[发明专利]一种基于正态分布变换的建图方法、装置及智能车

权利要求书

1.一种基于正态分布变换的建图方法，应用于智能车，其中，所述智能车上设有激光雷达，其特征在于，所述方法包括：

获取所述激光雷达采集的第一点云图像和第二点云图像，并从所述第一点云图像中提取第一点云数据，从所述第二点云图像中提取第二点云数据；

基于正态分布计算所述第一点云数据和第二点云数据的变换参数；

根据所述变换参数对所述第二点云数据进行坐标变换，以使所述第二点云数据加载至所述第一点云图像中；

计算加载了所述第二点云数据后的所述第一点云图像中各点云的可信度权重，并根据所述可信度权重对加载了所述第二点云数据后的所述第一点云图像进行更新，以输出更新后的第一点云图像。

2.根据权利要求1所述的方法，其特征在于，所述基于正态分布变换计算所述第一点云数据和第二点云数据的变换参数的步骤具体包括：

获取初始变换参数；

根据所述初始变换参数，将所述第二点云数据转换并加载至所述第一点云图像；

基于正态分布计算加载了所述第二点云数据的所述第一点云图像中各点云的第一概率密度；

根据所述第一概率密度，计算加载了所述第二点云数据的所述第一点云图像中各点云的配准得分，并将所述配准得分进行求和运算；

根据预设收敛条件，优化所述初始变换参数，得到变换参数。

3.根据权利要求2所述的方法，其特征在于，所述基于正态分布变换计算加载了所述第二点云数据的所述第一点云图像中各点云的第一概率密度的步骤具体包括：

将加载了所述第二点云数据的所述第一点云图像中各点云所占空间划分为预设大小的体素网格；

计算每个所述体素网格的重心和协方差；

根据每个所述体素网格的重心和协方差以及所述各点云的坐标，计算所述第一概率密度。

4.根据权利要求2所述的方法，其特征在于，所述根据预设收敛条件，优化所述初始变换参数，得到变换参数的步骤具体包括：

计算所述第二点云数据的正态分布概率密度，并对所述正态分布概率密度求和；

根据所述正态分布概率密度之和得到正态分布配准得分；

使用高斯牛顿法对所述正态分布变换配准得分进行优化；

重复上述步骤直至所述初始变换参数满足所述预设收敛条件，其中所述收敛条件包括：达到预设迭代计算次数；前后两次所述迭代计算得到的初始变换矩阵的容差小于预设容差值；前后两次所述迭代计算得到的点云对应的点对距离小于预设距离。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述计算加载了所述第二点云数据后的所述第一点云图像中各点云的可信度权重，并根据所述可信度权重对加载了所述第二点云数据后的所述第一点云图像进行更新，以输出更新后的第一点云图像，包括：

获取加载了所述第二点云数据后的所述第一点云图像中第一点云；

获取所述第一点云的预设范围内的第一体素中心；

根据所述第一体素中心，计算所述第一点云与所述第一体素中心的距离；

根据所述距离，基于可信度计算公式计算所述第一体素的可信度权重；

根据所述可信度权重，更新所述加载了所述点云数据后的所述第一点云图像中各点的可信度，并输出更新后的第一点云图像。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

根据所述变换参数，计算所述第二点云数据的移动距离；

若所述移动距离大于或等于预设距离阈值，则获取所述加载了所述第二点云数据后的所述第一点云图像中各点云的可信度权重；

将所述各点云的可信度权重大于预设权重阈值的所述点云加入到所述第一点云图像中，以更新所述第一点云图像；

若所述移动距离小于所述预设距离阈值，则不需要更新所述第一点云图像。