[发明专利]基于语义点云配准的激光雷达三维建图方法

说明书

一种基于语义点云配准的激光雷达三维建图方法，其实现步骤为：(1)获取待扫描物体的点云数据；(2)从采集的激光雷达点云数据中提取语义特征点；(3)根据三角形相似原理，对特征点进行基于语义的点云配准；(4)利用配准点云对构建三维点云图。本发明提取的特征点有极点、交点和顶点三种类别，配准过程中误匹配概率降低，匹配的复杂度降低，构建地图实时性提高，利用配准点云对计算激光雷达运动位姿的准确性提高，利用运动位姿纠正点云位置信息，投影到世界坐标系构建的地图更加精准，本发明仅利用激光雷达扫描数据完成在线地绘制高质量的三维点云图，具有精确误匹配所致误差的优点。

技术领域

本发明属于通信技术领域，更进一步涉及激光雷达测绘技术领域中的一种基于语义点云配准的激光雷达三维建图方法。本发明可以应用于移动机器人对地形的测绘和对三维环境的感知，针对已知空间点位置的相邻点云进行配准，从而构建完整的三维点云图。

背景技术

点云配准是激光雷达同步定位与三维建图应用中的关键技术。在点云配准过程中，如果激光雷达本身运动过快，则扫描期间自身造成的运动失真会导致配准错误，从而影响三维点云图的构建。此外，目前提出的点云配准方法复杂度过高，影响构建三维点云图的实时性。

江苏中科院智能科学技术应用研究院在其申请的专利文献“基于三维激光雷达的无人机多场景定位建图方法”(专利申请号：201810597661.5，申请公开号：108303710A)中公开了基于三维激光雷达的无人机多场景定位建图方法。该方法包括以下步骤：将三维激光雷达采集的每一帧点云数据进行提取边缘点和平面点，依据提取的边缘点特征集及平面点特征集采用迭代最近邻算法进行配准，即找到每一个待配准点距它最近的点构成配准点对，并求解相邻两帧的位姿变换矩阵。该方法只通过提取的边缘点和平面点进行配准，存在高概率的误匹配，并且该方法因为在配准时寻找的是距离待配准点最近的点，超出阈值便会存在误差，因此该方法存在的不足之处是，误匹配概率高，在计算激光雷达的运动位姿变换矩阵时存在偏差。

Greenspan M,Yurick M在其发表的论文“Approximate K-D Tree Search forEfficient ICP”(IEEE,2003:442-448)中提出了使用K-D树优化后的最近邻迭代配准方法。该方法在寻找待配准点的对应点时，选择的是K阶最近邻点而不是空间上的最近邻点，减少了点云配准过程中局部优化问题的出现。由于该方法在寻找对应的最近邻点步骤上需要遍历点云中的所有点，导致计算最优的变换矩阵复杂度为O(m³,n³)，对于百万数量级的三维点云来说，这种方法复杂度太高，因此该方法存在的不足之处是，点云配准过程中复杂度太高，对于大规模点云的配准效率难以达到实时三维建图。

发明内容

本发明的目的在于针对上述已有技术的不足，提出了一种基于语义点云配准的激光雷达三维建图方法。

实现本发明目的的思路是，利用激光雷达扫描获得的点云数据，使用余弦定理获得在雷达坐标系中带有坐标信息的点云，将点云投影到世界坐标系中建图；取点云中的极点、交点和顶点作为语义特征点，分别将连续两帧的语义特征点中的任意三点组成三角形，取任意两个三角形，利用三角形相似原理获得配准三角形对，并根据配准三角形对的对应点都满足语义特征点类别提取配准点云对，利用配准点云对计算连续两帧间激光雷达的运动位姿，通过运动位姿更新构建的三维点云图，完成建图。从采集的激光雷达点云数据中提取语义特征点，根据三角形相似原理，对特征点进行基于语义的点云配准，

本发明的具体步骤包括如下：

(1)获取激光雷达点云数据：

(1a)将激光雷达固定到电机控制的旋转平台上，遵循右手定则，以激光雷达当前所在的位置为雷达坐标系的原点，激光雷达的正前方为z轴建立雷达坐标系；

(1b)利用余弦公式，计算激光雷达扫描的每个点在雷达坐标系中每个轴的坐标值，输出带有坐标信息的点云；