[发明专利]三维建模方法、装置、存储介质和计算机设备

权利要求书

1.一种三维建模方法，其特征在于，应用于移动机器人，所述移动机器人安装有异构传感器，在结构化场景中运动，异构传感器指的是集GPS时钟模块、雷达模块、惯性测量单元模块、视觉模块以及微处理器模块为一体的传感器；其中，视觉模块由一个或者多个摄像头组成，GPS时钟模块提供全局时间轴，所有信号都带有时间戳，并以GPS时间轴为基准，GPS时钟模块集成了GPS接收和硬件触发功能，它接收GPS卫星信号，并对雷达模块、惯性测量单元模块、视觉模块分别进行触发，其触发频率关系为：

f_IMU＝mf_camera,f_camera＝nf_Lidar

其中，f_camera是视觉模块的触发频率，f_Lidar是雷达模块的触发频率，f_IMU是惯性测量单元模块的触发频率，m和n取大于1的整数，触发信号在时间上对齐，某个时间点对三个传感器同时触发，然后按照各自固定频率对三个传感器分别触发，每隔一段时间，就会再次出现两个或者三个传感器同时触发的情况，时间间隔由m和n控制，用户可进行调节；

所述方法包括：

当移动机器人在结构化场景中运动时，通过异构传感器中的雷达模块、IMU模块、视觉模块采集数据后，输出给微处理器，由微处理器对已经同步的采集信号进行时间和空间上的校准后得到一帧点云数据，连续得到多帧点云数据，组成点云数据帧集合；

分别对点云数据帧集合中各帧点云数据提取特征点，得到各帧点云数据对应的特征点集合；所述特征点包括跳跃点、尖点、折痕点以及曲率极大值点中的其中一种；

分别从各帧点云数据对应的特征点集合中选取至少三个特征较强的特征点作为目标特征点，得到各帧点云数据对应的目标特征点集合；

根据前一帧点云数据对应的目标特征点集合，获取后一帧点云数据中目标特征点集合中各个目标特征点对应的特征点，得到对应特征点集合；

根据所述目标特征点集合和对应特征点集合计算平移矩阵和旋转矩阵；

根据所述平移矩阵和旋转矩阵对前一帧点云数据和后一帧点云数据进行初始配准；

对各帧点云数据根据点云数据的空间分布情况提取地面对应的点云；

对提取地面对应的点云后的各帧点云数据中各个点计算法向量；

根据各个点的法向量对各帧点云数据进行聚类，得到类集合；

对类集合中各个类对应的点云进行平面拟合，得到各个类对应的特征面，基于点面距离最小化并根据所述特征面对初始配准后的各帧点云数据进行精确配准；

对各帧点云数据进行三角化处理得到拓扑连接关系，根据拓扑连接关系获得三维网格曲面模型，根据视觉模块中摄像头与雷达模块中激光雷达的相互位置关系，把摄像头采集的彩色图片中的像素投影到三维网格曲面模型中，为每个曲面添上颜色，得到三维模型。

2.根据权利要求1所述的方法，其特征在于，所述分别从各帧点云数据对应的特征点集合中选取至少三个特征点作为目标特征点，得到各帧点云数据对应的目标特征点集合的步骤包括：

计算特征点集合中各个特征点的特征熵；

根据各个特征点的特征熵选取至少三个特征点作为目标特征点，得到各帧点云数据对应的目标特征点集合。

3.根据权利要求1至2任意一项所述的方法，其特征在于，所述对各帧点云数据进行三角网格化处理，得到三维模型的步骤之前包括：

对各帧点云数据进行基于概率分布的滤波；

对滤波后的各帧点云数据进行基于体素栅格滤波器的下采样。