CN117911469A - 一种点云数据的配准方法、装置、设备及存储介质 - Google Patents
一种点云数据的配准方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117911469A CN117911469A CN202311444152.6A CN202311444152A CN117911469A CN 117911469 A CN117911469 A CN 117911469A CN 202311444152 A CN202311444152 A CN 202311444152A CN 117911469 A CN117911469 A CN 117911469A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- model
- data
- current period
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000004590 computer program Methods 0.000 claims description 15
- 230000001131 transforming effect Effects 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 abstract description 8
- 230000033001 locomotion Effects 0.000 description 13
- 230000008569 process Effects 0.000 description 13
- 238000005070 sampling Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000013519 translation Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010924 continuous production Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30244—Camera pose
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Instructional Devices (AREA)
Abstract
本发明公开了一种点云数据的配准方法、装置、设备及存储介质,该方法包括:获取当前周期的点云数据;基于所述当前周期的点云数据构建点云数据的配准模型;对所述点云数据的配准模型进行求解,获得配准后的点云数据。利用该方法:通过构建点云数据的配准模型进行求解进行配准,实现了实时点云与地图点云的匹配,实现当前位姿信息的优化,提高了点云数据的配准的精确度和实时性。
Description
技术领域
本发明实施例涉及计算机视觉技术领域,尤其涉及一种点云数据的配准方法、装置、设备及存储介质。
背景技术
激光雷达传感器由于其数据采样的高精度以及高鲁棒性被广泛应用于自动驾驶领域,包括自动驾驶感知系统和高精定位系统。其中,在高精定位系统中,通过相邻帧之间的激光雷达采集到的点云数据进行配准可以得到两帧之间的相对运动,通过对连续多帧的相对运动数据进行积分可以实现里程计的功能。通过将特定帧的激光雷达点云数据与先验地图进行配准可以实现基于地图的定位功能。在自动驾驶领域,由于在激光雷达采集数据的过程中该传感器自身存在运动,因此在计算点云配准问题的同时需要考虑运动造成的点云数据畸变。
传统的方法在求解实时点云与局部地图点云或全局地图点云的配准问题时,存在以下问题:传感器的运动是连续的过程,传统方法的求解过程完全将传感器的运动离散化,缺少对其采样过程中的运动的建模过程。
发明内容
本发明实施例提供一种点云数据的配准方法、装置、设备及存储介质,实现了实时点云与地图点云的匹配,实现当前位姿信息的优化,提高了点云数据的配准的精确度和实时性。
第一方面,本发明实施例提供了一种点云数据的配准方法,该方法包括:
获取当前周期的点云数据;
基于所述当前周期的点云数据构建点云数据的配准模型;
对所述点云数据的配准模型进行求解,获得配准后的点云数据。
第二方面,本发明实施例还提供了一种点云数据的配准装置,该装置包括:
获取模块,用于获取当前周期的点云数据;
模型构建模块,用于基于所述当前周期的点云数据构建点云数据的配准模型;
配准模块,用于对所述点云数据的配准模型进行求解,获得配准后的点云数据。
第三方面,本公开实施例还提供电子设备,所述电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本公开实施例提供的点云数据的配准方法。
第四方面,本公开实施例还提供了包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行实现本公开实施例提供的点云数据的配准方法。
本发明公开了一种点云数据的配准方法、装置、设备及存储介质,该方法包括:获取当前周期的点云数据;基于所述当前周期的点云数据构建点云数据的配准模型;对所述点云数据的配准模型进行求解,获得配准后的点云数据。利用该方法:通过构建点云数据的配准模型进行求解进行配准,实现了实时点云与地图点云的匹配,实现当前位姿信息的优化,提高了点云数据的配准的精确度和实时性。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1为本公开实施例所提供的一种点云数据的配准方法的流程图;
图2为本公开实施例所提供的一种点云数据的配准装置的结构示意图;
图3为本公开实施例所提供的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
可以理解的是,在使用本公开各实施例公开的技术方案之前,均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
例如,在响应于接收到用户的主动请求时,向用户发送提示信息,以明确地提示用户,其请求执行的操作将需要获取和使用到用户的个人信息。从而,使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
作为一种可选的但非限定性的实现方式,响应于接收到用户的主动请求,向用户发送提示信息的方式例如可以是弹窗的方式,弹窗中可以以文字的方式呈现提示信息。此外,弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。
可以理解的是,上述通知和获取用户授权过程仅是示意性的,不对本公开的实现方式构成限定,其它满足相关法律法规的方式也可应用于本公开的实现方式中。
可以理解的是,本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。
实施例一
图1为本公开实施例所提供的一种点云数据的配准的流程图,本公开实施例适用于提供解决传统方法的求解过程完全将传感器的运动离散化,缺少对其采样过程中的运动的建模过程的问题的情形,该方法可以由点云数据的配准装置来执行,该装置可以通过软件和/或硬件的形式实现,可选的,通过电子设备来实现,该电子设备可以是移动终端、PC端或服务器等。
如图1所示,本公开实施例提供的一种点云数据的配准方法,具体可以包括下述步骤:
S110、获取当前周期的点云数据。
在本实施例中,点云数据是由激光雷达实时获取的数据。其中,激光雷达是周期性的获取测量数据。
具体的,本步骤用于获取当前周期的点云数据。
S120、基于当前周期的点云数据构建点云数据的配准模型。
需要知道的是,刚体的三维空间运动可以建模为旋转R和平移t的组合过程,传统意义上的点云配准问题可以定义为:给定目标点云Pt和输入点云Ps,已知上述两块点云之间存在重叠区域,计算一组旋转和平移参数,实现输入点云到目标点云的空间变换。数学上可以定义为:
其中,R*为旋转量,t*为平移量。
在本实施例中,获取与当前周期的点云数据相对应的地图点云数据和上一周期的位姿信息。根据地图点云数据、当前周期的点云数据和位姿信息构建点云数据的配准模型。
在上述实施例的基础上,可以将基于当前周期的点云数据构建点云数据的配准模型具体为下述步骤:
a1)获取与当前周期的点云数据相对应的地图点云数据和上一周期的位姿信息。
在本实施例中,地图点云数据可以是局部地图点云或全局地图点云,位姿信息可以是由当前激光雷达为中心的坐标系转换到地图坐标系时的旋转和平移的信息。
具体的,获取与当前周期的点云数据相对应段的地图点云数据和上一周期采集到的点云数据所对应的位姿信息
b1)根据地图点云数据和当前周期的点云数据构建点云距离调整子模型。
具体的,基于位姿信息确定当前周期的位姿估计信息,根据位姿估计信息将当前周期的点云数据变换至地图坐标系下,获得地图坐标系下的点云数据。基于地图坐标系下的点云数据和地图点云数据构建点云距离调整子模型。
c1)根据当前周期的点云数据和位姿信息构建位姿调整子模型。
需要知道的是,在激光雷达运动的过程中,其运动是连续的过程,即上一帧采样的结束时刻与当前帧采样的开始时刻传感器的位姿应相同,然而由于配准过程中的不确定性,上述两个时刻的位姿并不能保证一致性,
具体的,为了解决上述问题,引入了额外的优化目标,保证其结果的全局一致性,该目标为前上一周期采样结束时刻的位姿与当前周期采样开始时刻位姿的差值根据当前周期的点云数据和位姿信息构建的位姿调整子模型定义为:
其中,为上一周期结束时刻的旋转量,/>为当前周期采样开始时刻的旋转量,/>为当前周期采样开始时刻的平移量,/>为上一周期结束时刻的平移量。
d1)将点云距离调整子模型和位姿调整子模型进行线性叠加,获得点云数据的配准模型。
将点云距离调整子模型和位姿调整子模型进行线性叠加,获得点云数据的配准模型,其中,当值越小时,模型优化后获得的结果越好。
在上述实施例的基础上,根据地图点云数据和初始点云数据构建点云距离调整子模型具体为下述步骤:
b11)基于位姿信息确定当前周期的位姿估计信息。
具体的,根据位姿信息确定当前周期在初始时刻和结束时刻的位姿估计信息。根据当前周期在初始时刻和结束时刻的位姿估计信息确定当前周期的点云数据对应的位姿估计信息。
b12)根据位姿估计信息将当前周期的点云数据变换至地图坐标系下,获得第一点云数据。
在本实施例中,第一点云数据可以是变换至地图坐标系下的点云数据。
具体的,根据上述位姿估计信息将当前周期的点云数据变换至地图坐标系下,获得第一点云数据。
示例性的,在上述通过插值计算获得点云中某一元素在其采样时刻下的位姿信息之后,将其变换至地图坐标系下的公式如下:
b13)基于第一点云数据和地图点云数据构建点云距离调整子模型。
具体的,在地图点云数据中确定与第一3D点数据距离最近的3个第二3D点。若3个的第二3D点构成一个平面(即3点不能处于一条直线上),计算第一3D点到该平面的距离,将所有的满足条件的第一3D点到距离最近的3个第二3D点构成的平面的距离之和作为点云距离调整子模型。
其中符号”*”与符号”×”分别表示向量的内积与外积。距离最近的可构成局部平面的三个点分别为/>
在上述实施例的基础上,根据位姿估计信息将当前周期的点云数据变换至地图坐标系下,获得第一点云数据具体为下述步骤:
b111)基于位姿信息确定当前周期在初始时刻和结束时刻的位姿估计信息。
b112)根据当前周期在初始时刻和结束时刻的位姿估计信息确定当前周期的点云数据对应的位姿估计信息。
具体的,将上个周期结束时刻的位姿信息作为在初始时刻的位姿信息,根据一个周期的长度确定出结束时刻的位姿估计信息。根据当前周期在初始时刻和结束时刻的位姿估计信息使用插值法确定当前周期的点云数据对应的位姿估计信息。
示例性的,定义某一时刻采集到的点云数据为其中N代表点云中元素的数量,获取元素/>时刻的位姿为/>获取元素/>时刻的位姿为/>则点云中其它元素获取时刻的位姿可通过插值计算(本发明实施例中为匀速运动模型),插值计算公式如下:
其中Log()函数实现的是李群到李代数空间的映射过程,Exp()函数实现的是李代数空间到李群空间的映射过程,ri表示需要插值的元素的采样时间在点云数据的整体采样周期内的时间比例系数。
在上述实施例的基础上,基于第一点云数据和地图点云数据构建点云距离调整子模型具体为下述步骤:
对第一点云数据中的任一第一3D点数据进行如下操作:
b131)在地图点云数据中确定与第一3D点数据距离最近的设定数量的第二3D点。
在本实施例中,第二3D点位地图点云数据中的元素。设定数量可以是3个。
b132)若设定数量的第二3D点构成一个平面,则将该第一3D点数据提取出来,提取出的第一3D点数据构成第二点云数据。
b133)基于第二点云数据和地图点云数据构建点云距离调整子模型。
具体的,在地图点云数据中确定与第一3D点数据距离最近的设定数量的第二3D点。若设定数量的第二3D点构成一个平面,则将该第一3D点数据提取出来,提取出的第一3D点数据构成第二点云数据。计算第二点云数据中的3D点到距离最近的设定数量的第二3D点所构成平面的距离,将所有的第二点云数据中3D点到距离最近的3个第二3D点构成的平面的距离之和作为点云距离调整子模型。
在上述实施例的基础上,基于第二点云数据和地图点云数据构建点云距离调整子模型具体为下述步骤:
b1331)对于第二点云数据中任一3D点数据,确定与第一3D点数据距离最近的设定数量的第二3D点构成的平面的距离;
b1332)对距离进行线性叠加,构建点云距离调整子模型。
具体的,计算第二点云数据中任一3D点数据,确定与第一3D点数据距离最近的设定数量的第二3D点构成的平面的距离,将所有的距离进行线性叠加,获得点云距离调整子模型。对模型进行求解时,距离最小时的结果作为最优的结果。
S130、对点云数据的配准模型进行求解,获得配准后的点云数据。
具体的,对上述点云数据的配准模型进行求解,使用非线性优化算法求解优化问题,当模型的结果最小时,将此时获得的位姿信息作为最优结果,即获得了初始点云数据对应的位姿信息。基于位姿信息将初始点云数据使用上述变换公式变换至地图坐标系下,获得配准后的点云数据。
在上述实施例的基础上,获得配准后的点云数据具体为下述步骤:
a2)对点云数据的配准模型进行求解,获得初始点云数据对应的位姿信息。
b2)基于位姿信息将初始点云数据变换至地图坐标系下,获得配准后的点云数据。
本发明公开了一种点云数据的配准方法,该方法包括:获取当前周期的点云数据;基于当前周期的点云数据构建点云数据的配准模型;对点云数据的配准模型进行求解,获得配准后的点云数据。利用该方法:通过构建点云数据的配准模型进行求解进行配准,实现了实时点云与地图点云的匹配,实现当前位姿信息的优化,提高了点云数据的配准的精确度和实时性。
实施例二
图2为本发明实施例还提供了一种点云数据的配准装置结构示意图,如图2示,装置包括:获取模块210、模型构建模块220、以及配准模块230。
获取模块210,用于获取当前周期的点云数据;
模型构建模块220,用于基于所述当前周期的点云数据构建点云数据的配准模型;
配准模块230,用于对所述点云数据的配准模型进行求解,获得配准后的点云数据。
本公开实施例所提供的技术方案,利用该方法:通过构建点云数据的配准模型进行求解进行配准,实现了实时点云与地图点云的匹配,实现当前位姿信息的优化,提高了点云数据的配准的精确度和实时性。
进一步地,模型构建模块220可以用于:
获取与所述当前周期的点云数据相对应的地图点云数据和上一周期的位姿信息;
根据所述地图点云数据和所述当前周期的点云数据构建点云距离调整子模型;
根据所述当前周期的点云数据和所述位姿信息构建位姿调整子模型;
将所述点云距离调整子模型和所述位姿调整子模型进行线性叠加,获得点云数据的配准模型。
进一步地,模型构建模块220可以用于:
基于所述位姿信息确定所述当前周期的位姿估计信息;
根据所述位姿估计信息将所述当前周期的点云数据变换至地图坐标系下,获得第一点云数据;
基于所述第一点云数据和所述地图点云数据构建点云距离调整子模型。
进一步地,模型构建模块220可以用于:
基于所述位姿信息确定当前周期在初始时刻和结束时刻的位姿估计信息;
根据所述当前周期在初始时刻和结束时刻的位姿估计信息确定所述当前周期的点云数据对应的位姿估计信息。
进一步地,模型构建模块220可以用于:
对所述第一点云数据中的任一第一3D点数据进行如下操作:
在所述地图点云数据中确定与所述第一3D点数据距离最近的设定数量的第二3D点;
若所述设定数量的第二3D点构成一个平面,则将该第一3D点数据提取出来,提取出的第一3D点数据构成第二点云数据;
基于所述第二点云数据和所述地图点云数据构建点云距离调整子模型。
进一步地,模型构建模块220还可以用于:
对于所述第二点云数据中任一3D点数据,确定与所述第一3D点数据距离最近的设定数量的第二3D点构成的平面的距离;
对所述距离进行线性叠加,构建点云距离调整子模型。
进一步地,配准模块230还可以用于:
对所述点云数据的配准模型进行求解,获得所述初始点云数据对应的位姿信息;
基于所述位姿信息将所述初始点云数据变换至地图坐标系下,获得配准后的点云数据。
上述装置可执行本发明前述所有实施例所提供的方法,具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明前述所有实施例所提供的方法。
实施例三
图3出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图3,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如点云数据的配准方法。
在一些实施例中,点云数据的配准方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的点云数据的配准方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行点云数据的配准方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种点云数据的配准方法,其特征在于,包括:
获取当前周期的点云数据;
基于所述当前周期的点云数据构建点云数据的配准模型;
对所述点云数据的配准模型进行求解,获得配准后的点云数据。
2.根据权利要求1所述的方法,其特征在于,基于所述当前周期的点云数据构建点云数据的配准模型,包括:
获取与所述当前周期的点云数据相对应的地图点云数据和上一周期的位姿信息;
根据所述地图点云数据和所述当前周期的点云数据构建点云距离调整子模型;
根据所述当前周期的点云数据和所述位姿信息构建位姿调整子模型;
将所述点云距离调整子模型和所述位姿调整子模型进行线性叠加,获得点云数据的配准模型。
3.根据权利要求2所述的方法,其特征在于,根据所述地图点云数据和所述初始点云数据构建点云距离调整子模型,包括:
基于所述位姿信息确定所述当前周期的位姿估计信息;
根据所述位姿估计信息将所述当前周期的点云数据变换至地图坐标系下,获得第一点云数据;
基于所述第一点云数据和所述地图点云数据构建点云距离调整子模型。
4.根据权利要求3所述的方法,其特征在于,基于所述位姿信息确定所述当前周期的位姿估计信息,包括:
基于所述位姿信息确定当前周期在初始时刻和结束时刻的位姿估计信息;
根据所述当前周期在初始时刻和结束时刻的位姿估计信息确定所述当前周期的点云数据对应的位姿估计信息。
5.根据权利要求3所述的方法,其特征在于,基于所述第一点云数据和所述地图点云数据构建点云距离调整子模型,包括:
对所述第一点云数据中的任一第一3D点数据进行如下操作:
在所述地图点云数据中确定与所述第一3D点数据距离最近的设定数量的第二3D点;
若所述设定数量的第二3D点构成一个平面,则将该第一3D点数据提取出来,提取出的第一3D点数据构成第二点云数据;
基于所述第二点云数据和所述地图点云数据构建点云距离调整子模型。
6.根据权利要求5所述的方法,其特征在于,基于所述第二点云数据和所述地图点云数据构建点云距离调整子模型,包括:
对于所述第二点云数据中任一3D点数据,确定与所述第一3D点数据距离最近的设定数量的第二3D点构成的平面的距离;
对所述距离进行线性叠加,构建点云距离调整子模型。
7.根据权利要求1所述的方法,其特征在于,对所述点云数据的配准模型进行求解,获得配准后的点云数据,包括:
对所述点云数据的配准模型进行求解,获得所述初始点云数据对应的位姿信息;
基于所述位姿信息将所述初始点云数据变换至地图坐标系下,获得配准后的点云数据。
8.一种点云数据的配准装置,其特征在于,包括:
获取模块,用于获取当前周期的点云数据;
模型构建模块,用于基于所述当前周期的点云数据构建点云数据的配准模型;
配准模块,用于对所述点云数据的配准模型进行求解,获得配准后的点云数据。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的点云数据的配准方法。
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存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的点云数据的配准方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311444152.6A CN117911469A (zh) | 2023-11-01 | 2023-11-01 | 一种点云数据的配准方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311444152.6A CN117911469A (zh) | 2023-11-01 | 2023-11-01 | 一种点云数据的配准方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117911469A true CN117911469A (zh) | 2024-04-19 |
Family
ID=90682680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311444152.6A Pending CN117911469A (zh) | 2023-11-01 | 2023-11-01 | 一种点云数据的配准方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117911469A (zh) |
-
2023
- 2023-11-01 CN CN202311444152.6A patent/CN117911469A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7214803B2 (ja) | 建築物の測位方法、装置、電子デバイス、記憶媒体、プログラム、及び端末デバイス | |
CN113327344B (zh) | 融合定位方法、装置、设备、存储介质及程序产品 | |
CN114926549B (zh) | 三维点云处理方法、装置、设备以及存储介质 | |
CN115656989A (zh) | 外参标定方法、装置、电子设备及存储介质 | |
CN113219505B (zh) | 用于车路协同隧道场景的采集gps坐标的方法、装置和设备 | |
CN113177980B (zh) | 用于自动驾驶的目标对象速度确定方法、装置及电子设备 | |
CN116168090A (zh) | 一种设备参数标定方法及装置 | |
CN117911469A (zh) | 一种点云数据的配准方法、装置、设备及存储介质 | |
CN114299192B (zh) | 定位建图的方法、装置、设备和介质 | |
CN114625822A (zh) | 高精地图的更新方法、装置及电子设备 | |
CN114812576A (zh) | 地图匹配方法、装置及电子设备 | |
CN112180910B (zh) | 一种移动机器人障碍物感知方法和装置 | |
CN116559927B (zh) | 激光雷达的航向角确定方法、装置、设备及介质 | |
CN117589188B (zh) | 行车路径规划方法、装置、电子设备和存储介质 | |
CN113658277B (zh) | 立体匹配方法、模型训练方法、相关装置及电子设备 | |
CN117289686B (zh) | 一种参数标定方法、装置、电子设备及存储介质 | |
CN116164777A (zh) | 传感器标定方法、装置、设备及自动驾驶车辆 | |
CN117760402A (zh) | 一种挂篮姿态调整方法、装置、设备及存储介质 | |
CN118010049A (zh) | 轨迹规划方法、装置、电子设备及存储介质 | |
CN117289238A (zh) | 一种激光雷达建图优化方法、装置、设备及介质 | |
CN115861435A (zh) | 雷达外参评估方法、装置、电子设备及存储介质 | |
CN117739993A (zh) | 一种机器人定位方法、装置、机器人及存储介质 | |
CN116520255A (zh) | 一种滤波方法 | |
CN115356129A (zh) | 车辆底盘参数标定方法、装置、电子设备及存储介质 | |
CN117456007A (zh) | 激光雷达与相机联合标定方法、装置、设备及存储介质 |
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 |