[发明专利]一种高精度和鲁棒性的2D激光点云匹配的方法

权利要求书

1.一种高精度和鲁棒性的2D激光点云匹配的方法，其特征在于：包括以下步骤：

S1、将激光原始点云转换到激光坐标系的极坐标系下，并对平行于激光行进方向以及垂直于激光行进方向的点云进行分割；

S2、统计各特征的点云数量，并根据特征影响度进行点云权重评估；

S3、对点云进行粗匹配，估计初步角度旋转量，并验证初步角度旋转量是否可用；

S4、如果初步角度旋转量可用，则进行点云定向特征精匹配与优化，否则对初步角度旋转量进行初始化；

S5、对匹配质量进行评估。

2.根据权利要求1所述的高精度和鲁棒性的2D激光点云匹配的方法，其特征在于：S1中对垂直于激光行进方向以及平行于激光行进方向的点云进行分割，包括：

计算平行于激光行进方向点云，以及垂直于激光行进方向点云距离雷达的距离，并在距离阈值内对点云进行搜索，在平行于激光行进方向得到符合条件的点特征为特征A1、特征A2，在垂直于激光行进方向得到符合条件的点特征为特征B1、特征B2，剩余所有点云的点特征记为特征C。

3.根据权利要求2所述的高精度和鲁棒性的2D激光点云匹配的方法，其特征在于：所述平行于激光行进方向点云的索引值包括Index1、Index2，所述垂直于激光行进方向点云的索引值包括Index3、Index4，按照下式计算：

Index1＝(θw-π/2)*180/π/(360/2400)；

Index2＝(θw+π/2)*180/π/(360/2400)；

Index3＝(θw)*180/π/(360/2400)；

Index4＝(θw+π)*180/π/(360/2400)；

其中，Index1为右侧平行于激光行进方向点云的索引值，Index2为左侧平行于激光行进方向点云的索引值，Index3为上侧垂直于激光行进方向点云的索引值，Index4为下侧垂直于激光行进方向点云的索引值。

4.根据权利要求2所述的高精度和鲁棒性的2D激光点云匹配的方法，其特征在于：S2中统计各特征的点云数量，并根据特征影响度进行点云权重评估，包括：

平行于激光行进方向的点云数量为numA(A1+A2)，垂直于激光行进方向的点云数量为numB(B1+B2)，未分类特征的点云数量为numC，则设定点云权重为：

Wa∶Wb∶Wc＝1∶(k*numA)∶numB；

其中，Wa为特征A1、特征A2的点云权重，Wb为特征B1、特征B2的点云权重，Wc为特征C的点云权重，k根据实际需要进行调整；

特征A1、特征A2为平行于激光行进方向的点云，平移权重需要放低；特征B1、特征B2为垂直于激光行进方向的点云，平移权重需要提高；特征C是一些未分类的点，不需要额外附加权重。

5.根据权利要求4所述的高精度和鲁棒性的2D激光点云匹配的方法，其特征在于：S3中对点云进行粗匹配，估计初步角度旋转量，并验证初步角度旋转量是否可用，包括以下步骤：

S31、根据距离阈值对参考帧激光和匹配帧激光进行初步提取，保留点数最多的三个聚类点云；

S32、对聚类点云先进行直角点的提取裁剪，裁剪后再进行RANSAC拟合，可以分别得到三条直线特征line1、line2、line3，以及分别对应的直线斜率k1、k2、k3；

S33、对初步角度旋转量进行旋转粗估计；

S34、利用初步角度旋转量将匹配帧激光的直线特征line1、line2、line3中的点云，旋转到参考帧激光下，并在参考帧激光的直线特征line1、line2、line3的点云中搜索邻近点；

S35、如果邻近点的数量大致等于总的直线特征中的点云数量，则该初步角度旋转量可用，否则该初步角度旋转量不可用。