[发明专利]一种基于三维点云特征的船舶位姿估计方法

说明书

本发明提供一种基于三维点云特征的船舶位姿估计方法，首先通过从6个方向获取目标船的三维点云数据，采用拼接方式获得目标船的完整点云库。构建目标船的点云模板库。计算待配准目标船舶点云的ISS3D特征点及其特征直方图，得到模板点云库中的特征点与待配准点云库中的对应特征点重合的初始坐标变换矩阵，实现点云在全局范围内的快速粗配准。采用ICP点云配准算法，在上步粗配准的基础上进行点云的精准配准，获得实现点云精准配准的坐标变换矩阵。最后利用精准坐标变换矩阵与点云模板库中船舶的初始位姿信息，完成对目标船进行六自由度的位姿估计。本发明提出基于点云特征的船舶位姿估计算法实验，通过实验数据对比，验证本发明的有效性。

技术领域

本发明涉及一种基于三维点云特征的船舶位姿估计方法，属于信号处理技术方法。

背景技术

三维激光雷达是用于获取周边信息的非常重要的传感器，具有测量精度高、获得的点云密度高、速度快、成本低等优势，在机器人控制、汽车自动驾驶、无人控制流水线等领域发挥重要的作用。尤其对于船载激光雷达，在开阔海域、狭窄水道、进出港航行过程中获得目标船的三维点云信息，并在此基础上利用点云信息对目标船的位置和姿态开展精准的估计。如果对目标船点云的位姿估计误差较大，不仅带来后续处理的误差较大，甚至会造成撞船事故，为此需要一种可根据三维点云特征来准确估计目标船位置和姿态的方法。

目前典型的三维点云目标位姿估计方法主要基于深度学习和基于视点特征，深度学习具有强大的训练和提取点云特征的能力，基于视点特征的方法可根据视点状态来估计扫描后点云的位置和姿态。如肖仕华在文献《基于深度学习的三维点云头部姿态估计》中，提出一种新的深度学习框架HPENet用于对人体头部姿态的估计算法，并在公共数据集BiwiKinect Head Pose上进行测试，验证了该方法在准确度方面具有更好的性能；再比如张彪在文献《基于视点特征直方图的激光点云模型的位姿估计》中，提出一种目标位姿估计算法，利用激光雷达扫描构成三维点云，建立特征数据库计算视点特征直方图，通过实验证明该方法具有很强的鲁棒性和准确性。以上文献在三维点云目标位姿估计过程中存在如下问题：一是基于深度学习的估计方法需要大量的样本对网络进行训练，收集足量的船舶训练样本具有操作难度大且成本高的问题；二是基于视点特征的方法需要有视点特征图组成的特征数据库作为基础，当特征数据库中待测船舶的视点特征图不完整时，不能提供精确的位姿估计；三是传统的基于视点特征的点云配准过程计算量大，运行时间长。

本发明利用激光雷达获取目标船的三维点云数据，通过对基础点云数据处理得到船舶完整点云数据，通过计算求解点云特征点和特征直方图来建立目标船的完整点云模板库，先后通过将待处理点云与模板库中点云的粗匹配(SAC-IA方法)和精匹配(ICP方法)方式，实现对目标船的位置和姿态的快速精确估计。

发明内容

本发明的目的是提供一种利用目标船三维点云来准确估计其位置和姿态的方法，可以根据船载激光雷达扫描得到的三维点云数据，通过粗匹配和精匹配方式，快速有效判定周围目标船的位置和姿态信息。

本发明的目的是这样实现的：步骤如下：

步骤一：获取目标船点云数据，拼接完整点云并计算ISS3D特征点；

步骤二：计算ISS3D特征点的快速点特征直方图(FPFH)特征描述子，建立目标船点云模板库；

步骤三：基于SAC-IA的点云粗配准；

步骤四：基于ICP的点云精细配准及位姿估计；

利用精准坐标变换矩阵与点云模板库中船舶的初始位姿信息，完成对目标船进行六自由度的位姿估计。

本发明还包括这样一些结构特征：