内的点云数据，以提高对子车载点云数据进行配准的准确性；其中，分段矩形框基于车辆的行驶方向进行设置，分段矩形框的大小可根据车道两侧的具体环境进行相应设置。

在步骤S105中，对多个子车载点云数据分别进行转换计算，确定多个转换参数，之后还包括：确定每个转换参数所包含的变换角度，子车载点云数据与变换角度一一对应；将每个变换角度与预设角度进行对比；将大于预设角度的变换角度所对应的子车载点云数据进行平移。

对于本申请实施例，电子设备对分段处理确定出的多个子车载点云数据分别进行转换计算，确定出每个子车载点云数据对应的包变换角度以及平移参数的变换参数；通常情况下，对同一区域环境扫描获取的多个点云数据之间，点云数据中包含的点从角度以及位置上，不会存在较大的差距，但存在电子设备计算出的子车载点云数据的转换参数中包含的变换角度存在数值较大的情况，在该情况下，则可以为电子设备计算错误，若不将该计算错误的情况进行剔除，将会对后续的子车载点云数据配准的结果造成很大影响，因此，电子设备内部预设角度，当电子设备确定出每个子车载点云数据对应的转换参数后，确定出转换参数中所包含的变换角度，随后，电子设备将确定出的变换角度与预设角度进行对比，当某一变换角度大于预设角度时，则判定电子设备计算错误，此时，电子设备则将大于预设角度的变换角度对应的子车载点云数据跳过角度变换的过程，直接根据转换参数包含的平移参数进行平移处理，从而减小了因计算错误而导致降低最终车载点云数据精配准的准确性的情况发生。

上述实施例介绍了车载激光点云数据配准的具体流程，下述实施例接受一种车载点云数据配准系统，参照图2，首先获取重复区域对应的车载点云数据；之后，从该车载点云数据中获取到所包含的杆状物点云和地面点云，将杆状物点云以及地面点云作为特征点云进行平差计算，进而确定出特征点对，随后，对确定出的特征点对进行规则化处理，确定出均匀分布的特征点对对车载点云数据进行粗配准处理，在进行配准时，对不满足条件而剔除的特征点对对应的距离值与预设距离阈值进行判断，若距离值大于距离阈值时，则表明参与到配准的特征点对中包含有配对错误的点对，此时，则转移至人工检查处理，待将配对错误的特征点对去除后，对车载点云数据进行粗配准，之后，将进行粗配准之后的车载点云数据进行多次迭代处理，进行精配准处理。

上述实施例从方法流程的角度介绍一种车载激光点云数据配准的方法，下述实施例从虚拟模块或者虚拟单元的角度介绍了一种车载激光点云数据配准的装置，具体详见下述实施例。

如图3所示，车载激光点云数据配准装置300具体可以包括：第一点云确定模块301、拟合参数计算模块302、粗配准模块303、第二点云确定模块304、转换参数确定模块305以及精配准模块306，其中，

第一点云确定模块301，用于当获取到车载点云数据时，对车载点云数据进行处理，基于处理结果，确定杆状物点云和地面点云；

拟合参数计算模块302，用于根据杆状物点云和地面点云，计算点云线性拟合参数；

粗配准模块303，用于基于点云线性拟合参数，对车载点云数据进行粗配准；

第二点云确定模块304，用于基于预先构建的待处理区域点云关系表，对粗配准后的车载点云数据进行分段处理，确定多个子车载点云数据；

待处理区域点云关系表包含车载点云数据所包含的点与点之间时间和位置关系；

转换参数确定模块305，用于对多个子车载点云数据分别进行转换计算，确定多个转换参数；

精配准模块306，用于基于多个转换参数，对多个车载点云数据分别进行分段精配准。

本申请实施例的一种可能的实现方式，拟合参数计算模块302，具体还包括：点集确定单元、点对集合确定单元、特征点确定单元、同名点对集合确定模块以及拟合参数确定单元，其中，

点集确定单元，用于若杆状物点云为多组，则根据多组杆状物点云，确定平面位置点集；

点对集合确定单元，用于对平面位置点集包含的点进行筛选，基于筛选结果，确定第一点对集合；

特征点确定单元，用于确定预先构建的待处理区域点云关系表中与地面点云对应的点；

同名点对集合确定模块，用于基于地面点云以及预先构建的待处理区域点云关系表中与地面点云对应的点，构建同名点对集合；

拟合参数确定单元，用于根据第一点对集合和同名点对集合，确定点云线性拟合参数。

本申请实施例的一种可能的实现方式，点对集合确定单元，具体用于：

将平面位置点集包含的点与点之间的距离值与预设第一距离阈值进行对比；

由小于预设距离阈值对应的点对，构建第二点对集合；

将第二点对集合包含的点对进行平差计算和规则化处理，确定第一点对集合。

本申请实施例的一种可能的实现方式，车载激光点云数据配准装置300，还包括：矩形框生成模块以及数据点剔除模块，其中，

矩形框生成模块，用于生成多个分段矩形框，多个分段矩形框与多个子车载点云数据一一对应；

数据剔除模块，用于将分布在分段矩形框外的子车载点云数据包含的点剔除。

本申请实施例的一种可能的实现方式，车载激光点云数据配准装置300，还包括：变换角度确定模块、角度对比模块以及数据点平移模块，其中，

变换角度确定模块，用于确定每个转换参数所包含的变换角度；

子车载点云数据与变换角度一一对应；

角度对比模块，用于将每个变换角度与预设角度进行对比；

数据点平移模块，用于将大于预设角度的变换角度所对应的子车载点云数据进行平移。

本申请实施例的一种可能的实现方式，车载激光点云数据配准装置300，还包括：点对确定模块、距离值确定模块、距离值对比模块以及提示信息生成模块，其中，

点对确定模块，用于基于筛选结果，确定第三点对集合；

第三点对集合为去除第一点对集合后剩余的点对；

距离值确定模块，用于确定第三点对集合包含的每组点对对应的距离值；

距离值对比模块，用于将第三点对集合包含的每组点对对应的距离值与预设第二距离阈值进行比对；

提示信息生成模块，用于若第三点对集合包含大于预设第二距离阈值的点对，则生成人工检查提示信息，人工检查提示信息为提示技术人员进行人工筛选点对的信息。

本申请实施例的一种可能的实现方式，车载激光点云数据配准装置300，还包括：扫描轨迹获取模块、第一确定模块、点云数据剔除模块、第二确定模块以及数据构建模块，其中，

扫描轨迹获取模块，用于获取车辆激光扫描设备的扫描轨迹；

第一确定模块，用于从车辆激光扫描设备的扫描轨迹中确定单程扫描区域以及重复扫描区域；

点云数据剔除模块，用于将单程扫描区域对应的点云数据剔除；

第二确定模块，用于确定重复扫描区域的扫描次数以及重复扫描区域对应的点云数据；

数据构建模块，用于根据重复扫描区域的扫描次数以及重复扫描区域对应的点云数据，构建待处理区域点云关系表。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请实施例还从实体装置的角度介绍了一种电子设备，如图4所示，图4所示的电子设备400包括：处理器401和存储器403。其中，处理器401和存储器403相连，如通过总线402相连。可选地，电子设备400还可以包括收发器404。需要说明的是，实际应用中收发器404不限于一个，该电子设备400的结构并不构成对本申请实施例的限定。

处理器401可以是CPU（Central Processing Unit，中央处理器），通用处理器，DSP（Digital Signal Processor，数据信号处理器），ASIC（Application SpecificIntegrated Circuit，专用集成电路），FPGA（Field Programmable Gate Array，现场可编程门阵列）或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器401也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。

总线402可包括一通路，在上述组件之间传送信息。总线402可以是PCI（Peripheral Component Interconnect，外设部件互连标准）总线或EISA（ExtendedIndustry Standard Architecture，扩展工业标准结构）总线等。总线402可以分为地址总线、数据总线、控制总线等。为便于表示，图4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。

存储器403可以是ROM（Read Only Memory，只读存储器）或可存储静态信息和指令的其他类型的静态存储设备，RAM（Random Access Memory，随机存取存储器）或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM（Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器）、CD-ROM（Compact DiscRead Only Memory，只读光盘）或其他光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。

存储器403用于存储执行本申请方案的应用程序代码，并由处理器401来控制执行。处理器401用于执行存储器403中存储的应用程序代码，以实现前述方法实施例所示的内容。

应该理解的是，虽然附图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，附图的流程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。

以上仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (10)

1.一种车载激光点云数据配准方法，其特征在于，包括：

当获取到车载点云数据时，对所述车载点云数据进行处理，基于处理结果，确定杆状物点云和地面点云；

根据所述杆状物点云和所述地面点云，计算点云线性拟合参数；

基于所述点云线性拟合参数，对所述车载点云数据进行粗配准；

基于预先构建的待处理区域点云关系表，对粗配准后的车载点云数据进行分段处理，确定多个子车载点云数据，所述待处理区域点云关系表包含车载点云数据所包含的点与点之间的时间和位置关系；

对所述多个子车载点云数据分别进行转换计算，确定多个转换参数；

基于所述多个转换参数，对所述多个子车载点云数据分别进行分段精配准。

2.根据权利要求1所述的方法，其特征在于，若所述杆状物点云为多组，则所述根据所述杆状物点云和所述地面点云，计算点云线性拟合参数，包括：

根据多组所述杆状物点云，确定平面位置点集；

对所述平面位置点集包含的点进行筛选，基于筛选结果，确定第一点对集合；

确定预先构建的待处理区域点云关系表中与所述地面点云对应的点；

基于所述地面点云以及所述预先构建的待处理区域点云关系表中与所述地面点云对应的点，构建同名点对集合；

根据所述第一点对集合和所述同名点对集合，确定点云线性拟合参数。

3.根据权利要求2所述的方法，其特征在于，所述对所述平面位置点集包含的点进行筛选，基于筛选结果，确定第一点对集合，包括：

将所述平面位置点集包含的点与点之间的距离值与预设第一距离阈值进行对比；

由小于预设第一距离阈值对应的点对，构建第二点对集合；

将所述第二点对集合包含的点对进行平差计算和规则化处理，确定第一点对集合。

4.根据权利要求1所述的方法，其特征在于，所述确定多个子车载点云数据，之后还包括：

生成多个分段矩形框，所述多个分段矩形框与所述多个子车载点云数据一一对应；

将分布在分段矩形框外的子车载点云数据包含的点剔除。

5.根据权利要求1所述的方法，其特征在于，所述对所述多个子车载点云数据分别进行转换计算，确定多个转换参数，之后还包括：

确定每个转换参数所包含的变换角度；所述子车载点云数据与变换角度一一对应；

将每个变换角度与预设角度进行对比；

将大于预设角度的变换角度所对应的子车载点云数据进行平移。

6.根据权利要求2所述的方法，其特征在于，所述对所述平面位置点集包含的点进行筛选，基于筛选结果，确定第一点对集合，之后还包括：

基于筛选结果，确定第三点对集合，所述第三点对集合为去除第一点对集合后剩余的点对；

确定所述第三点对集合包含的每组点对对应的距离值；

将所述第三点对集合包含的每组点对对应的距离值与预设第二距离阈值进行比对；

若所述第三点对集合包含大于预设第二距离阈值的点对，则生成人工检查提示信息，所述人工检查提示信息为提示技术人员进行人工筛选点对的信息。

7.根据权利要求1所述的方法，其特征在于，所述基于预先构建的待处理区域点云关系表，对粗配准后的车载点云数据进行分段处理，之前还包括：

获取车辆激光扫描设备的扫描轨迹；

从所述车辆激光扫描设备的扫描轨迹中确定单程扫描区域以及重复扫描区域；

将所述单程扫描区域对应的点云数据剔除；

确定所述重复扫描区域的扫描次数以及所述重复扫描区域对应的点云数据；

根据所述重复扫描区域的扫描次数以及所述重复扫描区域对应的点云数据，构建待处理区域点云关系表。

8.一种车载激光点云数据配准装置，其特征在于，包括：

第一点云确定模块，用于当获取到车载点云数据时，对所述车载点云数据进行处理了，基于处理结果，确定杆状物点云和地面点云；

拟合参数计算模块，用于根据所述杆状物点云和所述地面点云，计算点云线性拟合参数；

粗配准模块，用于基于所述点云线性拟合参数，对所述多个子车载点云数据分别进行粗配准；

第二点云确定模块，用于基于预设构建的待处理区域点云关系表，对粗配准后的车载点云数据进行分段处理，确定多个子车载点云数据；

转换参数确定模块，用于对所述多个子车载点云数据分别进行转换计算，确定多个转换参数；

精配准模块，用于基于所述多个转换参数，对所述粗配准后的车载点云数据进行分段精配准。

9.一种电子设备，其特征在于，该电子设备包括：

至少一个处理器；

存储器；

至少一个应用程序，其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置：用于执行权利要求1～7任一项所述的车载激光点云数据配准方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，当所述计算机程序在计算机中执行时，令所述计算机执行权利要求1～7任一项所述的车载激光点云数据配准方法。

Images