[发明专利]一种三维激光点云成像中的快速平差方法

说明书

本发明公开了一种三维激光点云成像中的快速平差方法，包括：关键帧选取、关键帧配准、平差检测、平差优化。关键帧选取负责从激光雷达获取的全部点云数据中选出后续配准中使用的点云；关键帧配准环节通过相邻两关键帧之间的配准来减小成像误差；平差检测环节负责判断关键帧配准环节中是否出现点云匹配错误；平差优化环节针对出现的点云匹配错误进行优化。本发明为移动激光雷达实时成像提供了一种快速平差的方法，算法容错性好，可以适用于多种不同环境的三维点云成像。

技术领域

本发明涉及一种三维激光点云成像中的快速平差方法，属于遥感与测绘、计算机视觉与模式识别技术，适用于任何三维数字化仪获取的三维点云数据。

背景技术

三维激光点云成像的平差一直是计算机视觉与模式识别、遥感与测绘领域十分关注的问题，持续的累加数据必然会造成轨迹漂移误差，需要优化平差。以往的平差算法是最后进行全局优化平差，这样速度慢，没有实时性，无法达到实时成像。

发明内容

本发明要解决的技术问题为：在移动激光雷达地图创建成像中，激光与其获得新一帧点云是以累加的方式获得的，持续累加会造成累计误差，本发明提供一种三维激光点云成像中的快速平差方法。该方法从点云的分布特征入手，提取有代表性的特征点，使用特征点在成像的同时快速的进行配准优化误差，大大减小了累计误差，算法容错性好，适合任何三维数字化仪获取三维点云的搜索匹配。

本发明解决上述技术问题采用的技术方案为：一种三维激光点云成像中的快速平差方法，该方法包括如下步骤：

步骤(1)确定一个固定的时间间隔，以该间隔为基础在获取的全部点云中选取关键帧进行平差，降低运算复杂度；

步骤(2)在关键帧点云中，提取边界点和平面点，方法是：对于每个点，求该点到在其一定距离内的所有点的向量和的模，再除以激光测距仪到该点的距离，获得该点平整度即其中i为所计算的点，j为i的相邻点，S为i两侧相同个数的点构成的点集，P_i、P_j分别为点i点j的坐标。取其中c值最大的n个点作为边界点，取出c值最小(接近0)的n个点作为平面点。

步骤(3)确定特征点之后，对每个特征点进行特征关联。特征关联就是求该特征点到上一帧中该点的关联特征的距离。

步骤(4)特征关联之后，每一个特征点都有一个关于上一帧数据的特征距离d，找到一个位姿变换T_k＝[t_x,t_y,t_z,r_x,r_y,r_z]，尽量让所有特征距离都为0，那这个位姿变换就是激光雷达在这两帧数据之间的运动，即f(P_k,T_k)＝d_k→0，P_k为k时刻特征点矩阵，d_k为k时刻特征距离矩阵，T_k为k-1到k时刻的位姿变换。使用最小二乘法优化计算T_k，根据T_k更新点云位置，再次进行特征关联并更新距离d计算T_k，不断循环直到d小于设定阈值或者循环次数达到上限；

步骤(5)若优化完成的后的全部特征距离的平均值比优化前减小，则认为平差完成；反之，则要进行平差优化：将当前关键帧的点云映射到全局坐标系之后，就可以确定激光雷达在已创建的三维点云图中的位置，在三维点云图中，以这个位置为中心取一个立方体内的全部点云与，让当前关键帧与这部分点云再次按步骤(2)、步骤(3)、步骤(4)进行配准来完成平差优化，其中立方体的大小与激光雷达的测量范围有关。

其中，所述步骤(3)中配准误差求解方法如下：

步骤(3.1)若特征点为平面点，它的关联特征是一个平面，需要在上一帧数据中寻找三个点来确定这个平面，首先遍历寻找上一关键帧中距离特征点最近的点M，再提取与M同一扫描线且距离M最近的点L，提取M的相邻扫描线上与M最近的点N；