[发明专利]一种3D激光雷达点云数据预测点的快速选取配准方法

权利要求书

1.一种3D激光雷达点云数据预测点的快速选取配准方法，其特征在于，所述方法包括以下步骤：

步骤1：首先用三维激光雷达对区域A进行扫描，获得区域A的点云数据点集Φ，将数据集Φ作为输入项；

步骤2：将点云数据集Φ等分为n个子数据点集Φ_i(i＝1,…,n)，筛选保留符合条件的子点集Φ_j(j＝1，…，k，kn)用以参与点集配准，所述条件为子数据点集中数据点数W,W为自行指定数值；

其中：S_(Φ′)表示参与点集配准的所有点集和；

步骤3：分析子点集Φ_j中各数据点集分布情况，对点集Φ_j中的各个数据点进行规则划分，构建子点集序列结构；

步骤4：根据子数据点集Φ_j的划分规则对测试点进行定位，预测点进行选取，并进行最优预测点验证；

步骤5：输出三维激光雷达扫描的区域A中最终选取的用以建图的预测点集。

2.如权利要求1所述的一种3D激光雷达点云数据预测点的快速选取配准方法，其特征在于，所述步骤3包括以下步骤：

步骤3.1：要处理的对象集合是一个三维空间中的数据集，首先需要将三维数据进行划分，以维度d作为标准来对数据进行划分，d∈{X，Y，Z}；

步骤3.2：首先对子点集Φ_j每个维度上各数据点假设点集Φ_j上有q个数据点，l＝1,2,3…q)进行整合处理，找出各维度数据点的中值每维度各数据点分别对该维度中值求差：

其中：表示m维度的差值和；

通过比较每个维度的差值和大小来确定所选取的维度，差值和最大的维度即为参考维度d；

步骤3.3：在确定参考维度d后，基于该维度中值维度中值为d维度上的数据点中值，对三维数据点进行一次划分，以平面为分界，使得各数据点在d维度上，一侧的数据点值小于平面另一侧的所有数据点的值，对于划分产生的两个新子点集Φ_j1、Φ_j2的数据点以同样的方法再划分直到每个新产生的子点集不能再划分为止。

3.如权利要求1或2所述的一种3D激光雷达点云数据预测点的快速选取配准方法，其特征在于，所述步骤4包括以下步骤：

步骤4.1：基于步骤3所述，在完成子点集数据点划分后，对于某一测试点P，就可以按照对应子点集的划分规则很快的进行定位，初步寻找出距其最近的预测点；

步骤4.2：计算测试点P与其初步判断得到的预测点的相对距离dis，以测试点P为圆心，相对距离dis为半径作球C′，进一步判断，距测试点P是否还有更近的训练样点，当球C′内存在其他训练样点时，可确定存在更优预测点，通过距离权重值大小比较选取最优预测点并更新相对距离为dis′，同理，再以测试点P为圆心，相对距离dis′为半径作球，至预测球内不含有其他训练样点，结束搜索。