CN117031443B - 点云数据构建方法、系统及电子设备 - Google Patents
点云数据构建方法、系统及电子设备 Download PDFInfo
- Publication number
- CN117031443B CN117031443B CN202311294672.3A CN202311294672A CN117031443B CN 117031443 B CN117031443 B CN 117031443B CN 202311294672 A CN202311294672 A CN 202311294672A CN 117031443 B CN117031443 B CN 117031443B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- data
- composite frame
- frame
- cloud data
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 60
- 239000002131 composite material Substances 0.000 claims abstract description 201
- 238000000034 method Methods 0.000 claims abstract description 58
- 230000008569 process Effects 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 16
- 230000009466 transformation Effects 0.000 claims description 16
- 230000001131 transforming effect Effects 0.000 claims description 16
- 238000013519 translation Methods 0.000 claims description 14
- 125000004122 cyclic group Chemical group 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 41
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012216 screening Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000002945 steepest descent method Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
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
-
- 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
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明提供了一种点云数据构建方法、系统及电子设备,涉及点云数据构建领域,该方法首先按照预设的数据间隔,构建激光雷达采集的第一点云数据对应的复合帧以及参考点云;然后基于复合帧的位置坐标对复合帧施加随机扰动得到扰动帧;再根据复合帧以及参考点云之间的投影关系构建复合帧对应的损失函数,并利用损失函数确定复合帧对应的位姿数据;最后利用位姿数据确定复合帧对应的第二点云数据,并对复合帧循环施加扰动帧,直至第二点云数据对应的偏移数据满足预设的偏移条件后,将第二点云数据确定为点云数据构建结果;该方法可将存在杂乱的激光雷达点云构建为能反应目标物真实物理形状的点云数据,提高了点云建模的准确性。
Description
技术领域
本发明涉及点云数据构建领域,尤其是涉及一种点云数据构建方法、系统及电子设备。
背景技术
在使用激光雷达扫描输电线路的点云建模时,会因定位不准等原因产生点云位置误差,导致点云数据建模不准确。此类误差通常表现在相邻雷达航带之间,一般来说单条航带扫描的点云误差较小,相邻航带的点云之间垂直于航带方向的偏移误差较大。在处理此类偏移时,现有技术通常采用滤波、整体平移,点云分割提取线路等手段,但上述手段只适用于特定误差类型,并不能完全解决点云杂乱问题。
发明内容
有鉴于此,本发明的目的在于提供一种点云数据构建方法、系统及电子设备,该点云数据构建方法可将存在杂乱的激光雷达点云构建为能反应目标物真实物理形状的点云数据,提高了点云建模的准确性,解决了现有技术中对点云杂乱进行处理时存在的误差较大的问题。
第一方面,本发明实施方式提供了一种点云数据构建方法,该方法包括:
获取激光雷达采集的第一点云数据,按照预设的数据间隔构建第一点云数据对应的复合帧以及参考点云;
获取复合帧的位置坐标,并基于位置坐标对复合帧施加随机扰动后,得到复合帧对应的扰动帧;
根据复合帧以及参考点云之间的投影关系构建复合帧对应的损失函数,并利用损失函数确定复合帧对应的第一位姿数据;
利用第一位姿数据确定复合帧对应的第二点云数据,并对复合帧循环施加扰动帧,直至第二点云数据对应的偏移数据满足预设的偏移条件后,将第二点云数据确定为点云数据构建结果。
在一种实施方式中,获取激光雷达采集的第一点云数据,按照预设的数据间隔构建第一点云数据对应的复合帧以及参考点云的步骤,包括:
获取激光雷达采集的第一点云数据,并获取惯导采集的第二位姿数据;
利用第二位姿数据将雷达坐标系中的第一点云数据变换为世界坐标系下的数据帧;
将数据帧按照数据间隔进行组合后,得到复合帧;
获取复合帧对应的点云空间范围,并利用点云空间范围确定参考点云。
在一种实施方式中,利用第二位姿数据将雷达坐标系中的第一点云数据变换为世界坐标系下的数据帧的步骤,包括:
根据第二位姿数据确定惯导与激光雷达之间的投影矩阵;其中,投影矩阵;/>为第二位姿数据;/>为惯导的位置数据;/>为惯导与激光雷达之间的相对位置数据;
利用投影矩阵,将雷达坐标系中的第一点云数据变换为世界坐标系下的数据帧;其中,数据帧通过以下算式变换得到:
;
其中,为数据帧;/>为第一点云数据;/>为时间参数。
在一种实施方式中,获取复合帧的位置坐标,并基于位置坐标对复合帧施加随机扰动后,得到复合帧对应的扰动帧的步骤,包括:
获取复合帧的位置坐标;
沿位置坐标的坐标轴对复合帧施加随机扰动,控制复合帧按照随机扰动对应的平移量进行平移;其中,平移量服从正态分布;
获取平移后复合帧形成的弥散点云,并将弥散点云对应的数据帧确定为扰动帧。
在一种实施方式中,根据复合帧以及参考点云之间的投影关系构建复合帧对应的损失函数,并利用损失函数确定复合帧对应的第一位姿数据的步骤,包括:
获取复合帧以及参考点云之间的投影关系,利用投影关系对复合帧进行投影变换;
根据已完成投影变换的复合帧在参考点云中的最近邻点,构建损失函数;
利用损失函数获取复合帧与最近邻点之间的距离结果,并利用距离结果确定第一位姿数据。
在一种实施方式中,利用损失函数获取复合帧与最近邻点之间的距离结果,并利用距离结果确定第一位姿数据的步骤,包括:
利用预设的优化器对损失函数进行最小化处理后,获取复合帧与最近邻点之间的距离结果;其中,最小化处理采用最速下降法、牛顿法、LM、trust-constr或者SLSQP所实现;
对距离结果进行非线性约束,使得距离结果小于预设的距离值后,根据距离结果确定第一位姿数据。
在一种实施方式中,损失函数为:
;
其中,为损失函数;/>为投影变换对应的矩阵;/>为第i个点对应的最近邻点;为第j个复合帧中进行投影变换后的第i个点;/>为第j个复合帧中所包含点的个数。
在一种实施方式中,利用第一位姿数据确定复合帧对应的第二点云数据,并对复合帧循环施加扰动帧,直至第二点云数据对应的偏移数据满足预设的偏移条件后,将第二点云数据确定为点云数据构建结果的步骤,包括:
将第一位姿数据应用于复合帧中,得到第二点云数据;其中,第二点云数据与第一点云数据并不相同;
利用复合帧以及随机扰动循环更新扰动帧,并控制扰动帧更新第二点云数据对应的偏移数据;
当偏移数据满足偏移条件后,停止扰动帧的循环更新过程,并将当前第二点云数据确定为点云数据构建结果。
第二方面,本发明实施方式提供一种点云数据构建系统,该系统包括:
第一构建单元,用于获取激光雷达采集的第一点云数据,按照预设的数据间隔构建第一点云数据对应的复合帧以及参考点云;
第二构建单元,用于获取复合帧的位置坐标,并基于位置坐标对复合帧施加随机扰动后,得到复合帧对应的扰动帧;
第三构建单元,用于根据复合帧以及参考点云之间的投影关系构建复合帧对应的损失函数,并利用损失函数确定复合帧对应的第一位姿数据;
第四构建单元,用于利用第一位姿数据确定复合帧对应的第二点云数据,并对复合帧循环施加扰动帧,直至第二点云数据对应的偏移数据满足预设的偏移条件后,将第二点云数据确定为点云数据构建结果。
第三方面,本发明实施方式还提供一种电子设备,包括处理器和存储器,存储器存储有能够被处理器执行的计算机可执行指令,处理器执行计算机可执行指令以实现第一方面提供的点云数据构建方法的步骤。
第四方面,本发明实施方式还提供一种存储介质,存储介质存储有计算机可执行指令,计算机可执行指令在被处理器调用和执行时,计算机可执行指令促使处理器实现第一方面提供的点云数据构建方法的步骤。
本发明实施方式提供的一种点云数据构建方法、系统及电子设备,该方法在进行点云数据的构建过程中,首先获取激光雷达采集的第一点云数据,按照预设的数据间隔构建第一点云数据对应的复合帧以及参考点云;然后获取复合帧的位置坐标,并基于位置坐标对复合帧施加随机扰动后,得到复合帧对应的扰动帧;再根据复合帧以及参考点云之间的投影关系构建复合帧对应的损失函数,并利用损失函数确定复合帧对应的第一位姿数据;最后利用第一位姿数据确定复合帧对应的第二点云数据,并对复合帧循环施加扰动帧,直至第二点云数据对应的偏移数据满足预设的偏移条件后,将第二点云数据确定为点云数据构建结果。该方法可将存在杂乱的激光雷达点云构建为能反应目标物真实物理形状的点云数据,提高了点云建模的准确性,解决了现有技术中对点云杂乱进行处理时存在的误差较大的问题。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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为本发明实施例提供的一种点云数据构建方法的流程图;
图2为本发明实施例提供的一种点云数据构建方法中步骤S101之前的流程图;
图3为本发明实施例提供的一种点云数据构建方法中步骤S202的流程图;
图4为本发明实施例提供的一种点云数据构建方法中步骤S102的流程图;
图5为本发明实施例提供的一种点云数据构建方法中步骤S103的流程图;
图6为本发明实施例提供的一种点云数据构建方法中步骤S503的流程图;
图7为本发明实施例提供的一种点云数据构建方法中步骤S104的流程图;
图8为本发明实施例提供的一种点云数据构建方法中第一点云数据对应的点云图;
图9为本发明实施例提供的一种点云数据构建方法中施加随机扰动后的点云图;
图10为本发明实施例提供的一种点云数据构建方法中点云数据构建结果对应的点云图;
图11为本发明实施例提供的一种点云数据构建系统的结构示意图;
图12为本发明实施例提供的一种电子设备的结构示意图。
图标:
1110-第一构建单元;1120-第二构建单元;1130-第三构建单元;1140-第四构建单元;
101-处理器;102-存储器;103-总线;104-通信接口。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合实施例对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
在使用激光雷达扫描输电线路的点云建模时,会因定位不准等原因产生点云位置误差,导致点云数据建模不准确。此类误差通常表现在相邻雷达航带之间,一般来说单条航带扫描的点云误差较小,相邻航带的点云之间垂直于航带方向的偏移误差较大。在处理此类偏移时,现有技术通常采用滤波、整体平移,点云分割提取线路等手段,但上述手段只适用于特定误差类型,并不能完全解决点云杂乱问题。基于此,本发明实施提供了一种点云数据构建方法、系统及电子设备,该点云数据构建方法可将存在杂乱的激光雷达点云构建为能反应目标物真实物理形状的点云数据,提高了点云建模的准确性,解决了现有技术中对点云杂乱进行处理时存在的误差较大的问题。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种点云数据构建方法进行详细介绍,如图1所示,该方法包括:
步骤S101,获取激光雷达采集的第一点云数据,按照预设的数据间隔构建第一点云数据对应的复合帧以及参考点云。
第一点云数据通过激光雷达采集得到,在获取第一点云数据后按照数据间隔构建复合帧。复合帧中包含一定数量的数据帧,而数据帧包含激光雷达一次取数操作时获得的点云数据。一般来说,复合帧的长度需要满足对应的场景需求,长度太长则降低后续构建过程的灵敏度;长度太短则缺乏足够特征。
复合帧确定后,根据其对应的点云大小筛选得到参考点云,一般来说参考点云的范围要比复合帧的点云范围更大。
步骤S102,获取复合帧的位置坐标,并基于位置坐标对复合帧施加随机扰动后,得到复合帧对应的扰动帧。
对于复合帧,在基于其位置坐标施加随机扰动后,使得复合帧对应的点云在其原有位置弥散开。施加扰动后的复合帧所对应的点云作为筛选参考点云的筛选库,并将施加扰动后的当前复合帧中的每一帧作为扰动帧。
步骤S103,根据复合帧以及参考点云之间的投影关系构建复合帧对应的损失函数,并利用损失函数确定复合帧对应的第一位姿数据。
基于当前复合帧和参考点云构建损失函数,损失函数的物理意义为复合帧中所有点到参考点云中最近邻点的距离之和,因此损失函数的构建过程根据复合帧以及参考点云之间的投影关系所实现。损失函数确定后,利用损失幻术确定当前复合帧对应的位姿数据,并将其记为第一位姿数据。
步骤S104,利用第一位姿数据确定复合帧对应的第二点云数据,并对复合帧循环施加扰动帧,直至第二点云数据对应的偏移数据满足预设的偏移条件后,将第二点云数据确定为点云数据构建结果。
第一位姿数据获取后将其作用于复合帧中进行优化,得到优化后的新点云,即第二点云数据。此时的第二点云数据并非最终的点云数据构建结果,而是对复合帧循环施加扰动帧。经过多次迭代后,再利用第二点云数据对应偏移数据进行判定,从而在偏移数据满足偏移条件后停止迭代,并将当前的第二点云数据确定为最终的点云数据构建结果。
在一种实施方式中,获取激光雷达采集的第一点云数据,按照预设的数据间隔构建第一点云数据对应的复合帧以及参考点云的步骤S101,如图2所示,包括:
步骤S201,获取激光雷达采集的第一点云数据,并获取惯导采集的第二位姿数据;
步骤S202,利用第二位姿数据将雷达坐标系中的第一点云数据变换为世界坐标系下的数据帧;
步骤S203,将数据帧按照数据间隔进行组合后,得到复合帧;
步骤S204,获取复合帧对应的点云空间范围,并利用点云空间范围确定参考点云。
在构建第一点云数据对应的复合帧以及参考点云的过程中,需要通过激光雷达获取第一点云数据,同时还需要通过惯导采集第二位姿数据,此时的第一点云数据和第二位姿数据均为雷达坐标系下的数据。在利用第二位姿数据将雷达坐标系中的第一点云数据变换为世界坐标系下的数据帧之后,实现了将雷达点云变化到世界坐标系下。然后将世界坐标系下的数据帧按照预设的数据间隔进行组合后得到复合帧,一个复合帧包含一定数量的数据帧,是进行优化的最小单位。而一个数据帧包含激光雷达一次取数所获得的点云,数据帧之间的间隔是固定的。复合帧确定后,根据其对应的点云大小筛选得到参考点云,一般来说参考点云的范围要比复合帧的点云范围更大。例如,参考点云的选择范围是当前复合帧点云所占空间范围的基础上再外扩一个特定狭窄的距离。
在一种实施方式中,利用第二位姿数据将雷达坐标系中的第一点云数据变换为世界坐标系下的数据帧的步骤S202,如图3所示,包括:
步骤S301,根据第二位姿数据确定惯导与激光雷达之间的投影矩阵。
其中,投影矩阵;/>为第二位姿数据;/>为惯导的位置数据;/>为惯导与激光雷达之间的相对位置数据。
步骤S302,利用投影矩阵,将雷达坐标系中的第一点云数据变换为世界坐标系下的数据帧。
数据帧通过以下算式变换得到:
;
其中,为数据帧;/>为第一点云数据;/>为时间参数。
值得一提的是,当前第一点云数据与惯导对应的第二位姿数据之间的时间戳已完成对齐处理。
在一种实施方式中,获取复合帧的位置坐标,并基于位置坐标对复合帧施加随机扰动后,得到复合帧对应的扰动帧的步骤S102,如图4所示,包括:
步骤S401,获取复合帧的位置坐标;
步骤S402,沿位置坐标的坐标轴对复合帧施加随机扰动,控制复合帧按照随机扰动对应的平移量进行平移;其中,平移量服从正态分布;
步骤S403,获取平移后复合帧形成的弥散点云,并将弥散点云对应的数据帧确定为扰动帧。
在对复合帧施加一个随机扰动后生成扰动帧,该扰动效果是在当前复合帧的位置坐标的基础上,进行一个平移变换。平移变换过程中的平移量是随机的,且服从正态分布。平移后的复合帧形成的点云会在其原有位置附近弥散开。实际场景中应控制扰动的幅度,使点云不至于过度弥散,又能使原本的错位杂乱不再明显。施加扰动后的弥散点云将作为筛选参考点云的筛选库,其中的每一帧称为扰动帧。
在一种实施方式中,根据复合帧以及参考点云之间的投影关系构建复合帧对应的损失函数,并利用损失函数确定复合帧对应的第一位姿数据的步骤S103,如图5所示,包括:
步骤S501,获取复合帧以及参考点云之间的投影关系,利用投影关系对复合帧进行投影变换;
步骤S502,根据已完成投影变换的复合帧在参考点云中的最近邻点,构建损失函数;
步骤S503,利用损失函数获取复合帧与最近邻点之间的距离结果,并利用距离结果确定第一位姿数据。
上述过程中首先利用当前的复合帧与参考点云之间的投影关系进行投影变换,然后对复合帧中每个点在参考点云中搜索最近邻点,并利用最近邻点构建损失函数。在一种实施方式中,损失函数为:
;
其中,为损失函数;/>为投影变换对应的矩阵;/>为第i个点对应的最近邻点;为第j个复合帧中进行投影变换后的第i个点;/>为第j个复合帧中所包含点的个数。
损失函数确定后,利用优化器对损失函数进行最小化处理,获取复合帧与最近邻点之间的距离结果,并将其确定为第一位姿数据。具体的,在一种实施方式中,利用损失函数获取复合帧与最近邻点之间的距离结果,并利用距离结果确定第一位姿数据的步骤S503,如图6所示,包括:
步骤S601,利用预设的优化器对损失函数进行最小化处理后,获取复合帧与最近邻点之间的距离结果;
其中,最小化处理采用最速下降法、牛顿法、LM、trust-constr或者SLSQP所实现;
步骤S602,对距离结果进行非线性约束,使得距离结果小于预设的距离值后,根据距离结果确定第一位姿数据。
第一位姿数据的确定过程可理解为优化过程,优化时采用非线性约束,使得复合帧与最近邻点之间的距离结果满足特定的距离值后,最终根据距离结果确定第一位姿数据。
在一种实施方式中,利用第一位姿数据确定复合帧对应的第二点云数据,并对复合帧循环施加扰动帧,直至第二点云数据对应的偏移数据满足预设的偏移条件后,将第二点云数据确定为点云数据构建结果的步骤S104,如图7所示,包括:
步骤S701,将第一位姿数据应用于复合帧中,得到第二点云数据;其中,第二点云数据与第一点云数据并不相同;
步骤S702,利用复合帧以及随机扰动循环更新扰动帧,并控制扰动帧更新第二点云数据对应的偏移数据;
步骤S703,当偏移数据满足偏移条件后,停止扰动帧的循环更新过程,并将当前第二点云数据确定为点云数据构建结果。
对于复合帧,将第一位姿数据应用于复合帧中得到第二点云数据,即得到优化后的新点云。通过调整复合帧的长度以及随机扰动的大小,对优化后的新点云重新施加扰动,从而更新扰动帧,并控制扰动帧更新第二点云数据。经过多次循环迭代后,对第二点云数据对应的偏移数据进行判定。当偏移数据满足偏移条件后,停止扰动帧的循环更新过程,并将当前第二点云数据确定为点云数据构建结果。实际场景中,当第二点云数据对应的点云中不再存在航带偏移后,即可停止循环更新过程,并将当前的第二点云数据对应的点云作为点云数据构建结果。值得一提的是,在循环更新过程中,对复合帧的长度以及随机扰动的大小进行调整时,复合帧的长度逐渐变小,随机扰动的数值也逐渐变小。
实际场景中,上述点云数据构建方法针对的场景是输电线路,使用背景为:当使用高精度惯导采集的位置和姿态信息,并对激光雷达采集的点云数据进行拼接时,若拼接结果出现了错位杂乱的情况,可通过上述实施例中的点云数据构建方法来优化拼接的点云,消除错位杂乱。具体效果参照图8至图10。图8为激光雷达采集的第一点云数据对应的点云图,图9为施加随机扰动后的点云图,图10为点云数据构建结果对应的点云图。从图10与图8的对比看,图10相比图8中输电线路所对应的电塔以及电线的点云建模更加准确。
通过上述实施例中提到的点云数据构建方法可知,该方法可将存在杂乱的激光雷达点云构建为能反应目标物真实物理形状的点云数据,提高了点云建模的准确性,解决了现有技术中对点云杂乱进行处理时存在的误差较大的问题。
对于前述实施例提供的点云数据构建方法,本发明实施例提供了一种点云数据构建系统,如图11所示,该系统包括:
第一构建单元1110,用于获取激光雷达采集的第一点云数据,按照预设的数据间隔构建第一点云数据对应的复合帧以及参考点云;
第二构建单元1120,用于获取复合帧的位置坐标,并基于位置坐标对复合帧施加随机扰动后,得到复合帧对应的扰动帧;
第三构建单元1130,用于根据复合帧以及参考点云之间的投影关系构建复合帧对应的损失函数,并利用损失函数确定复合帧对应的第一位姿数据;
第四构建单元1140,用于利用第一位姿数据确定复合帧对应的第二点云数据,并对复合帧循环施加扰动帧,直至第二点云数据对应的偏移数据满足预设的偏移条件后,将第二点云数据确定为点云数据构建结果。
本发明实施例提供的点云数据构建系统,该系统可将存在杂乱的激光雷达点云构建为能反应目标物真实物理形状的点云数据,提高了点云建模的准确性,解决了现有技术中对点云杂乱进行处理时存在的误差较大的问题。
在一种实施方式中,第一构建单元1110,还用于:获取激光雷达采集的第一点云数据,并获取惯导采集的第二位姿数据;利用第二位姿数据将雷达坐标系中的第一点云数据变换为世界坐标系下的数据帧;将数据帧按照数据间隔进行组合后,得到复合帧;获取复合帧对应的点云空间范围,并利用点云空间范围确定参考点云。
在一种实施方式中,第一构建单元1110,在利用第二位姿数据将雷达坐标系中的第一点云数据变换为世界坐标系下的数据帧的过程中,还用于:根据第二位姿数据确定惯导与激光雷达之间的投影矩阵;其中,投影矩阵;/>为第二位姿数据;/>为惯导的位置数据;/>为惯导与激光雷达之间的相对位置数据;利用投影矩阵,将雷达坐标系中的第一点云数据变换为世界坐标系下的数据帧;其中,数据帧通过以下算式变换得到:;其中,/>为数据帧;/>为第一点云数据;/>为时间参数。
在一种实施方式中,第二构建单元1120,还用于:获取复合帧的位置坐标;沿位置坐标的坐标轴对复合帧施加随机扰动,控制复合帧按照随机扰动对应的平移量进行平移;其中,平移量服从正态分布;获取平移后复合帧形成的弥散点云,并将弥散点云对应的数据帧确定为扰动帧。
在一种实施方式中,第三构建单元1130,还用于:获取复合帧以及参考点云之间的投影关系,利用投影关系对复合帧进行投影变换;根据已完成投影变换的复合帧在参考点云中的最近邻点,构建损失函数;利用损失函数获取复合帧与最近邻点之间的距离结果,并利用距离结果确定第一位姿数据。
在一种实施方式中,第三构建单元1130,在利用损失函数获取复合帧与最近邻点之间的距离结果,并利用距离结果确定第一位姿数据的过程中,还用于:利用预设的优化器对损失函数进行最小化处理后,获取复合帧与最近邻点之间的距离结果;其中,最小化处理采用最速下降法、牛顿法、LM、trust-constr或者SLSQP所实现;对距离结果进行非线性约束,使得距离结果小于预设的距离值后,根据距离结果确定第一位姿数据。
在一种实施方式中,第三构建单元1130中的损失函数为:
;
其中,为损失函数;/>为投影变换对应的矩阵;/>为第i个点对应的最近邻点;为第j个复合帧中进行投影变换后的第i个点;/>为第j个复合帧中所包含点的个数。
在一种实施方式中,第四构建单元1140,还用于:将第一位姿数据应用于复合帧中,得到第二点云数据;其中,第二点云数据与第一点云数据并不相同;利用复合帧以及随机扰动循环更新扰动帧,并控制扰动帧更新第二点云数据对应的偏移数据;当偏移数据满足偏移条件后,停止扰动帧的循环更新过程,并将当前第二点云数据确定为点云数据构建结果。
本发明实施例所提供的点云数据构建系统,其实现原理及产生的技术效果和前述点云数据构建方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
本实施例还提供一种电子设备,该电子设备的结构示意图如图12所示,包括处理器101和存储器102;其中,存储器102用于存储一条或多条计算机指令,一条或多条计算机指令被处理器执行,以实现上述点云数据构建方法。
图12所示的电子设备还包括总线103和通信接口104,处理器101、通信接口104和存储器102通过总线103连接。
其中,存储器102可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。总线103可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图12中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
通信接口104用于通过网络接口与至少一个用户终端及其它网络单元连接,将封装好的IPv4报文或IPv4报文通过网络接口发送至用户终端。
处理器101可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器101中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器101可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DigitalSignal Processor,简称DSP)、专用集成电路(Application Specific IntegratedCircuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本公开实施例中的公开的各方法、步骤及逻辑框图。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。结合本公开实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器102,处理器101读取存储器102中的信息,结合其硬件完成前述实施例的方法的步骤。
本发明实施例还提供了一种存储介质,该存储介质上存储有计算机程序,该计算机程序被处理器运行时执行前述实施例的点云数据构建方法的步骤。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、终端和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,又例如,多个单元或组件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通信接口,终端或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。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或者该技术方案的部分可以用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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种点云数据构建方法,其特征在于,所述方法包括:
获取激光雷达采集的第一点云数据,按照预设的数据间隔构建所述第一点云数据对应的复合帧以及参考点云;根据所述数据间隔进行组合后得到所述复合帧;获取所述复合帧对应的点云空间范围,并利用所述点云空间范围确定所述参考点云;
获取所述复合帧的位置坐标,并基于所述位置坐标对所述复合帧施加随机扰动后,得到所述复合帧对应的扰动帧;
根据所述复合帧以及所述参考点云之间的投影关系构建所述复合帧对应的损失函数,并利用所述损失函数确定所述复合帧对应的第一位姿数据;
利用所述第一位姿数据确定所述复合帧对应的第二点云数据,并对所述复合帧循环施加所述扰动帧,直至所述第二点云数据对应的偏移数据满足预设的偏移条件后,将所述第二点云数据确定为点云数据构建结果,具体包括:
将所述第一位姿数据应用于所述复合帧中,得到所述第二点云数据;其中,所述第二点云数据与所述第一点云数据并不相同;
利用所述复合帧以及所述随机扰动循环更新所述扰动帧,并控制所述扰动帧更新所述第二点云数据对应的所述偏移数据;
当所述偏移数据满足所述偏移条件后,停止所述扰动帧的循环更新过程,并将当前所述第二点云数据确定为点云数据构建结果。
2.根据权利要求1所述的点云数据构建方法,其特征在于,所述获取激光雷达采集的第一点云数据,按照预设的数据间隔构建所述第一点云数据对应的复合帧以及参考点云的步骤,包括:
获取所述激光雷达采集的所述第一点云数据,并获取惯导采集的第二位姿数据;
利用所述第二位姿数据将雷达坐标系中的所述第一点云数据变换为世界坐标系下的数据帧;
将所述数据帧按照所述数据间隔进行组合后,得到所述复合帧;
获取所述复合帧对应的点云空间范围,并利用所述点云空间范围确定所述参考点云。
3.根据权利要求2所述的点云数据构建方法,其特征在于,所述利用所述第二位姿数据将雷达坐标系中的所述第一点云数据变换为世界坐标系下的数据帧的步骤,包括:
根据所述第二位姿数据确定所述惯导与所述激光雷达之间的投影矩阵;其中,所述投影矩阵;/>为所述第二位姿数据;/>为所述惯导的位置数据;/>为所述惯导与所述激光雷达之间的相对位置数据;
利用所述投影矩阵,将雷达坐标系中的所述第一点云数据变换为世界坐标系下的数据帧;其中,所述数据帧通过以下算式变换得到:
;
其中,为所述数据帧;/>为所述第一点云数据;/>为时间参数。
4.根据权利要求1所述的点云数据构建方法,其特征在于,所述获取所述复合帧的位置坐标,并基于所述位置坐标对所述复合帧施加随机扰动后,得到所述复合帧对应的扰动帧的步骤,包括:
获取所述复合帧的位置坐标;
沿所述位置坐标的坐标轴对所述复合帧施加随机扰动,控制所述复合帧按照随机扰动对应的平移量进行平移;其中,所述平移量服从正态分布;
获取平移后所述复合帧形成的弥散点云,并将所述弥散点云对应的数据帧确定为所述扰动帧。
5.根据权利要求1所述的点云数据构建方法,其特征在于,所述根据所述复合帧以及所述参考点云之间的投影关系构建所述复合帧对应的损失函数,并利用所述损失函数确定所述复合帧对应的第一位姿数据的步骤,包括:
获取所述复合帧以及所述参考点云之间的投影关系,利用所述投影关系对所述复合帧进行投影变换;
根据已完成投影变换的所述复合帧在所述参考点云中的最近邻点,构建所述损失函数;
利用所述损失函数获取所述复合帧与所述最近邻点之间的距离结果,并利用所述距离结果确定所述第一位姿数据。
6.根据权利要求5所述的点云数据构建方法,其特征在于,所述利用所述损失函数获取所述复合帧与所述最近邻点之间的距离结果,并利用所述距离结果确定所述第一位姿数据的步骤,包括:
利用预设的优化器对所述损失函数进行最小化处理后,获取所述复合帧与所述最近邻点之间的所述距离结果;
对所述距离结果进行非线性约束,使得所述距离结果小于预设的距离值后,根据所述距离结果确定所述第一位姿数据。
7.根据权利要求5所述的点云数据构建方法,其特征在于,所述损失函数为:
;
其中,为所述损失函数;/>为所述投影变换对应的矩阵;/>为第i个点对应的所述最近邻点;/>为第j个所述复合帧中进行所述投影变换后的第i个点;/>为第j个所述复合帧中所包含点的个数。
8.一种点云数据构建系统,其特征在于,所述系统包括:
第一构建单元,用于获取激光雷达采集的第一点云数据,按照预设的数据间隔构建所述第一点云数据对应的复合帧以及参考点云;根据所述数据间隔进行组合后得到所述复合帧;获取所述复合帧对应的点云空间范围,并利用所述点云空间范围确定所述参考点云;
第二构建单元,用于获取所述复合帧的位置坐标,并基于所述位置坐标对所述复合帧施加随机扰动后,得到所述复合帧对应的扰动帧;
第三构建单元,用于根据所述复合帧以及所述参考点云之间的投影关系构建所述复合帧对应的损失函数,并利用所述损失函数确定所述复合帧对应的第一位姿数据;
第四构建单元,用于利用所述第一位姿数据确定所述复合帧对应的第二点云数据,并对所述复合帧循环施加所述扰动帧,直至所述第二点云数据对应的偏移数据满足预设的偏移条件后,将所述第二点云数据确定为点云数据构建结果;
所述第四构建单元,还用于:将所述第一位姿数据应用于所述复合帧中,得到所述第二点云数据;其中,所述第二点云数据与所述第一点云数据并不相同;利用所述复合帧以及所述随机扰动循环更新所述扰动帧,并控制所述扰动帧更新所述第二点云数据对应的所述偏移数据;当所述偏移数据满足所述偏移条件后,停止所述扰动帧的循环更新过程,并将当前所述第二点云数据确定为点云数据构建结果。
9.一种电子设备,其特征在于,包括:处理器和存储装置;所述存储装置上存储有能够被处理器执行的计算机可执行指令,所述处理器执行所述计算机可执行指令以实现上述权利要求1至7任一项所述的点云数据构建方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311294672.3A CN117031443B (zh) | 2023-10-09 | 2023-10-09 | 点云数据构建方法、系统及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311294672.3A CN117031443B (zh) | 2023-10-09 | 2023-10-09 | 点云数据构建方法、系统及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117031443A CN117031443A (zh) | 2023-11-10 |
CN117031443B true CN117031443B (zh) | 2024-01-19 |
Family
ID=88639890
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311294672.3A Active CN117031443B (zh) | 2023-10-09 | 2023-10-09 | 点云数据构建方法、系统及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117031443B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111540015A (zh) * | 2020-04-27 | 2020-08-14 | 深圳南方德尔汽车电子有限公司 | 基于点云匹配的位姿计算方法、装置、计算机设备及存储介质 |
CN112053390A (zh) * | 2020-09-04 | 2020-12-08 | 上海懒书智能科技有限公司 | 一种基于点云变换匹配的定位方法 |
CN113870343A (zh) * | 2020-06-30 | 2021-12-31 | 长沙智能驾驶研究院有限公司 | 相对位姿标定方法、装置、计算机设备和存储介质 |
CN114004949A (zh) * | 2021-10-11 | 2022-02-01 | 武汉大学 | 机载点云辅助的移动测量系统安置参数检校方法及系统 |
CN115792900A (zh) * | 2022-10-19 | 2023-03-14 | 国网电力空间技术有限公司 | 一种输电通道地质敏感区的形变检测方法及系统 |
CN116309813A (zh) * | 2022-11-28 | 2023-06-23 | 北京航空航天大学 | 一种固态激光雷达-相机紧耦合位姿估计方法 |
CN116539053A (zh) * | 2023-05-31 | 2023-08-04 | 佛山仙湖实验室 | 一种实时全局点云地图构建方法、系统、设备及存储介质 |
-
2023
- 2023-10-09 CN CN202311294672.3A patent/CN117031443B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111540015A (zh) * | 2020-04-27 | 2020-08-14 | 深圳南方德尔汽车电子有限公司 | 基于点云匹配的位姿计算方法、装置、计算机设备及存储介质 |
CN113870343A (zh) * | 2020-06-30 | 2021-12-31 | 长沙智能驾驶研究院有限公司 | 相对位姿标定方法、装置、计算机设备和存储介质 |
CN112053390A (zh) * | 2020-09-04 | 2020-12-08 | 上海懒书智能科技有限公司 | 一种基于点云变换匹配的定位方法 |
CN114004949A (zh) * | 2021-10-11 | 2022-02-01 | 武汉大学 | 机载点云辅助的移动测量系统安置参数检校方法及系统 |
CN115792900A (zh) * | 2022-10-19 | 2023-03-14 | 国网电力空间技术有限公司 | 一种输电通道地质敏感区的形变检测方法及系统 |
CN116309813A (zh) * | 2022-11-28 | 2023-06-23 | 北京航空航天大学 | 一种固态激光雷达-相机紧耦合位姿估计方法 |
CN116539053A (zh) * | 2023-05-31 | 2023-08-04 | 佛山仙湖实验室 | 一种实时全局点云地图构建方法、系统、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
基于ICP算法的机载LiDAR航带拼接研究;范亚军;《中国优秀硕士学位论文全文数据库 基础科学辑》;第25-38页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117031443A (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109788277B (zh) | 防抖机芯的光轴偏差的补偿方法、装置和存储介质 | |
US20130083990A1 (en) | Using Videogrammetry to Fabricate Parts | |
CN112595323A (zh) | 机器人及其建图方法和装置 | |
CN109949306B (zh) | 反射面角度偏差检测方法、终端设备及存储介质 | |
US20220044433A1 (en) | Method and system for distance measurement based on binocular camera, device and computer-readable storage medium | |
CN113787522B (zh) | 消除机械臂累积误差的手眼标定方法 | |
US20200209365A1 (en) | Laser data calibration method and robot using the same | |
CN114494388B (zh) | 一种大视场环境下图像三维重建方法、装置、设备及介质 | |
CN109558471A (zh) | 栅格地图的更新方法、装置、存储介质和系统 | |
US11501123B2 (en) | Method and apparatus for asynchronous data fusion, storage medium and electronic device | |
CN111179309B (zh) | 一种跟踪方法及设备 | |
CN115150024A (zh) | 数据处理方法、装置、设备和介质 | |
CN117031443B (zh) | 点云数据构建方法、系统及电子设备 | |
CN112100869B (zh) | 电力线补点方法、装置及电子设备 | |
US20220044438A1 (en) | Object detection model generation method and electronic device and computer readable storage medium using the same | |
CN111062374A (zh) | 身份证信息的识别方法、装置、系统、设备及可读介质 | |
CN114723640B (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
CN110634159A (zh) | 一种目标检测方法和装置 | |
CN108650465B (zh) | 摄像机画面增强现实标签的计算方法、装置及电子设备 | |
CN113887290A (zh) | 单目3d检测方法、装置、电子设备及存储介质 | |
CN116630436B (zh) | 相机外参修正方法、装置、电子设备和计算机可读介质 | |
CN115619907B (zh) | 一种自适应建筑物直角化方法和装置 | |
CN114399555B (zh) | 数据在线标定方法、装置、电子设备和计算机可读介质 | |
CN115631096B (zh) | 基于视觉成像原理的风机叶片图片的拼接方法及装置 | |
CN113343973A (zh) | 深度估计方法、存储介质以及计算机设备 |
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 |