CN115661220B - 点云数据配准方法、装置、设备及存储介质 - Google Patents
点云数据配准方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115661220B CN115661220B CN202211688745.2A CN202211688745A CN115661220B CN 115661220 B CN115661220 B CN 115661220B CN 202211688745 A CN202211688745 A CN 202211688745A CN 115661220 B CN115661220 B CN 115661220B
- Authority
- CN
- China
- Prior art keywords
- plane
- point cloud
- target
- cloud data
- preset
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种点云数据配准方法、装置、设备及存储介质，属于点云配准技术领域。本发明在激光雷达运行时，获取激光雷达采集的参考点云数据和目标点云数据；通过特征提取算法分别对参考点云数据和目标点云数据提取平面特征，得到参考平面特征和目标平面特征；通过预设平面参数分别对参考平面特征和目标平面特征进行划分，得到第一数量的参考平面组和第二数量的目标平面组；基于第一数量的参考平面组和第二数量的目标平面组得到预设数量的同名平面组；基于预设数量的同名平面组的法向量计算配准参数；通过配准参数对所参考点云数据和目标点云数据进行配准，将海量点云的配准转换为少量同名平面的配准，简化配准计算过程并提高配准的准确性。
Description
技术领域
本发明涉及点云配准技术领域，尤其涉及一种点云数据配准方法、装置、设备及存储介质。
背景技术
由于激光雷达点云数据的特性，同名点特征的查找十分困难，在点云数据的配准和航带间误差的校验中，一般使用近似同名点来作为连接特征，随着技术的进步，为了提高点云数据应用的精度，相关技术研究采用的同名特征逐渐转向建筑物场景中的平面特征以及道路边界线等特征。
现有技术中的点云配准方法主要是基于几何特征的配准算法，采用这些特征作为配准基元无需初始位置，适合对自由曲面点云配准，但在结构复杂的建筑物场景中容易出现误匹配现象，导致匹配结果不够准确。
发明内容
本发明的主要目的在于提供一种点云数据配准方法、装置、设备及存储介质，旨在解决现有技术点云配准结果不够准确的技术问题。
为实现上述目的，本发明提供了一种点云数据配准方法，所述方法包括以下步骤:
在激光雷达运行时，获取激光雷达采集的参考点云数据和目标点云数据，所述参考点云数据为第一采集站点采集的数据，所述目标点云数据为第二采集站点采集的数据，所述第一采集站点与所述第二采集站点位置不同；
通过特征提取算法分别对所述参考点云数据和所述目标点云数据提取平面特征，得到参考平面特征和目标平面特征；
通过预设平面参数分别对所述参考平面特征和所述目标平面特征进行划分，得到第一数量的参考平面组和第二数量的目标平面组，其中，每组参考平面组中的点或每组目标平面组中的点属于同一平面；
基于所述第一数量的参考平面组和所述第二数量的目标平面组得到预设数量的同名平面组；
基于预设数量的同名平面组的法向量计算配准参数；
通过所述配准参数对所参考点云数据和所述目标点云数据进行配准。
可选地，所述预设平面参数包括第一平面法向量和第二平面法向量；
所述通过预设平面参数分别对所述参考平面特征和所述目标平面特征进行划分，得到第一数量的参考平面组和第二数量的目标平面组，包括：
获取所述第一平面法向量中第一法向量夹角数据和所述第二平面法向量中第二法向量夹角数据；
将所述第一法向量夹角数据和所述第二法向量夹角数据分别与预设夹角阈值进行比较；
将第一法向量夹角数据中法向量夹角小于所述预设夹角阈值对应的参考平面特征划分为一组，得到第一数量的参考平面组；
将第二法向量夹角数据中法向量夹角小于所述预设夹角阈值对应的目标平面特征划分为一组，得到第二数量的目标平面组。
可选地，所述通过预设平面参数分别对所述参考平面特征和所述目标平面特征进行划分，得到第一数量的参考平面组和第二数量的目标平面组之前，还包括：
获取参考点云数据的参考点数量和参考点坐标以及目标点云数据的目标点数量和目标点坐标；
通过所述参考点数量和所述参考点坐标计算参考点云质心，并通过所述目标点数量和所述目标点坐标计算目标点云质心；
通过所述参考点云质心和所述参考点数量计算参考点云数据的第一协方差矩阵，并通过所述目标点云质心和所述目标点数量计算目标点云数据的第二协方差矩阵；
对所述第一协方差矩阵和所述第二协方差矩阵分别进行奇异值分解，得到第一协方差矩阵的第一特征向量以及第二协方差矩阵的第二特征向量；
通过所述第一特征向量得到第一特征向量矩阵以及通过所述第二特征向量得到第二特征向量矩阵；
根据所述第一特征向量矩阵得到参考点云的主成分方向以及根据所述第二特征向量矩阵得到目标点云的主成分方向；
将参考点云的主成分方向作为参考点云平面的长和宽方向，并将目标点云的主成分方向作为目标点云平面的长和宽方向；
根据所述参考点云的长和宽方向将所述参考点云数据投影至平面，得到第一外接矩形，将所述第一外接矩形作为第一平面单元；
根据所述目标点云的长和宽方向将所述目标点云数据投影至平面，得到第二外接矩形，将所述第二外接矩形作为第二平面单元；
基于所述第一平面单元得到第一平面法向量，基于所述第二平面单元得到第二平面法向量；
根据所述第一平面法向量和所述第二平面法向量计算第一点云面积和第二点云面积。
可选地，所述根据所述第一平面法向量和所述第二平面法向量计算第一点云面积和第二点云面积，包括：
获取所述第一平面法向量与预设坐标轴之间的第一夹角以及第二平面法向量与预设坐标轴之间的第二夹角；
将所述参考点云数据中的参考点投影到平面上，得到投影点在第一横坐标方向的平均间隔和投影点在第一纵坐标方向的平均间隔；
将所述目标点云数据中的目标点投影到平面上，得到投影点在第二横坐标方向的平均间隔和投影点在第二纵坐标方向的平均间隔；
根据投影点在第一横坐标方向的平均间隔和投影点在第一纵坐标方向的平均间隔得到第一面积微元；
根据投影点在第二横坐标方向的平均间隔和投影点在第二纵坐标方向的平均间隔得到第二面积微元；
通过所述第一面积微元、所述第一夹角以及所述参考点数量计算第一点云面积；
通过所述第二面积微元、所述第二夹角以及所述目标点数量计算第二点云面积。
可选地，基于所述第一数量的参考平面组和所述第二数量的目标平面组得到预设数量的同名平面组，包括：
计算各参考平面组中第一法向量夹角数据中的法向量夹角与各目标平面组中第二法向量夹角数据中法向量夹角的夹角差值数据；
将所述夹角差值数据与预设差值阈值进行比较；
在所述夹角差值数据中的夹角差值小于所述预设差值阈值时，获取夹角差值小于所述预设差值阈值对应的参考平面和目标平面；
获取夹角差值小于所述预设差值阈值对应的参考平面的第一点云面积和目标平面的第二点云面积；
计算所述参考平面对应的第一点云面积和所述目标平面对应的第二点云面积的第一面积差；
将所述第一面积差与预设面积阈值进行比较；
在所述第一面积差小于所述预设面积阈值时，将对应的参考平面和目标平面作为同名平面，得到预设数量的同名平面组。
可选地，所述将所述第一面积差与预设面积阈值进行比较之后，还包括：
在所述第一面积差大于等于所述预设面积阈值时，计算所述参考平面组和所述目标平面组之间的参考旋转矩阵；
通过所述参考旋转矩阵对所述目标平面组进行变换，得到变换目标平面组；
计算所述变换目标平面组对应第二点云面积与所述参考平面组对应的第一点云面积之间的第二面积差；
在所述第二面积差小于所述预设面积阈值时，将所述第一点云面积对应的参考平面和所述第二点云面积对应的变换目标平面作为同名平面，得到预设数量的同名平面组。
可选地，所述基于预设数量的同名平面组的法向量计算配准参数，包括：
通过预设数量的同名平面组的法向量得到第一外接矩形的第一几何中心数据和第二外接矩形的第二几何中心数据；
将所述第一几何中心数据作为第一数量的参考平面组的几何中心；
将所述第二几何中心数据作为第二数量的目标平面组的几何中心；
通过第一数量的参考平面组的几何中心得到预设数量的参考平面组的几何中心，并通过第二数量的目标平面组的几何中心得到预设数量的目标平面组的几何中心；
以参考平面组的几何中心作为起点，目标平面组的几何中心作为终点，得到预设数量的矢量值；
在所述预设数量的矢量值相等时，计算所述同名平面组的旋转矩阵和平移向量；
根据所述旋转矩阵得到旋转参数；
根据所述旋转参数和所述平移向量得到配准参数。
此外，为实现上述目的，本发明还提出一种点云数据配准装置，所述点云数据配准装置包括：
获取模块，用于在激光雷达运行时，获取激光雷达采集的参考点云数据和目标点云数据，所述参考点云数据为第一采集站点采集的数据，所述目标点云数据为第二采集站点采集的数据，所述第一采集站点与所述第二采集站点位置不同；
提取模块，用于通过特征提取算法分别对所述参考点云数据和所述目标点云数据提取平面特征，得到参考平面特征和目标平面特征；
划分模块，用于通过预设平面参数分别对所述参考平面特征和所述目标平面特征进行划分，得到第一数量的参考平面组和第二数量的目标平面组，其中，每组参考平面组中的点或每组目标平面组中的点属于同一平面；
所述获取模块，还用于基于所述第一数量的参考平面组和所述第二数量的目标平面组得到预设数量的同名平面组；
计算模块，用于基于预设数量的同名平面组的法向量计算配准参数；
配准模块，用于通过所述配准参数对所参考点云数据和所述目标点云数据进行配准。
此外，为实现上述目的，本发明还提出一种点云数据配准设备，所述点云数据配准设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的点云数据配准程序，所述点云数据配准程序配置为实现如上文所述的点云数据配准方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有点云数据配准程序，所述点云数据配准程序被处理器执行时实现如上文所述的点云数据配准方法的步骤。
本发明在激光雷达运行时，获取激光雷达采集的参考点云数据和目标点云数据，所述参考点云数据为第一采集站点采集的数据，所述目标点云数据为第二采集站点采集的数据，所述第一采集站点与所述第二采集站点位置不同；通过特征提取算法分别对所述参考点云数据和所述目标点云数据提取平面特征，得到参考平面特征和目标平面特征；通过预设平面参数分别对所述参考平面特征和所述目标平面特征进行划分，得到第一数量的参考平面组和第二数量的目标平面组，其中，每组参考平面组中的点或每组目标平面组中的点属于同一平面；基于所述第一数量的参考平面组和所述第二数量的目标平面组得到预设数量的同名平面组；基于预设数量的同名平面组的法向量计算配准参数；通过所述配准参数对所述参考点云数据和所述目标点云数据进行配准，将海量点云的配准转换为少量同名平面的配准，简化配准计算过程并提高配准的准确性。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的点云数据配准设备的结构示意图；
图2为本发明点云数据配准方法第一实施例的流程示意图；
图3为本发明点云数据配准方法一实施例中对目标点云平面进行旋转变换后与参考点云平面组成的向量示意图；
图4为本发明点云数据配准方法一实施例中点云数据配准的整体流程示意图；
图5为本发明点云数据配准方法第二实施例的流程示意图；
图6为本发明点云数据配准方法一实施例中平面的单位法向量在单位球体表面的分布示意图；
图7为本发明点云数据配准方法第三实施例的流程示意图；
图8为本发明点云数据配准方法一实施例中点云面积计算原理图；
图9为本发明点云数据配准方法第四实施例的流程示意图；
图10为本发明点云数据配准装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的点云数据配准设备结构示意图。
如图1所示，该点云数据配准设备可以包括：处理器1001，例如中央处理器（Central Processing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（Wireless-Fidelity，Wi-Fi）接口）。存储器1005可以是高速的随机存取存储器（RandomAccess Memory，RAM），也可以是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对点云数据配准设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及点云数据配准程序。
在图1所示的点云数据配准设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明点云数据配准设备中的处理器1001、存储器1005可以设置在点云数据配准设备中，所述点云数据配准设备通过处理器1001调用存储器1005中存储的点云数据配准程序，并执行本发明实施例提供的点云数据配准方法。
本发明实施例提供了一种点云数据配准方法，参照图2，图2为本发明点云数据配准方法第一实施例的流程示意图。
本实施例中，所述点云数据配准方法包括以下步骤：
步骤S10：在激光雷达运行时，获取激光雷达采集的参考点云数据和目标点云数据，所述参考点云数据为第一采集站点采集的数据，所述目标点云数据为第二采集站点采集的数据，所述第一采集站点与所述第二采集站点位置不同。
需要说明的是，本实施例的执行主体为点云数据配准设备，还可为其他可实现相同或相似功能的设备，本实施例以点云数据配准设备为例进行说明。
应理解的是，当激光雷达运行时，激光雷达对点云数据进行采集，参考点云数据指的是第一采集站点采集的数据，目标点云数据指的是第二采集站点采集的数据，第一采集站点和第二采集站点的位置不同，通过第一采集站点和第二采集站点采集的点云数据，从而得到参考点云数据和目标点云数据。
步骤S20：通过特征提取算法分别对所述参考点云数据和所述目标点云数据提取平面特征，得到参考平面特征和目标平面特征。
在本实施例中，当得到参考点云数据和目标点云数据后，可通过特征提取算法分别对参考点云数据和目标点云数据提取平面特征，从而得到参考平面特征和目标平面特征。特征提取算法可为RANSAC（Random Sample Consensus，随机采样一致性）算法，还可为其他特征提取算法，本实施例对此不加以限定，本实施例以RANSAC算法为例进行说明。通过采用随机采样一致性算法对参考点云数据和目标点云数据提取平面特征，得到参考平面特征和目标平面特征。
步骤S30：通过预设平面参数分别对所述参考平面特征和所述目标平面特征进行划分，得到第一数量的参考平面组和第二数量的目标平面组，其中，每组参考平面组中的点或每组目标平面组中的点属于同一平面。
需要说明的是，预设平面参数可为平面法向量参数、点云面积参数等，本实施例对此不作限制，通过预设平面参数分别对参考平面特征和目标平面特征进行特征划分，从而将特征相似或相同的参考平面划分为一组，得到第一数量的参考平面组，并将特征相似或相同的目标平面划分为一组，得到第二数量的目标平面组。每组参考平面组中的点属于同一个平面，每组目标平面组中的点属于同一个平面。例如预设平面参数为平面法向量参数，将法向量参数中法向量夹角中小于预设的夹角预置划分为同一个平面组。
步骤S40：基于所述第一数量的参考平面组和所述第二数量的目标平面组得到预设数量的同名平面组。
应理解的是，当得到第一数量的参考平面组和第二数量的目标平面组后，可以第一数量的参考平面组和第二数量的目标平面组中的夹角和平面的面积为约束进行划分，筛选得到预设数量的同名平面组。
步骤S50：基于预设数量的同名平面组的法向量计算配准参数。
在本实施例中，当得到预设数量的同名平面组后，可获取预设数量的同名平面组的法向量，从而可计算配准参数。
具体地，基于预设数量的同名平面组的法向量计算配准参数的步骤具体包括：通过预设数量的同名平面组的法向量得到第一外接矩形的第一几何中心数据和第二外接矩形的第二几何中心数据；将所述第一几何中心数据作为第一数量的参考平面组的几何中心；将所述第二几何中心数据作为第二数量的目标平面组的几何中心；通过第一数量的参考平面组的几何中心得到预设数量的参考平面组的几何中心，并通过第二数量的目标平面组的几何中心得到预设数量的目标平面组的几何中心；以参考平面组的几何中心作为起点，目标平面组的几何中心作为终点，得到预设数量的矢量值；在所述预设数量的矢量值相等时，计算所述同名平面组的旋转矩阵和平移向量；根据所述旋转矩阵得到旋转参数；根据所述旋转参数和所述平移向量得到配准参数。
在具体实施中，通过同名平面组的法向量得到第一外接矩形的第一几何中心数据和第二外接矩形的第二几何中心数据，并将第一几何中心数据作为第一数量的参考平面组的几何中心，将第二几何中心数据作为第二数量的目标平面组的几何中心。以参考平面组的几何中心作为起点，并以目标平面组的几何中心作为终点，得到预设数量的矢量值，并将预设数量的矢量值之间互相比较，当矢量值长度相等时，计算同名平面组的旋转矩阵R和平移向量t，从而根据旋转矩阵R得到旋转参数，并将旋转参数和平移向量作为配准参数。配准参数指的是目标点云数据到参考点云数据的配准参数。
例如，预设数量的同名平面组的数量为3对同名平面组，同名平面组中包括参考平
面组
和目标平面组
（i=1,2,3，j≥1），并以参考平面组的中心为起
点，参考平面组的中心为终点，得到
和
对应的3对集合中心组成的3
个矢量值
，并判断3个矢量值是否存在方向和长度一致关系，若存在一致，则可计算同
名平面组的旋转矩阵R和平移向量t，从而得到目标点云数据到参考点云数据的配准参数。
如图3所示，图3为对目标点云平面进行旋转变换后与参考点云平面组成的向量示意图，通
过旋转参数以及平移向量对目标点云平面进行旋转变换，从而实现参考点云数据和目标点
云数据之间的配准。
步骤S60：通过所述配准参数对所参考点云数据和所述目标点云数据进行配准。
在具体实施中，当计算得到配准参数后，可通过配准参数对参考点云数据和目标点云数据进行点云数据配准，提高点云数据配准的准确性。
如图4所示，图4为本实施例中点云数据配准的整体流程示意图。通过获取参考点云数据和目标点云数据，使用RANSAC算法分别对参考点云数据和目标点云数据进行特征提取，从而得到参考特征平面和目标特征平面，并通过预设平面参数中的法向量分别对参考特征平面和目标特征平面进行划分，得到平面基元组，包括有第一数量的参考平面组和第二数量的目标平面组，并对平面基元组进行聚类，从而得到预设数量的同名平面组，并通过同名平面组进行平面匹配，计算配准参数，从而对点云数据进行配准。
当计算配准参数后，可对计算结果进行优化，将参考点云数据和目标点云数据之间的关系用转换矩阵H来表示，P tar=H*P re ，Ptar为目标点云数据，P re 为参考点云数据，基于点和平面的位置关系可以改写为下式1：
将上式1进一步改写为式2：
（式2）
上式2可以分开表示为下式3：
通过上式3，将所有平面对的法向量表示为下式4和下式5：
通过上式4和上式5可得到以下约束条件NtRopt=Nre，Nttopt=d，其中
，加权最小二乘解
由下式6计算得到：
式6中，W为每对平面的距离残差组成的对角矩阵，从而可通过上式1-式6对计算结果进行优化。
本实施例在激光雷达运行时，获取激光雷达采集的参考点云数据和目标点云数据，所述参考点云数据为第一采集站点采集的数据，所述目标点云数据为第二采集站点采集的数据，所述第一采集站点与所述第二采集站点位置不同；通过特征提取算法分别对所述参考点云数据和所述目标点云数据提取平面特征，得到参考平面特征和目标平面特征；通过预设平面参数分别对所述参考平面特征和所述目标平面特征进行划分，得到第一数量的参考平面组和第二数量的目标平面组，其中，每组参考平面组中的点或每组目标平面组中的点属于同一平面；基于所述第一数量的参考平面组和所述第二数量的目标平面组得到预设数量的同名平面组；基于预设数量的同名平面组的法向量计算配准参数；通过所述配准参数对所参考点云数据和所述目标点云数据进行配准，将海量点云的配准转换为少量同名平面的配准，简化配准计算过程并提高配准的准确性。
参考图5，图5为本发明点云数据配准方法第二实施例的流程示意图。
基于上述第一实施例，本实施例点云数据配准方法所述步骤S30，具体包括：
所述预设平面参数包括第一平面法向量和第二平面法向量。
步骤S301：获取所述第一平面法向量中第一法向量夹角数据和所述第二平面法向量中第二法向量夹角数据。
需要说明的是，第一平面法向量指的是参考平面特征中的各个平面法向量，第二平面法向量指的是目标平面特征中的各个平面法向量。
当得到第一平面法向量后，可根据第一平面法向量得到参考平面特征中各个参考平面的法向量夹角数据，并根据第二平面法向量得到目标平面特征中各个目标平面的法向量夹角数据。
步骤S302：将所述第一法向量夹角数据和所述第二法向量夹角数据分别与预设夹角阈值进行比较。
在具体实施中，预设夹角阈值可提前设置，例如0.1°、0.5°等，本实施例对此不加以限定。通过将第一法向量夹角数据以及第二法向量夹角数据分别与预设夹角阈值进行比较，从而判断第一法向量夹角数据和第二法向量夹角数据与预设夹角阈值之间的大小关系。
步骤S303：将第一法向量夹角数据中法向量夹角小于所述预设夹角阈值对应的参考平面特征划分为一组，得到第一数量的参考平面组。
需要说明的是，在第一法向量夹角数据中法向量夹角小于预设夹角阈值时，将第一法向量夹角数据中法向量夹角小于预设夹角阈值对应的参考平面特征划分为一个组，得到第一数量的参量平面组。当第一法向量夹角数据中的法向量夹角大于等于预设夹角阈值时，可重新设置预设夹角阈值，将重新设置的预设夹角阈值与第一法向量夹角数据中的其余法向量夹角进行比较，从而将法向量夹角数据相同或相似的法向量夹角对应的参考平面特征划分为一组。
步骤S304：将第二法向量夹角数据中法向量夹角小于所述预设夹角阈值对应的目标平面特征划分为一组，得到第二数量的目标平面组。
在具体实施中，当第二法向量夹角数据中法向量夹角小于预设夹角阈值时，将第二法向量夹角数据中法向量夹角小于预设夹角阈值对应的目标平面特征划分为一个组，得到第二数量的目标平面组。当第二法向量夹角数据中的法向量夹角大于等于预设夹角阈值时，可重新设置预设夹角阈值，将重新设置的预设夹角阈值与第二法向量夹角数据中的其余法向量夹角进行比较，从而将法向量夹角数据相同或相似的法向量夹角对应的目标平面特征划分为一组。
按照平行平面法向量一致原则对特征平面进行分组，采用层次聚类方法，依据特征平面的法向矢量进行分组，将平面之间法向矢量夹角小于阈值θt的划分为同一平面组，划分规则如下式7：
预设夹角阈值为θ t ，第一法向量夹角数据或第二法向量夹角数据为θ ij ，当θ ij 小于预设夹角阈值θ t 时，将小于预设夹角阈值θ t 的法向量夹角数据划分为同一平面组。还可将参考点云数据或目标点云数据中所有平面的单位法向量放入单位球，如图6所示，图6为平面的单位法向量在单位球体表面的分布示意图，平面的单位法向量的端点将在单位球体表面形成不同的点集，利用距离对点集进行聚类，对聚类后的点云求取类别的中心，选择距离类别中心最近的球面点对应的法向量作为该平面组的法向量。
本实施例所述预设平面参数包括第一平面法向量和第二平面法向量，通过获取所述第一平面法向量中第一法向量夹角数据和所述第二平面法向量中第二法向量夹角数据；将所述第一法向量夹角数据和所述第二法向量夹角数据分别与预设夹角阈值进行比较；将第一法向量夹角数据中法向量夹角小于所述预设夹角阈值对应的参考平面特征划分为一组，得到第一数量的参考平面组；将第二法向量夹角数据中法向量夹角小于所述预设夹角阈值对应的目标平面特征划分为一组，得到第二数量的目标平面组，通过设置平面法向量夹角数据与预设夹角阈值进行比较，可快速准确地分别对参考平面特征和目标平面特征进行划分，提高各组内的参考平面特征或目标平面特征的特征相似度。
参考图7，图7为本发明点云数据配准方法第三实施例的流程示意图。
基于上述第一和第二实施例，本实施例点云数据配准方法在所述步骤S30之前，还包括：
步骤SA1：获取参考点云数据的参考点数量和参考点坐标以及目标点云数据的目标点数量和目标点坐标。
需要说明的是，当得到参考点云数据和目标点云数据后，可获取参考点云数据中的参考点数量以及参考点对应的参考点坐标，并获取目标点云数据中的目标点数量以及目标点对应的目标点坐标。
步骤SA2：通过所述参考点数量和所述参考点坐标计算参考点云质心，并通过所述目标点数量和所述目标点坐标计算目标点云质心。
应理解的是，点云质心的计算过程如下式8：
式8中，P c 为点云质心，P i =（x i ，y i ，z i ），i=1,2,3，...n，P i为各点云坐标，m i 为各点云对应的质量，M为参考点数量或目标点数量，通过上式8可计算得到参考点云质心以及目标点云质心。本实施例中m i 设置为1。
步骤SA3：通过所述参考点云质心和所述参考点数量计算参考点云数据的第一协方差矩阵，并通过所述目标点云质心和所述目标点数量计算目标点云数据的第二协方差矩阵。
在具体实施中，对于参考点云数据或目标点云数据中的每个点P i ，对应的协方差矩阵计算如下式9：
式9中，C为第一协方差矩阵或第二协方差矩阵，M为参考点数量或目标点数量，P c 为参考点云质心或目标点云质心，P i 为各点云坐标，通过上式9计算可得到参考点云数据的第一协方差矩阵以及目标点云数据的第二协方差矩阵。
步骤SA4：对所述第一协方差矩阵和所述第二协方差矩阵分别进行奇异值分解，得到第一协方差矩阵的第一特征向量以及第二协方差矩阵的第二特征向量。
在具体实施中，当得到第一协方差矩阵和第二协方差矩阵后，可分别对第一协方差矩阵和第二协方差矩阵进行奇异值分解，从而得到第一协方差矩阵的第一特征值，并根据第一特征值得到第一特征向量以及第二协方差矩阵的第二特征值，并根据第二特征值得到第二特征向量。
步骤SA5：通过所述第一特征向量得到第一特征向量矩阵以及通过所述第二特征向量得到第二特征向量矩阵。
应理解的是，当得到第一特征向量和第二特征向量后，可根据第一特征向量得到代表第一特征向量的第一特征向量矩阵以及根据第二特征向量得到代表第二特征向量的第二特征向量矩阵。
步骤SA6：根据所述第一特征向量矩阵得到参考点云的主成分方向以及根据所述第二特征向量矩阵得到目标点云的主成分方向。
在具体实施中，当得到第一特征向量矩阵和第二特征向量矩阵后，可根据第一特征值找到第一特征值中最大的特征值对应的第一特征向量，将其作为参考点云的第一主成分方向，并根据第二特征值找到第二特征值中最大的特征值对应的第二特征向量，将其作为目标点云的第一主成分方向，垂直于参考点云的第一主成分方向的作为参考点云的第二主成分方向，垂直于目标点云的第二主成分方向作为目标点云的第二主成分方向，将参考点云的第一主成分方向和第二主成分方向作为参考点云的主成分方向，并将目标点云的第一主成分方向和第二主成分方向作为目标点云的主成分方向。
步骤SA7：将参考点云的主成分方向作为参考点云平面的长和宽方向，并将目标点云的主成分方向作为目标点云平面的长和宽方向。
需要说明的是，将参考点云的主成分方向作为参考点云平面的长和宽方向，并将目标点云的主成分方向作为目标点云平面的长和宽方向。
步骤SA8：根据所述参考点云的长和宽方向将所述参考点云数据投影至平面，得到第一外接矩形，将所述第一外接矩形作为第一平面单元。
在具体实施中，当得到参考点云的长和宽方向后，可根据参考点云的长和宽方向将参考点云数据投影至XOY平面，并根据投影结果得到第一外接矩形，将第一外接矩形作为第一平面单元。第一外接矩形的中心即为第一平面单元的中心。
步骤SA9：根据所述目标点云的长和宽方向将所述目标点云数据投影至平面，得到第二外接矩形，将所述第二外接矩形作为第二平面单元。
在具体实施中，当得到目标点云的长和宽方向后，可根据目标点云的长和宽方向将目标点云数据投影至XOY平面，并根据投影结果得到第二外接矩形，并将第二外接矩形作为第二平面单元。第二外接矩形的中心即为第二平面单元的中心。
步骤SA10：基于所述第一平面单元得到第一平面法向量，基于所述第二平面单元得到第二平面法向量。
在具体实施中，当得到第一平面单元后，可得到第一平面单元内的所有平面法向量数据，即第一平面法向量，得到第二平面单元后，可得到第二平面单元内的所有平面法向量数据，即第二平面法向量。
步骤SA11：根据所述第一平面法向量和所述第二平面法向量计算第一点云面积和第二点云面积。
应理解的是，当得到第一平面法向量和第二平面法向量后，可根据第一平面法向量和第二平面法向量计算第一点云面积和第二点云面积。
具体地，根据所述第一平面法向量和所述第二平面法向量计算第一点云面积和第二点云面积的步骤具体包括：获取所述第一平面法向量与预设坐标轴之间的第一夹角以及第二平面法向量与预设坐标轴之间的第二夹角；将所述参考点云数据中的参考点投影到平面上，得到投影点在第一横坐标方向的平均间隔和投影点在第一纵坐标方向的平均间隔；将所述目标点云数据中的目标点投影到平面上，得到投影点在第二横坐标方向的平均间隔和投影点在第二纵坐标方向的平均间隔；根据投影点在第一横坐标方向的平均间隔和投影点在第一纵坐标方向的平均间隔得到第一面积微元；根据投影点在第二横坐标方向的平均间隔和投影点在第二纵坐标方向的平均间隔得到第二面积微元；通过所述第一面积微元、所述第一夹角以及所述参考点数量计算第一点云面积；通过所述第二面积微元、所述第二夹角以及所述目标点数量计算第二点云面积。
需要说明的是，预设坐标轴指的是Z轴，可获取第一平面法向量中各个平面法向量与Z轴的第一夹角θ1，并获取第二平面法向量中各个平面法向量与Z轴的第二夹角θ2，并将参考点云数据中的参考点集投影至XOY平面上。
在具体实施中，第一横坐标方向和第二横坐标方向指的是X轴方向，第一纵坐标方向和第二纵坐标方向指的是Y轴方向，可得到投影点在X轴方向的平均间隔dx1和投影点在Y轴方向的平均间隔dy1，并将目标点云数据中的目标点集投影至XOY平面上，得到投影点在X轴方向的平均间隔dx2和投影点在Y轴方向的平均间隔dy2。
可以理解的是，当得到投影点在第一横坐标方向的平均间隔dx1和投影点在第一纵坐标方向的平均间隔dy1后，可根据dx1和dy1计算第一面积微元ds1，第一面积微元ds1=dx1*dy1。当得到投影点在第二横坐标方向的平均间隔dx2和投影点在第二纵坐标方向的平均间隔dy2后，可根据dx2和dy2计算第二面积微元ds2，第二面积微元ds2=dx2*dy2。
在具体实施中，可通过第一面积微元、第一夹角以及参考点数量计算第一点云面积，计算过程如下式10：
式10中，S1为第一点云面积，M1为参考点数量，ds1为第一面积微元，θ1为第一夹角，通过上式10计算得到第一点云面积。
在具体实施中，可通过第二面积微元、第二夹角以及目标点数量计算第二点云面积，计算过程如下式11：
式11中，S2为第二点云面积，M2为目标点数量，ds2为第二面积微元，θ1为第二夹角，通过上式11计算得到第二点云面积。
如图8所示，图8为本实施例中点云面积计算原理图，dx为投影点在横坐标X轴方向的平均间隔，dy为投影点在纵坐标Y轴方向的平均间隔，θ为法向量与Z轴之间的夹角，通过对参考点云数据和目标点云数据投影至XOY平面，从而得到对应的第一夹角、第二夹角，并根据投影点在横坐标和纵坐标方向的平均间隔计算第一面积微元和第二面积微元，从而计算得到第一点云面积和第二点云面积。
本实施例通过获取参考点云数据的参考点数量和参考点坐标以及目标点云数据的目标点数量和目标点坐标；通过所述参考点数量和所述参考点坐标计算参考点云质心，并通过所述目标点数量和所述目标点坐标计算目标点云质心；通过所述参考点云质心和所述参考点数量计算参考点云数据的第一协方差矩阵，并通过所述目标点云质心和所述目标点数量计算目标点云数据的第二协方差矩阵；对所述第一协方差矩阵和所述第二协方差矩阵分别进行奇异值分解，得到第一协方差矩阵的第一特征向量以及第二协方差矩阵的第二特征向量；通过所述第一特征向量得到第一特征向量矩阵以及通过所述第二特征向量得到第二特征向量矩阵；根据所述第一特征向量矩阵得到参考点云的主成分方向以及根据所述第二特征向量矩阵得到目标点云的主成分方向；将参考点云的主成分方向作为参考点云平面的长和宽方向，并将目标点云的主成分方向作为目标点云平面的长和宽方向；根据所述参考点云的长和宽方向将所述参考点云数据投影至平面，得到第一外接矩形，将所述第一外接矩形作为第一平面单元；根据所述目标点云的长和宽方向将所述目标点云数据投影至平面，得到第二外接矩形，将所述第二外接矩形作为第二平面单元；基于所述第一平面单元得到第一平面法向量，基于所述第二平面单元得到第二平面法向量；根据所述第一平面法向量和所述第二平面法向量计算第一点云面积和第二点云面积，可快速准确地计算第一电源面积和第二点云面积，减少计算次数，缩短了计算的时间，提高计算效率。
参考图9，图9为本发明点云数据配准方法第四实施例的流程示意图。
基于上述第一和第三实施例，本实施例点云数据配准方法所述步骤S40，具体包括：
步骤S401：计算各参考平面组中第一法向量夹角数据中的法向量夹角与各目标平面组中第二法向量夹角数据中法向量夹角的夹角差值数据。
需要说明的是，各参考平面组中第一法向量夹角数据中法向量夹角为参考平面组
中任意两个特征平面组的组法向量夹角
。各目标平面组中第二法向量夹角数据中法向
量夹角为目标平面组中任意两个特征平面组的组法向量夹角
，并通过
和
计算夹
角差值数据。
步骤S402：将所述夹角差值数据与预设差值阈值进行比较。
在具体实施中，预设差值阈值为θ threshold ，通过夹角差值数据与预设差值阈值进行比较，根据比较结果进行计算。
步骤S403：在所述夹角差值数据中的夹角差值小于所述预设差值阈值时，获取夹角差值小于所述预设差值阈值对应的参考平面和目标平面。
可以理解的是，当夹角差值数据中的夹角差值小于预设差值阈值时，可得到小于预设差值阈值对应的参考平面和目标平面。
步骤S404：获取夹角差值小于所述预设差值阈值对应的参考平面的第一点云面积和目标平面的第二点云面积。
在具体实施中，当得到夹角差值小于预设差值阈值的参考平面和目标平面后，可获取参考平面的第一点云面积以及目标平面的第二点云面积。
步骤S405：计算所述参考平面对应的第一点云面积和所述目标平面对应的第二点云面积的第一面积差。
步骤S406：将所述第一面积差与预设面积阈值进行比较。
需要说明的是，当得到第一点云面积和第二点云面积后，计算第一点云面积和第二点云面积之间的第一面积差。预设面积阈值可提前设置，例如预设面积阈值为1、3等，本实施例对此不作限制，通过将第一面积差与预设面积阈值进行比较，判断第一面积差与预设面积阈值之间的大小。
进一步地，在所述第一面积差大于等于所述预设面积阈值时，计算所述参考平面组和所述目标平面组之间的参考旋转矩阵；通过所述参考旋转矩阵对所述目标平面组进行变换，得到变换目标平面组；计算所述变换目标平面组对应第二点云面积与所述参考平面组对应的第一点云面积之间的第二面积差；在所述第二面积差小于所述预设面积阈值时，将所述第一点云面积对应的参考平面和所述第二点云面积对应的变换目标平面作为同名平面，得到预设数量的同名平面组。
应理解的是，当第一面积差大于等于预设面积阈值时，需要重新选取特征平面组，则计算对应的参考平面组与目标平面组之间的参考旋转矩阵，并通过参考旋转矩阵对目标平面组进行变换，得到新的目标平面组，即变换目标平面组。并在变换目标平面组中查找是否有面积相同的平面，从而计算变换目标平面组对应的第二点云面积与参考平面组对应的第一点云面积之间的第二面积差，当第二面积差小于预设面积阈值时，将第一点云面积对应的参考平面和第二点云面积对应的变换目标平面作为同名平面，从而得到预设数量的同名平面组。
步骤S407：在所述第一面积差小于所述预设面积阈值时，将对应的参考平面和目标平面作为同名平面，得到预设数量的同名平面组。
需要说明的是，当第一面积差小于预设面积阈值时，将对应的参考平面和目标平面作为同名平面，从而得到预设数量的同名平面组。
本实施例通过计算各参考平面组中第一法向量夹角数据中的法向量夹角与各目标平面组中第二法向量夹角数据中法向量夹角的夹角差值数据；将所述夹角差值数据与预设差值阈值进行比较；在所述夹角差值数据中的夹角差值小于所述预设差值阈值时，获取夹角差值小于所述预设差值阈值对应的参考平面和目标平面；获取夹角差值小于所述预设差值阈值对应的参考平面的第一点云面积和目标平面的第二点云面积；计算所述参考平面对应的第一点云面积和所述目标平面对应的第二点云面积的第一面积差；将所述第一面积差与预设面积阈值进行比较；在所述第一面积差小于所述预设面积阈值时，将对应的参考平面和目标平面作为同名平面，得到预设数量的同名平面组，可以平面特征为基准，从而在点云数据配准中有着更好的鲁棒性。
参照图10，图10为本发明点云数据配准装置第一实施例的结构框图。
如图10所示，本发明实施例提出的点云数据配准装置包括：
获取模块10，用于在激光雷达运行时，获取激光雷达采集的参考点云数据和目标点云数据，所述参考点云数据为第一采集站点采集的数据，所述目标点云数据为第二采集站点采集的数据，所述第一采集站点与所述第二采集站点位置不同。
提取模块20，用于通过特征提取算法分别对所述参考点云数据和所述目标点云数据提取平面特征，得到参考平面特征和目标平面特征。
划分模块30，用于通过预设平面参数分别对所述参考平面特征和所述目标平面特征进行划分，得到第一数量的参考平面组和第二数量的目标平面组，其中，每组参考平面组中的点或每组目标平面组中的点属于同一平面。
所述获取模块10，还用于基于所述第一数量的参考平面组和所述第二数量的目标平面组得到预设数量的同名平面组。
计算模块40，用于基于预设数量的同名平面组的法向量计算配准参数。
配准模块50，用于通过所述配准参数对所参考点云数据和所述目标点云数据进行配准。
本实施例在激光雷达运行时，获取激光雷达采集的参考点云数据和目标点云数据，所述参考点云数据为第一采集站点采集的数据，所述目标点云数据为第二采集站点采集的数据，所述第一采集站点与所述第二采集站点位置不同；通过特征提取算法分别对所述参考点云数据和所述目标点云数据提取平面特征，得到参考平面特征和目标平面特征；通过预设平面参数分别对所述参考平面特征和所述目标平面特征进行划分，得到第一数量的参考平面组和第二数量的目标平面组，其中，每组参考平面组中的点或每组目标平面组中的点属于同一平面；基于所述第一数量的参考平面组和所述第二数量的目标平面组得到预设数量的同名平面组；基于预设数量的同名平面组的法向量计算配准参数；通过所述配准参数对所参考点云数据和所述目标点云数据进行配准，将海量点云的配准转换为少量同名平面的配准，简化配准计算过程并提高配准的准确性。
在一实施例中，所述预设平面参数包括第一平面法向量和第二平面法向量；所述划分模块30，还用于获取所述第一平面法向量中第一法向量夹角数据和所述第二平面法向量中第二法向量夹角数据；将所述第一法向量夹角数据和所述第二法向量夹角数据分别与预设夹角阈值进行比较；将第一法向量夹角数据中法向量夹角小于所述预设夹角阈值对应的参考平面特征划分为一组，得到第一数量的参考平面组；将第二法向量夹角数据中法向量夹角小于所述预设夹角阈值对应的目标平面特征划分为一组，得到第二数量的目标平面组。
在一实施例中，所述划分模块30，还用于获取参考点云数据的参考点数量和参考点坐标以及目标点云数据的目标点数量和目标点坐标；通过所述参考点数量和所述参考点坐标计算参考点云质心，并通过所述目标点数量和所述目标点坐标计算目标点云质心；通过所述参考点云质心和所述参考点数量计算参考点云数据的第一协方差矩阵，并通过所述目标点云质心和所述目标点数量计算目标点云数据的第二协方差矩阵；对所述第一协方差矩阵和所述第二协方差矩阵分别进行奇异值分解，得到第一协方差矩阵的第一特征向量以及第二协方差矩阵的第二特征向量；通过所述第一特征向量得到第一特征向量矩阵以及通过所述第二特征向量得到第二特征向量矩阵；根据所述第一特征向量矩阵得到参考点云的主成分方向以及根据所述第二特征向量矩阵得到目标点云的主成分方向；将参考点云的主成分方向作为参考点云平面的长和宽方向，并将目标点云的主成分方向作为目标点云平面的长和宽方向；根据所述参考点云的长和宽方向将所述参考点云数据投影至平面，得到第一外接矩形，将所述第一外接矩形作为第一平面单元；根据所述目标点云的长和宽方向将所述目标点云数据投影至平面，得到第二外接矩形，将所述第二外接矩形作为第二平面单元；基于所述第一平面单元得到第一平面法向量，基于所述第二平面单元得到第二平面法向量；根据所述第一平面法向量和所述第二平面法向量计算第一点云面积和第二点云面积。
在一实施例中，所述划分模块30，还用于获取所述第一平面法向量与预设坐标轴之间的第一夹角以及第二平面法向量与预设坐标轴之间的第二夹角；将所述参考点云数据中的参考点投影到平面上，得到投影点在第一横坐标方向的平均间隔和投影点在第一纵坐标方向的平均间隔；将所述目标点云数据中的目标点投影到平面上，得到投影点在第二横坐标方向的平均间隔和投影点在第二纵坐标方向的平均间隔；根据投影点在第一横坐标方向的平均间隔和投影点在第一纵坐标方向的平均间隔得到第一面积微元；根据投影点在第二横坐标方向的平均间隔和投影点在第二纵坐标方向的平均间隔得到第二面积微元；通过所述第一面积微元、所述第一夹角以及所述参考点数量计算第一点云面积；通过所述第二面积微元、所述第二夹角以及所述目标点数量计算第二点云面积。
在一实施例中，所述获取模块10，还用于计算各参考平面组中第一法向量夹角数据中的法向量夹角与各目标平面组中第二法向量夹角数据中法向量夹角的夹角差值数据；将所述夹角差值数据与预设差值阈值进行比较；在所述夹角差值数据中的夹角差值小于所述预设差值阈值时，获取夹角差值小于所述预设差值阈值对应的参考平面和目标平面；获取夹角差值小于所述预设差值阈值对应的参考平面的第一点云面积和目标平面的第二点云面积；计算所述参考平面对应的第一点云面积和所述目标平面对应的第二点云面积的第一面积差；将所述第一面积差与预设面积阈值进行比较；在所述第一面积差小于所述预设面积阈值时，将对应的参考平面和目标平面作为同名平面，得到预设数量的同名平面组。
在一实施例中，所述获取模块10，还用于在所述第一面积差大于等于所述预设面积阈值时，计算所述参考平面组和所述目标平面组之间的参考旋转矩阵；通过所述参考旋转矩阵对所述目标平面组进行变换，得到变换目标平面组；计算所述变换目标平面组对应第二点云面积与所述参考平面组对应的第一点云面积之间的第二面积差；在所述第二面积差小于所述预设面积阈值时，将所述第一点云面积对应的参考平面和所述第二点云面积对应的变换目标平面作为同名平面，得到预设数量的同名平面组。
在一实施例中，所述计算模块40，还用于通过预设数量的同名平面组的法向量得到第一外接矩形的第一几何中心数据和第二外接矩形的第二几何中心数据；将所述第一几何中心数据作为第一数量的参考平面组的几何中心；将所述第二几何中心数据作为第二数量的目标平面组的几何中心；通过第一数量的参考平面组的几何中心得到预设数量的参考平面组的几何中心，并通过第二数量的目标平面组的几何中心得到预设数量的目标平面组的几何中心；以参考平面组的几何中心作为起点，目标平面组的几何中心作为终点，得到预设数量的矢量值；在所述预设数量的矢量值相等时，计算所述同名平面组的旋转矩阵和平移向量；根据所述旋转矩阵得到旋转参数；根据所述旋转参数和所述平移向量得到配准参数。
此外，为实现上述目的，本发明还提出一种点云数据配准设备，所述点云数据配准设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的点云数据配准程序，所述点云数据配准程序配置为实现如上文所述的点云数据配准方法的步骤。
由于本点云数据配准设备采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有点云数据配准程序，所述点云数据配准程序被处理器执行时实现如上文所述的点云数据配准方法的步骤。
由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的点云数据配准方法，此处不再赘述。
此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如只读存储器（Read Only Memory，ROM）/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种点云数据配准方法，其特征在于，所述点云数据配准方法包括：
在激光雷达运行时，获取激光雷达采集的参考点云数据和目标点云数据，所述参考点云数据为第一采集站点采集的数据，所述目标点云数据为第二采集站点采集的数据，所述第一采集站点与所述第二采集站点位置不同；
通过特征提取算法分别对所述参考点云数据和所述目标点云数据提取平面特征，得到参考平面特征和目标平面特征；
通过预设平面参数分别对所述参考平面特征和所述目标平面特征进行划分，得到第一数量的参考平面组和第二数量的目标平面组，其中，每组参考平面组中的点或每组目标平面组中的点属于同一平面；
基于所述第一数量的参考平面组和所述第二数量的目标平面组得到预设数量的同名平面组；
基于预设数量的同名平面组的法向量计算配准参数；
通过所述配准参数对所述参考点云数据和所述目标点云数据进行配准；
所述基于所述第一数量的参考平面组和所述第二数量的目标平面组得到预设数量的同名平面组，包括：
计算各参考平面组中第一法向量夹角数据中的法向量夹角与各目标平面组中第二法向量夹角数据中法向量夹角的夹角差值数据；
将所述夹角差值数据与预设差值阈值进行比较；
在所述夹角差值数据中的夹角差值小于所述预设差值阈值时，获取夹角差值小于所述预设差值阈值对应的参考平面和目标平面；
获取夹角差值小于所述预设差值阈值对应的参考平面的第一点云面积和目标平面的第二点云面积；
计算所述参考平面对应的第一点云面积和所述目标平面对应的第二点云面积的第一面积差；
将所述第一面积差与预设面积阈值进行比较；
在所述第一面积差小于所述预设面积阈值时，将对应的参考平面和目标平面作为同名平面，得到预设数量的同名平面组。
2.如权利要求1所述的点云数据配准方法，其特征在于，所述预设平面参数包括第一平面法向量和第二平面法向量；
所述通过预设平面参数分别对所述参考平面特征和所述目标平面特征进行划分，得到第一数量的参考平面组和第二数量的目标平面组，包括：
获取所述第一平面法向量中第一法向量夹角数据和所述第二平面法向量中第二法向量夹角数据；
将所述第一法向量夹角数据和所述第二法向量夹角数据分别与预设夹角阈值进行比较；
将第一法向量夹角数据中法向量夹角小于所述预设夹角阈值对应的参考平面特征划分为一组，得到第一数量的参考平面组；
将第二法向量夹角数据中法向量夹角小于所述预设夹角阈值对应的目标平面特征划分为一组，得到第二数量的目标平面组。
3.如权利要求1所述的点云数据配准方法，其特征在于，所述通过预设平面参数分别对所述参考平面特征和所述目标平面特征进行划分，得到第一数量的参考平面组和第二数量的目标平面组之前，还包括：
获取参考点云数据的参考点数量和参考点坐标以及目标点云数据的目标点数量和目标点坐标；
通过所述参考点数量和所述参考点坐标计算参考点云质心，并通过所述目标点数量和所述目标点坐标计算目标点云质心；
通过所述参考点云质心和所述参考点数量计算参考点云数据的第一协方差矩阵，并通过所述目标点云质心和所述目标点数量计算目标点云数据的第二协方差矩阵；
对所述第一协方差矩阵和所述第二协方差矩阵分别进行奇异值分解，得到第一协方差矩阵的第一特征向量以及第二协方差矩阵的第二特征向量；
通过所述第一特征向量得到第一特征向量矩阵以及通过所述第二特征向量得到第二特征向量矩阵；
根据所述第一特征向量矩阵得到参考点云的主成分方向以及根据所述第二特征向量矩阵得到目标点云的主成分方向；
将参考点云的主成分方向作为参考点云平面的长和宽方向，并将目标点云的主成分方向作为目标点云平面的长和宽方向；
根据所述参考点云的长和宽方向将所述参考点云数据投影至平面，得到第一外接矩形，将所述第一外接矩形作为第一平面单元；
根据所述目标点云的长和宽方向将所述目标点云数据投影至平面，得到第二外接矩形，将所述第二外接矩形作为第二平面单元；
基于所述第一平面单元得到第一平面法向量，基于所述第二平面单元得到第二平面法向量；
根据所述第一平面法向量和所述第二平面法向量计算第一点云面积和第二点云面积。
4.如权利要求3所述的点云数据配准方法，其特征在于，所述根据所述第一平面法向量和所述第二平面法向量计算第一点云面积和第二点云面积，包括：
获取所述第一平面法向量与预设坐标轴之间的第一夹角以及第二平面法向量与预设坐标轴之间的第二夹角；
将所述参考点云数据中的参考点投影到平面上，得到投影点在第一横坐标方向的平均间隔和投影点在第一纵坐标方向的平均间隔；
将所述目标点云数据中的目标点投影到平面上，得到投影点在第二横坐标方向的平均间隔和投影点在第二纵坐标方向的平均间隔；
根据投影点在第一横坐标方向的平均间隔和投影点在第一纵坐标方向的平均间隔得到第一面积微元；
根据投影点在第二横坐标方向的平均间隔和投影点在第二纵坐标方向的平均间隔得到第二面积微元；
通过所述第一面积微元、所述第一夹角以及所述参考点数量计算第一点云面积；
通过所述第二面积微元、所述第二夹角以及所述目标点数量计算第二点云面积。
5.如权利要求1所述的点云数据配准方法，其特征在于，所述将所述第一面积差与预设面积阈值进行比较之后，还包括：
在所述第一面积差大于等于所述预设面积阈值时，计算所述参考平面组和所述目标平面组之间的参考旋转矩阵；
通过所述参考旋转矩阵对所述目标平面组进行变换，得到变换目标平面组；
计算所述变换目标平面组对应第二点云面积与所述参考平面组对应的第一点云面积之间的第二面积差；
在所述第二面积差小于所述预设面积阈值时，将所述第一点云面积对应的参考平面和所述第二点云面积对应的变换目标平面作为同名平面，得到预设数量的同名平面组。
6.如权利要求3所述的点云数据配准方法，其特征在于，所述基于预设数量的同名平面组的法向量计算配准参数，包括：
通过预设数量的同名平面组的法向量得到第一外接矩形的第一几何中心数据和第二外接矩形的第二几何中心数据；
将所述第一几何中心数据作为第一数量的参考平面组的几何中心；
将所述第二几何中心数据作为第二数量的目标平面组的几何中心；
通过第一数量的参考平面组的几何中心得到预设数量的参考平面组的几何中心，并通过第二数量的目标平面组的几何中心得到预设数量的目标平面组的几何中心；
以参考平面组的几何中心作为起点，目标平面组的几何中心作为终点，得到预设数量的矢量值；
在所述预设数量的矢量值相等时，计算所述同名平面组的旋转矩阵和平移向量；
根据所述旋转矩阵得到旋转参数；
根据所述旋转参数和所述平移向量得到配准参数。
7.一种点云数据配准装置，其特征在于，所述点云数据配准装置包括：
获取模块，用于在激光雷达运行时，获取激光雷达采集的参考点云数据和目标点云数据，所述参考点云数据为第一采集站点采集的数据，所述目标点云数据为第二采集站点采集的数据，所述第一采集站点与所述第二采集站点位置不同；
提取模块，用于通过特征提取算法分别对所述参考点云数据和所述目标点云数据提取平面特征，得到参考平面特征和目标平面特征；
划分模块，用于通过预设平面参数分别对所述参考平面特征和所述目标平面特征进行划分，得到第一数量的参考平面组和第二数量的目标平面组，其中，每组参考平面组中的点或每组目标平面组中的点属于同一平面；
所述获取模块，还用于基于所述第一数量的参考平面组和所述第二数量的目标平面组得到预设数量的同名平面组；
计算模块，用于基于预设数量的同名平面组的法向量计算配准参数；
配准模块，用于通过所述配准参数对所述参考点云数据和所述目标点云数据进行配准；
所述获取模块，还用于计算各参考平面组中第一法向量夹角数据中的法向量夹角与各目标平面组中第二法向量夹角数据中法向量夹角的夹角差值数据；将所述夹角差值数据与预设差值阈值进行比较；在所述夹角差值数据中的夹角差值小于所述预设差值阈值时，获取夹角差值小于所述预设差值阈值对应的参考平面和目标平面；获取夹角差值小于所述预设差值阈值对应的参考平面的第一点云面积和目标平面的第二点云面积；计算所述参考平面对应的第一点云面积和所述目标平面对应的第二点云面积的第一面积差；将所述第一面积差与预设面积阈值进行比较；在所述第一面积差小于所述预设面积阈值时，将对应的参考平面和目标平面作为同名平面，得到预设数量的同名平面组。
8.一种点云数据配准设备，其特征在于，所述点云数据配准设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的点云数据配准程序，所述点云数据配准程序配置为实现如权利要求1至6中任一项所述的点云数据配准方法。
9.一种存储介质，其特征在于，所述存储介质上存储有点云数据配准程序，所述点云数据配准程序被处理器执行时实现如权利要求1至6中任一项所述的点云数据配准方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211688745.2A CN115661220B (zh) | 2022-12-28 | 2022-12-28 | 点云数据配准方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211688745.2A CN115661220B (zh) | 2022-12-28 | 2022-12-28 | 点云数据配准方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115661220A CN115661220A (zh) | 2023-01-31 |
| CN115661220B true CN115661220B (zh) | 2023-03-17 |
Family
ID=85022133
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211688745.2A Active CN115661220B (zh) | 2022-12-28 | 2022-12-28 | 点云数据配准方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115661220B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117765047B (zh) * | 2024-02-22 | 2024-04-30 | 法奥意威(苏州)机器人系统有限公司 | 一种工件配准方法、装置、计算机设备及存储介质 |
| CN117788529B (zh) * | 2024-02-26 | 2024-06-18 | 苏州艾吉威机器人有限公司 | 三维平面点云粗配准方法、系统、介质及设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109118582A (zh) * | 2018-09-19 | 2019-01-01 | 东北大学 | 一种商品三维重建系统及重建方法 |
| CN113223067A (zh) * | 2021-05-08 | 2021-08-06 | 东莞市三姆森光电科技有限公司 | 针对具有平面基准但不完整的三维扫描点云的在线实时配准方法 |
| CN114219717A (zh) * | 2021-11-26 | 2022-03-22 | 杭州三坛医疗科技有限公司 | 点云配准方法、装置、电子设备及存储介质 |
| CN114296056A (zh) * | 2021-12-02 | 2022-04-08 | 广州小鹏自动驾驶科技有限公司 | 一种激光雷达外参标定方法、装置、设备及存储介质 |
| CN114387200A (zh) * | 2020-10-21 | 2022-04-22 | 中国科学院国家空间科学中心 | 用于行星及小行星探测的目标结构配准测量方法及系统 |
| CN114581481A (zh) * | 2022-03-07 | 2022-06-03 | 广州小鹏自动驾驶科技有限公司 | 一种目标物速度的估计方法及装置、车辆和存储介质 |
| CN115239772A (zh) * | 2022-07-25 | 2022-10-25 | 中国船舶工业综合技术经济研究院 | 船舶曲板三维点云配准方法、系统、存储介质及终端 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108604301B (zh) * | 2015-12-04 | 2022-03-25 | 欧特克公司 | 用于大rgb-d扫描的可缩放自动全局配准的基于关键点的点对特征 |
| GB2550567A (en) * | 2016-05-20 | 2017-11-29 | Nokia Technologies Oy | Point Cloud Matching Method |
| CN106296650B (zh) * | 2016-07-22 | 2019-05-24 | 武汉海达数云技术有限公司 | 一种激光点云配准方法和装置 |
| CN116385505A (zh) * | 2017-10-20 | 2023-07-04 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、系统和存储介质 |
| CN108389250B (zh) * | 2018-03-08 | 2020-05-22 | 武汉大学 | 基于点云数据快速生成建筑物断面图的方法 |
| CN110842940A (zh) * | 2019-11-19 | 2020-02-28 | 广东博智林机器人有限公司 | 一种建筑测量机器人多传感器融合三维建模方法及系统 |
| US11164051B2 (en) * | 2020-03-10 | 2021-11-02 | GM Cruise Holdings, LLC | Image and LiDAR segmentation for LiDAR-camera calibration |
| CN111738293B (zh) * | 2020-05-18 | 2024-07-23 | 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 |
| CN112884902B (zh) * | 2021-03-17 | 2023-03-17 | 中山大学 | 一种面向点云配准的标靶球位置优化方法 |
| CN113436238B (zh) * | 2021-08-27 | 2021-11-23 | 湖北亿咖通科技有限公司 | 点云配准精度的评估方法、装置和电子设备 |
| CN113808093A (zh) * | 2021-09-10 | 2021-12-17 | 中铁一局集团第五工程有限公司 | 基于3d激光扫描仪的隧道初支喷射混凝土厚度检测方法 |
| CN115423852A (zh) * | 2022-07-27 | 2022-12-02 | 浙江大华技术股份有限公司 | 一种点云数据配准方法、系统、电子设备及存储介质 |
-
2022
- 2022-12-28 CN CN202211688745.2A patent/CN115661220B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109118582A (zh) * | 2018-09-19 | 2019-01-01 | 东北大学 | 一种商品三维重建系统及重建方法 |
| CN114387200A (zh) * | 2020-10-21 | 2022-04-22 | 中国科学院国家空间科学中心 | 用于行星及小行星探测的目标结构配准测量方法及系统 |
| CN113223067A (zh) * | 2021-05-08 | 2021-08-06 | 东莞市三姆森光电科技有限公司 | 针对具有平面基准但不完整的三维扫描点云的在线实时配准方法 |
| CN114219717A (zh) * | 2021-11-26 | 2022-03-22 | 杭州三坛医疗科技有限公司 | 点云配准方法、装置、电子设备及存储介质 |
| CN114296056A (zh) * | 2021-12-02 | 2022-04-08 | 广州小鹏自动驾驶科技有限公司 | 一种激光雷达外参标定方法、装置、设备及存储介质 |
| CN114581481A (zh) * | 2022-03-07 | 2022-06-03 | 广州小鹏自动驾驶科技有限公司 | 一种目标物速度的估计方法及装置、车辆和存储介质 |
| CN115239772A (zh) * | 2022-07-25 | 2022-10-25 | 中国船舶工业综合技术经济研究院 | 船舶曲板三维点云配准方法、系统、存储介质及终端 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115661220A (zh) | 2023-01-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115661220B (zh) | 点云数据配准方法、装置、设备及存储介质 | |
| CN108279670B (zh) | 用于调整点云数据采集轨迹的方法、设备以及计算机可读介质 | |
| WO2023030163A1 (zh) | 三维模型纹理贴图的转换方法、装置、设备以及介质 | |
| CN110335301B (zh) | 一种基于激光雷达和结构光的三维扫描方法及装置 | |
| CN110096540B (zh) | 测绘数据转换方法、设备、存储介质及装置 | |
| CN109685841B (zh) | 三维模型与点云的配准方法及系统 | |
| CN117788529B (zh) | 三维平面点云粗配准方法、系统、介质及设备 | |
| CN112132908A (zh) | 一种基于智能检测技术的相机外参数标定方法及设备 | |
| KR20060100157A (ko) | 공간정보/위치정보의 정밀 위치정보 변환을 위한 변동량모델링 방법 | |
| CN107534202B (zh) | 一种测量天线姿态的方法和装置 | |
| CN111199895A (zh) | 测量沟道的方法、装置、服务器及可读存储介质 | |
| Li et al. | Method to automatically register scattered point clouds based on principal pose estimation | |
| CN116385420A (zh) | 区域尺寸的确定方法、系统、设备及存储介质 | |
| Clarke et al. | Estimator for the random error in subpixel target location and its use in the bundle adjustment | |
| Daniilidis et al. | Active intrinsic calibration using vanishing points | |
| CN113658194A (zh) | 一种基于参照物的点云拼接方法、装置及存储介质 | |
| CN116704024A (zh) | 一种联合多类约束的车载激光点云位姿图优化方法及系统 | |
| CN114255457A (zh) | 基于机载LiDAR点云辅助的同机影像直接地理定位方法及系统 | |
| CN113124816A (zh) | 天线工参生成方法、装置、存储介质和计算机设备 | |
| CN114119684A (zh) | 基于四面体结构的标记点配准方法 | |
| CN112629410A (zh) | 空间杆件倾斜角度的非接触式测量设备及测量方法 | |
| CN118089746B (zh) | 一种用于室内场景的激光重定位方法、系统和存储介质 | |
| CN116152353A (zh) | 位姿标定方法、装置、设备及存储介质 | |
| Chen et al. | Fine registration of mobile and airborne LiDAR data based on common ground points | |
| CN108955625A (zh) | 一种获取太阳位置信息的方法和系统 |
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 |