[发明专利]交通场景稀疏激光点云拼接方法

权利要求书

1.一种交通场景稀疏激光点云拼接方法，其特征是：利用低线数激光雷达扫描的稀疏点云数据和GPS-IMU单元采集的高精度位置和姿态信息，进行点云特征提取及点云拼接，结合GPS-IMU单元采集的位置信息，将局部坐标数据转换到全局坐标系，拼接形成高精度地图，具体步骤如下：

步骤一、数据采集

低线数激光雷达安装在车顶或车辆前端采集初始数据帧，初始数据帧包括低线数激光雷达扫描的稀疏点云数据和GPS-IMU单元采集的高精度位置和姿态信息；

步骤二、点云特征提取

提取第k帧初始数据帧中激光点云数据的点、线、面和圆柱体特征；其中，除常规的点、线、面和圆柱体特征外，同时根据交通场景的特殊性，针对性地设计包括车道线的线特征，不同反射率的铺装路面、绿化带、建筑物立面、交通标识牌的面特征，树干、灯柱、交通标识支架的圆柱体特征；具体为，

a.点特征，即原始点云数据，记为集合P_k＝{p}_k；

b.线特征，根据激光点反射率大小不同，提取和车道线有关的直线，记为L_k＝{l}_k；

c.面特征，提取地面和建筑物立面，记为S_k＝{s}_k；

d.圆柱体特征，提取灯柱、树干和交通标识支架，记为C_k＝{c}_k；

步骤三、点云拼接

a.对已拼接的前k-1帧点云，提取点、线、面、圆柱体特征，同步骤二所述，分别记为,

P_{1_k-1}＝{p}_{1_k-1}，L_{1_k-1}＝{l}_{1_k-1}，S_{1_k-1}＝{s}_{1_k-1}，C_{1_k-1}＝{c}_{1_k-1}

b.基于提取的点云结构特征，求解使得第k帧点云和前k-1帧拼接点云之间距离最小的平移向量和旋转矩阵，平移向量记为T_k，旋转矩阵记为R_k；

具体的，GPS-IMU单元采集的位置和姿态信息包括：车辆的位置和航向，记为G＝{x,y,z,roll,pitch,yaw}，其中(x,y,z)为三维位置坐标，roll为翻滚角，记为γ，pitch为俯仰角，记为β，yaw为航向角，记为α；根据第k帧和第k-1帧GPS-IMU单元记录的位置和姿态信息，计算车辆运动平移向量和旋转矩阵初值，记为T_k,gps、R_k,gps，其中：

T_k，gps＝(x，y，z)

旋转顺序为绕z轴旋转α，再绕y轴旋转β，然后绕x轴旋转γ，各旋转矩阵为：

R_k，gps＝R_x(γ)R_y(β)R_z(α)

以T_k,gps、R_k,gps作为点云拼接平移向量T_k和旋转矩阵R_k的初始值，以点云间对应特征元素距离最小作为优化目标，采用Levenberg-Marquadt方法求解最优的T_k和R_k；

点云之间距离定义为不同特征的距离之和，即

Dis＝dis(P)+dis(L)+dis(S)+dis(C) (1)

其中，

其中，为集合P_k中某一点，

经旋转平移后的点记为

为集合P_{1_k-1}中距离最近的点。

线、面、圆柱体的距离定义和点云一致。求解旋转矩阵R_k和平移向量T_k的问题即可描述为：

步骤四、将第k帧激光点云经坐标变换后，和前k-1帧点云拼接在一起，结合初始数据帧中的GPS-IMU单元采集的位置信息，将第k帧局部坐标数据转换到全局坐标系并更新地图，重复步骤二、步骤三和步骤四，直到完成整个交通场景的点云拼接。

2.根据权利要求1所述的交通场景稀疏激光点云拼接方法，其特征是：所述低线数激光雷达安装的车辆车速小于30km/h。