CN111080682B - 点云数据的配准方法及装置 - Google Patents
点云数据的配准方法及装置 Download PDFInfo
- Publication number
- CN111080682B CN111080682B CN201911232830.6A CN201911232830A CN111080682B CN 111080682 B CN111080682 B CN 111080682B CN 201911232830 A CN201911232830 A CN 201911232830A CN 111080682 B CN111080682 B CN 111080682B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- frame
- point
- registration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开涉及点云数据的配准方法及装置,包括:获取点云数据和单点GPS的位置数据,点云数据包括每一帧点云数据的时间戳,位置数据包括与每一帧点云数据对应的参考位置的时间戳;对相邻的两帧点云数据进行配准,得到第一位姿变换参数;根据第一位姿变换参数,确定与每一帧点云数据对应的实际位置;根据与每一帧点云数据对应的时间戳,获取与时间戳对应的参考位置;根据各帧点云数据的实际位置和参考位置,确定目标配准参数,使得实际位置和与每当前位置的差值最小。
Description
技术领域
本公开涉及计算机技术领域,特别涉及点云数据的配准方法及装置、计算机可存储介质。
背景技术
激光Slam(Simultaneous Localization And Mapping,即时定位与地图构建)建图是高精点云地图构建技术之一,在行业应用中需要将其构建的局部地图配准到世界坐标系下。
基于控制点的全局配准方法中,通过人工一线测绘,测量特征明显的控制点,在Slam建图局部地图上选择表达真实控制点的局部特征点,将局部地图上的特征点和控制点形成一一映射关系,构建法方程组,采用最小二乘非线性优化求解变换参数,将局部地图配准到全局坐标系下。基于控制点的全局配准方法需要人工现场测量控制点,并在地图上选择局部控制点,效率低,时效性差。
相关的全局配准技术中在采集设备中,加入高精组合惯导及实时差分模块等传感器,利用实时差分模块获取真实位置坐标,在激光Slam建图过程中进行多传感器融合,构建全局坐标系下的点云地图。
发明内容
发明人认为:相关的全局配准技术,增加昂贵的高精组合惯导和实时差分模块,硬件成本高,融合多传感器数据,增加了激光Slam算法的复杂度,实时性差,配准效率低。
针对上述技术问题,本公开提出了一种解决方案,降低了硬件成本,实时性高,提高了配准效率。
根据本公开的第一方面,提供了一种点云数据的配准方法,包括:获取点云数据和单点全球定位***GPS的位置数据,所述点云数据包括每一帧点云数据的时间戳,所述位置数据包括与每一帧点云数据对应的参考位置的时间戳;对于所述点云数据中的任一组相邻的两帧点云数据,对相邻的两帧点云数据进行配准,得到所述相邻的两帧点云数据之间的第一位姿变换参数;根据所述第一位姿变换参数确定与每一帧点云数据对应的实际位置;对于所述每一帧点云数据,根据与所述每一帧点云数据对应的时间戳,获取与所述时间戳对应的参考位置;根据各帧点云数据的实际位置和参考位置,确定目标配准参数,使得所述每一帧点云数据的实际位置和与所述每一帧点云数据对应的当前位置的差值最小。
在一些实施例中,根据各帧点云数据的实际位置和参考位置,确定目标配准参数,使得所述每一帧点云数据的实际位置和与所述每一帧点云数据对应的当前位置的差值最小包括:对于各帧点云数据,基于实际位置和参考位置,构建关于目标配准参数的残差方程组;利用最小二乘算法,对所述目标配准参数进行优化,使得所述每一帧点云数据的实际位置和与所述每一帧点云数据对应的当前位置的差值最小。
在一些实施例中,根据所述第一位姿变换参数,确定与所述每一帧点云数据对应的实际位置包括:根据所述第一位姿变换参数,计算任一帧点云数据与第一帧点云数据之间的第二位姿变换参数,所述第二位姿变换参数包括平移量矩阵;对于每一帧点云数据,根据平移量矩阵,确定与所述每一帧点云数据对应的实际位置。
在一些实施例中,点云数据的配准方法还包括:利用所述第二位姿变换参数,将每一帧点云数据中的每个空间点变换到以所述第一帧点云数据为坐标原点的局部坐标系下,得到局部点云图;利用所述目标配准参数,将所述局部点云图中的每个空间点变换到全局坐标系下,得到全局点云图。
在一些实施例中,点云数据的配准方法还包括:对所述点云数据进行格网采样。
在一些实施例中,对所述点云数据进行格网采样包括:对于每一帧点云数据,以固定体素阈值创建三维网格索引,每个三维网格中的每个空间点具有唯一的索引号;确定每个三维网格的中心点;对于每个三维网格,计算每个索引号对应的空间点与所述每个三维网格的中心点的距离;将与所述每个三维网格的中心点的距离最近的空间点,确定为所述每个三维网格的空间点。
在一些实施例中,点云数据的配准方法还包括:对所述点云数据进行滤波处理。
在一些实施例中,对所述点云数据进行滤波处理包括:对于每一帧点云数据,计算每个空间点的相邻点到所述每个空间点之间的平均距离;根据与每个空间点对应的平均距离,确定高斯分布函数;对于所述每一帧点云数据,滤除平均距离大于所述高斯分布函数的标准差的空间点。
在一些实施例中,所述点云数据通过激光雷达设备获取。
在一些实施例中,对相邻的两帧点云数据进行配准包括:利用正太分布变换法NDT对相邻的两帧点云数据进行配准。
在一些实施例中,根据所述第一位姿变换参数,计算任一帧点云数据与第一帧点云数据之间的第二位姿变换参数包括:确定在所述第一帧点云数据与所述任一帧点云数据之间的其他帧点云数据;根据每一帧其他帧点云数据和所述任一帧点云数据与所述第一帧点云数据之间的第一位姿变换参数的乘积,确定所述任一帧点云数据与第一帧点云数据之间的第二位姿变换参数。
根据本公开第二方面,提供了一种点云数据的配准装置,包括:第一获取模块,被配置为获取点云数据和单点全球定位***GPS的位置数据,所述点云数据包括每一帧点云数据的时间戳,所述位置数据包括与每一帧点云数据对应的参考位置的时间戳;配准模块,被配置为对于所述点云数据中的任一组相邻的两帧点云数据,对相邻的两帧点云数据进行配准,得到所述相邻的两帧点云数据之间的第一位姿变换参数;第一确定模块,被配置为根据所述第一位姿变换参数,确定与每一帧点云数据对应的实际位置;第二获取模块,被配置为对于所述每一帧点云数据,根据与所述每一帧点云数据对应的时间戳,获取与所述时间戳对应的参考位置;第二确定模块,被配置为根据各帧点云数据的实际位置和参考位置,确定目标配准参数,使得所述每一帧点云数据的实际位置和与所述每一帧点云数据对应的当前位置的差值最小。
根据本公开第三方面,提供了一种点云数据的配准装置,包括:存储器;以及耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器的指令,执行上述任一实施例所述的点云数据的配准方法。
根据本公开的第四方面,一种计算机可存储介质,其上存储有计算机程序指令,该指令被处理器执行时实现上述任一实施例所述的点云数据的配准方法。
在上述实施例中,降低了硬件成本,实时性高,提高了配准效率。
附图说明
构成说明书的一部分的附图描述了本公开的实施例,并且连同说明书一起用于解释本公开的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本公开,其中:
图1示出根据本公开一些实施例的点云数据的配准方法的流程图;
图2示出根据本公开一些实施例的点云数据的配准装置的框图;
图3示出根据本公开另一些实施例的点云数据的配准装置的框图;
图4示出用于实现本公开一些实施例的计算机***的框图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
图1示出根据本公开一些实施例的点云数据的配准方法的流程图。
如图1所示,点云数据的配准方法包括步骤S110-步骤S150。
在步骤S110中,获取点云数据和单点GPS(Global Positioning System,全球定位***)的位置数据。点云数据包括每一帧点云数据的时间戳。位置数据包括与每一帧点云数据对应的参考位置的时间戳。例如,点云数据通过激光雷达设备获取。激光雷达设备采集过程中获取以激光雷达的中心为原点的局部单帧点云数据。单帧点云即为每一帧点云数据。单帧点云数据最基本的表达单元是空间点数据,空间点由X、Y、Z坐标标识,X、Y、Z形成的局部坐标系以激光雷达的中心为坐标原点。单点GPS实时获取全局位置数据,全局位置数据由经度、纬度、高度来标识。
在步骤S120中,对于点云数据中的任一组相邻的两帧点云数据,对相邻的两帧点云数据进行配准,得到相邻的两帧点云数据之间的第一位姿变换参数。第一位姿变换参数包括相邻的两帧点云数据之间的平移量矩阵和旋转量矩阵。
例如,通过如下方式实现对相邻两帧点云数据进行配准。
利用NDT(Normal Distributions Transform,正太分布变换法)对相邻的两帧点云数据进行配准。
利用正太分布变换法NDT对相邻的两帧点云数据进行配准包括如下步骤。
首先,将当前帧点云数据所占用的空间细分为单元格网格。
其次,基于单元格网格内的空间点的分布计算每个单元格网格的近似表面。
然后,将下一帧点云数据的每个空间点变换到当前帧点云数据的空间位置,并计算下一帧点云数据的每个空间点落入的单元格网格,计算响应的概率分布函数。
最后,计算所有空间点的最优值,完成NDT点云匹配,并输出第一位姿变换参数。
在步骤S130中,根据第一位姿变换参数,确定与所述每一帧点云数据对应的实际位置。
例如,根据第一位姿变换参数,确定与所述每一帧点云数据对应的实际位置包括如下步骤:
首先,计算任一帧点云数据与第一帧点云数据之间的第二位姿变换参数。第二位姿变换参数包括平移量矩阵。
然后,对于每一帧点云数据,根据平移量矩阵,确定与所述每一帧点云数据对应的实际位置。这里的实际位置为激光雷达的激光里程计中的各个位置点,各个实际位置构成了激光雷达的激光里程计,代表了激光雷达在采集点云数据的过程中在局部坐标系下的运动轨迹。
在步骤S140中,对于每一帧点云数据,根据与每一帧点云数据对应的时间戳,获取与时间戳对应的参考位置。
在步骤S150中,根据各帧点云数据的实际位置和参考位置,确定目标配准参数,使得每一帧点云数据的实际位置和与每一帧点云数据对应的当前位置的差值最小。
例如,根据各帧点云数据的实际位置和参考位置,确定目标配准参数,使得每一帧点云数据的实际位置和与每一帧点云数据对应的当前位置的差值最小包括如下步骤:
首先,对于各帧点云数据,基于实际位置和参考位置,构建关于目标配准参数的残差方程组。
然后,利用最小二乘算法,对目标配准参数进行优化,使得每一帧点云数据的实际位置和与每一帧点云数据对应的当前位置的差值最小。例如,目标配准参数包括X、Y、Z三个方向的三个平移量和三个旋转量。在一些实施例中,目标配准参数的初始值中,三个平移量和三个旋转量均设置为0。本公开利用了最小二乘算法进行非线性优化求解。
本公开通过结合点云数据和单点GPS获取的位置数据,求解目标配准参数,降低了硬件成本,提高了配准的实时性和配准效率。另外,本公开实现了全自动化配准,无需人工参与,降低了人工成本。本公开提供了一种粗配准方法,能够应用于特定的场景。
在一些实施例中,点云数据的配准方法还包括如下步骤。
首先,利用第二位姿变换参数,将每一帧点云数据中的每个空间点变换到以所述第一帧点云数据为坐标原点的局部坐标系下,得到局部点云图。
然后,利用目标配准参数,将局部点云图中的每个空间点变换到全局坐标系下,得到全局点云图。全局坐标系为以地球地心为坐标原点的三维坐标系。
在一些实施例中,点云数据的配准方法还包括如下步骤。
对点云数据进行格网采样。通过格网采样,可以删除每一帧点云数据中的部分空间点,从而达到抽稀点云数据的目的,提高配准精度和效率。
例如,通过如下方式实现对点云数据进行格网采样。
首先,对于每一帧点云数据,以固定体素阈值创建三维网格索引,每个三维网格中的每个空间点具有唯一的索引号。例如,固定体素阈值为0.1米。
其次,确定每个三维网格的中心点。
然后,对于每个三维网格,计算每个索引号对应的空间点与每个三维网格的中心点的距离。
最后,将与每个三维网格的中心点的距离最近的空间点,确定为每个三维网格的空间点。
在一些实施例中,点云数据的配准方法还包括如下步骤。
对点云数据进行滤波处理。通过滤波处理,剔除点云数据中的噪声,提高配准的精度和效率。
例如,通过如下方式实现对点云数据进行滤波处理。
首先,对于每一帧点云数据,计算每个空间点的相邻点到每个空间点之间的平均距离。
然后,根据与每个空间点对应的平均距离,确定高斯分布函数。
最后,对于每一帧点云数据,滤除平均距离大于高斯分布函数的标准差的空间点。
图2示出根据本公开一些实施例的点云数据的配准装置的框图。
如图2所示,点云数据的配准装置2包括第一获取模块21、配准模块22、第一确定模块23、第二获取模块24、第二确定模块25。
第一获取模块21被配置为获取点云数据和单点全球定位***GPS的位置数据,点云数据包括每一帧点云数据的时间戳,位置数据包括与每一帧点云数据对应的参考位置的时间戳,例如执行如图1所示的步骤S110。
配准模块22被配置为对于点云数据中的任一组相邻的两帧点云数据,对相邻的两帧点云数据进行配准,得到相邻的两帧点云数据之间的第一位姿变换参数,例如执行如图1所示的步骤S120。
第一确定确定模块23被配置为根据第一位姿变换参数,确定与每一帧点云数据对应的实际位置,例如执行如图1所示的步骤S130。
第二获取模块24被配置为对于每一帧点云数据,根据与每一帧点云数据对应的时间戳,获取与时间戳对应的参考位置,例如执行如图1所示的步骤S140。
第二确定模块25被配置为根据各帧点云数据的实际位置和参考位置,确定目标配准参数,使得每一帧点云数据的实际位置和与每一帧点云数据对应的当前位置的差值最小,例如执行如图1所示的步骤S150。
图3示出根据本公开另一些实施例的点云数据的配准装置的框图。
如图3所示,点云数据的配准装置3包括存储器31;以及耦接至该存储器31的处理器32,存储器31用于存储执行点云数据的配准方法对应实施例的指令。处理器32被配置为基于存储在存储器31中的指令,执行本公开中任意一些实施例中的点云数据的配准方法。
图4示出用于实现本公开一些实施例的计算机***的框图。
如图4所示,计算机***40可以通用计算设备的形式表现。计算机***40包括存储器410、处理器420和连接不同***组件的总线400。
存储器410例如可以包括***存储器、非易失性存储介质等。***存储器例如存储有操作***、应用程序、引导装载程序(Boot Loader)以及其他程序等。***存储器可以包括易失性存储介质,例如随机存取存储器(RAM)和/或高速缓存存储器。非易失性存储介质例如存储有执行点云数据的配准方法中的至少一种的对应实施例的指令。非易失性存储介质包括但不限于磁盘存储器、光学存储器、闪存等。
处理器420可以用通用处理器、数字信号处理器(DSP)、应用专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑设备、分立门或晶体管等分立硬件组件方式来实现。相应地,诸如判断模块和确定模块的每个模块,可以通过中央处理器(CPU)运行存储器中执行相应步骤的指令来实现,也可以通过执行相应步骤的专用电路来实现。
总线400可以使用多种总线结构中的任意总线结构。例如,总线结构包括但不限于工业标准体系结构(ISA)总线、微通道体系结构(MCA)总线、***组件互连(PCI)总线。
计算机***40还可以包括输入输出接口430、网络接口440、存储接口450等。这些接口430、440、450以及存储器410和处理器420之间可以通过总线400连接。输入输出接口430可以为显示器、鼠标、键盘等输入输出设备提供连接接口。网络接口440为各种联网设备提供连接接口。存储接口450为软盘、U盘、SD卡等外部存储设备提供连接接口。
这里,参照根据本公开实施例的方法、装置和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个框以及各框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可提供到通用计算机、专用计算机或其他可编程装置的处理器,以产生一个机器,使得通过处理器执行指令产生实现在流程图和/或框图中一个或多个框中指定的功能的装置。
这些计算机可读程序指令也可存储在计算机可读存储器中,这些指令使得计算机以特定方式工作,从而产生一个制造品,包括实现在流程图和/或框图中一个或多个框中指定的功能的指令。
本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。
通过上述实施例中的点云数据的配准方法及装置、计算机可存储介质,降低了硬件成本,实时性高,提高了配准效率。
至此,已经详细描述了根据本公开的点云数据的配准方法及装置、计算机可存储介质。为了避免遮蔽本公开的构思,没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述,完全可以明白如何实施这里公开的技术方案。
Claims (14)
1.一种点云数据的配准方法,包括:
获取点云数据和单点全球定位***GPS的位置数据,所述点云数据包括每一帧点云数据的时间戳,所述位置数据包括与每一帧点云数据对应的参考位置的时间戳;
对于所述点云数据中的任一组相邻的两帧点云数据,对相邻的两帧点云数据进行配准,得到所述相邻的两帧点云数据之间的第一位姿变换参数;
根据所述第一位姿变换参数,确定与每一帧点云数据对应的实际位置;
对于所述每一帧点云数据,根据与所述每一帧点云数据对应的时间戳,获取与所述时间戳对应的参考位置;
根据各帧点云数据的实际位置和参考位置,确定目标配准参数,使得所述每一帧点云数据的实际位置和与所述每一帧点云数据对应的参考位置的差值最小。
2.根据权利要求1所述的点云数据的配准方法,其中,根据各帧点云数据的实际位置和参考位置,确定目标配准参数,使得所述每一帧点云数据的实际位置和与所述每一帧点云数据对应的参考位置的差值最小包括:
对于各帧点云数据,基于实际位置和参考位置,构建关于目标配准参数的残差方程组;
利用最小二乘算法,对所述目标配准参数进行优化,使得所述每一帧点云数据的实际位置和与所述每一帧点云数据对应的参考位置的差值最小。
3.根据权利要求1所述的点云数据的配准方法,其中,根据所述第一位姿变换参数,确定与所述每一帧点云数据对应的实际位置包括:
根据所述第一位姿变换参数,计算任一帧点云数据与第一帧点云数据之间的第二位姿变换参数,所述第二位姿变换参数包括平移量矩阵;
对于每一帧点云数据,根据平移量矩阵,确定与所述每一帧点云数据对应的实际位置。
4.根据权利要求3所述的点云数据的配准方法,还包括:
利用所述第二位姿变换参数,将每一帧点云数据中的每个空间点变换到以所述第一帧点云数据为坐标原点的局部坐标系下,得到局部点云图;
利用所述目标配准参数,将所述局部点云图中的每个空间点变换到全局坐标系下,得到全局点云图。
5.根据权利要求1所述的点云数据的配准方法,还包括:
对所述点云数据进行格网采样。
6.根据权利要求5所述的点云数据的配准方法,其中,对所述点云数据进行格网采样包括:
对于每一帧点云数据,以固定体素阈值创建三维网格索引,每个三维网格中的每个空间点具有唯一的索引号;
确定每个三维网格的中心点;
对于每个三维网格,计算每个索引号对应的空间点与所述每个三维网格的中心点的距离;
将与所述每个三维网格的中心点的距离最近的空间点,确定为所述每个三维网格的空间点。
7.根据权利要求1所述的点云数据的配准方法,还包括:
对所述点云数据进行滤波处理。
8.根据权利要求7所述的点云数据的配准方法,其中,对所述点云数据进行滤波处理包括:
对于每一帧点云数据,计算每个空间点的相邻点到所述每个空间点之间的平均距离;
根据与每个空间点对应的平均距离,确定高斯分布函数;
对于所述每一帧点云数据,滤除平均距离大于所述高斯分布函数的标准差的空间点。
9.根据权利要求1所述的点云数据的配准方法,其中,所述点云数据通过激光雷达设备获取。
10.根据权利要求1所述的点云数据的配准方法,其中,对相邻的两帧点云数据进行配准包括:
利用正太分布变换法NDT对相邻的两帧点云数据进行配准。
11.根据权利要求3所述的点云数据的配准方法,其中,根据所述第一位姿变换参数,计算任一帧点云数据与第一帧点云数据之间的第二位姿变换参数包括:
确定在所述第一帧点云数据与所述任一帧点云数据之间的其他帧点云数据;
根据每一帧其他帧点云数据和所述任一帧点云数据与所述第一帧点云数据之间的第一位姿变换参数的乘积,确定所述任一帧点云数据与第一帧点云数据之间的第二位姿变换参数。
12.一种点云数据的配准装置,包括:
第一获取模块,被配置为获取点云数据和单点全球定位***GPS的位置数据,所述点云数据包括每一帧点云数据的时间戳,所述位置数据包括与每一帧点云数据对应的参考位置的时间戳;
配准模块,被配置为对于所述点云数据中的任一组相邻的两帧点云数据,对相邻的两帧点云数据进行配准,得到所述相邻的两帧点云数据之间的第一位姿变换参数;
第一确定模块,被配置为根据所述第一位姿变换参数,确定与每一帧点云数据对应的实际位置;
第二获取模块,被配置为对于所述每一帧点云数据,根据与所述每一帧点云数据对应的时间戳,获取与所述时间戳对应的参考位置;
第二确定模块,被配置为根据各帧点云数据的实际位置和参考位置,确定目标配准参数,使得所述每一帧点云数据的实际位置和与所述每一帧点云数据对应的参考位置的差值最小。
13.一种点云数据的配准装置,包括:
存储器;以及
耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器的指令,执行如权利要求1至11任一项所述的点云数据的配准方法。
14.一种计算机可存储介质,其上存储有计算机程序指令,该指令被处理器执行时实现如权利要求1至11任一项所述的点云数据的配准方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911232830.6A CN111080682B (zh) | 2019-12-05 | 2019-12-05 | 点云数据的配准方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911232830.6A CN111080682B (zh) | 2019-12-05 | 2019-12-05 | 点云数据的配准方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111080682A CN111080682A (zh) | 2020-04-28 |
CN111080682B true CN111080682B (zh) | 2023-09-01 |
Family
ID=70312964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911232830.6A Active CN111080682B (zh) | 2019-12-05 | 2019-12-05 | 点云数据的配准方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111080682B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882977B (zh) * | 2020-05-06 | 2022-04-29 | 北京嘀嘀无限科技发展有限公司 | 一种高精度地图构建方法及*** |
CN112710318B (zh) * | 2020-12-14 | 2024-05-17 | 深圳市商汤科技有限公司 | 地图生成方法、路径规划方法、电子设备以及存储介质 |
WO2022227096A1 (zh) * | 2021-04-30 | 2022-11-03 | 深圳市大疆创新科技有限公司 | 点云数据的处理方法、设备及存储介质 |
CN113192197B (zh) * | 2021-05-24 | 2024-04-05 | 北京京东乾石科技有限公司 | 一种全局点云地图的构建方法、装置、设备及存储介质 |
CN114757980B (zh) * | 2022-05-12 | 2024-03-26 | 苏州轻棹科技有限公司 | 一种连续帧点云数据的离线配准方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104236548A (zh) * | 2014-09-12 | 2014-12-24 | 清华大学 | 一种微型无人机室内自主导航方法 |
CN104778688A (zh) * | 2015-03-27 | 2015-07-15 | 华为技术有限公司 | 点云数据的配准方法及装置 |
CN105184852A (zh) * | 2015-08-04 | 2015-12-23 | 百度在线网络技术(北京)有限公司 | 一种基于激光点云的城市道路识别方法及装置 |
CN107063258A (zh) * | 2017-03-07 | 2017-08-18 | 重庆邮电大学 | 一种基于语义信息的移动机器人室内导航方法 |
CN107123135A (zh) * | 2017-01-06 | 2017-09-01 | 大连理工大学 | 一种无序三维点云的无畸变成像方法 |
CN107767456A (zh) * | 2017-09-22 | 2018-03-06 | 福州大学 | 一种基于rgb‑d相机的物体三维重建方法 |
CN108230247A (zh) * | 2017-12-29 | 2018-06-29 | 达闼科技(北京)有限公司 | 基于云端的三维地图的生成方法、装置、设备及应用程序 |
CN108267141A (zh) * | 2016-12-30 | 2018-07-10 | 乐视汽车(北京)有限公司 | 道路点云数据处理*** |
CN108303710A (zh) * | 2018-06-12 | 2018-07-20 | 江苏中科院智能科学技术应用研究院 | 基于三维激光雷达的无人机多场景定位建图方法 |
CN108332759A (zh) * | 2018-01-12 | 2018-07-27 | 浙江国自机器人技术有限公司 | 一种基于3d激光的地图构建方法及*** |
CN108955670A (zh) * | 2017-05-25 | 2018-12-07 | 百度在线网络技术(北京)有限公司 | 信息获取方法和装置 |
CN109211236A (zh) * | 2017-06-30 | 2019-01-15 | 沈阳新松机器人自动化股份有限公司 | 导航定位方法、装置及机器人 |
CN109507677A (zh) * | 2018-11-05 | 2019-03-22 | 浙江工业大学 | 一种结合gps和雷达里程计的slam方法 |
CN109848996A (zh) * | 2019-03-19 | 2019-06-07 | 西安交通大学 | 基于图优化理论的大规模三维环境地图创建方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10565457B2 (en) * | 2017-08-23 | 2020-02-18 | Tusimple, Inc. | Feature matching and correspondence refinement and 3D submap position refinement system and method for centimeter precision localization using camera-based submap and LiDAR-based global map |
-
2019
- 2019-12-05 CN CN201911232830.6A patent/CN111080682B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104236548A (zh) * | 2014-09-12 | 2014-12-24 | 清华大学 | 一种微型无人机室内自主导航方法 |
CN104778688A (zh) * | 2015-03-27 | 2015-07-15 | 华为技术有限公司 | 点云数据的配准方法及装置 |
CN105184852A (zh) * | 2015-08-04 | 2015-12-23 | 百度在线网络技术(北京)有限公司 | 一种基于激光点云的城市道路识别方法及装置 |
CN108267141A (zh) * | 2016-12-30 | 2018-07-10 | 乐视汽车(北京)有限公司 | 道路点云数据处理*** |
CN107123135A (zh) * | 2017-01-06 | 2017-09-01 | 大连理工大学 | 一种无序三维点云的无畸变成像方法 |
CN107063258A (zh) * | 2017-03-07 | 2017-08-18 | 重庆邮电大学 | 一种基于语义信息的移动机器人室内导航方法 |
CN108955670A (zh) * | 2017-05-25 | 2018-12-07 | 百度在线网络技术(北京)有限公司 | 信息获取方法和装置 |
CN109211236A (zh) * | 2017-06-30 | 2019-01-15 | 沈阳新松机器人自动化股份有限公司 | 导航定位方法、装置及机器人 |
CN107767456A (zh) * | 2017-09-22 | 2018-03-06 | 福州大学 | 一种基于rgb‑d相机的物体三维重建方法 |
CN108230247A (zh) * | 2017-12-29 | 2018-06-29 | 达闼科技(北京)有限公司 | 基于云端的三维地图的生成方法、装置、设备及应用程序 |
CN108332759A (zh) * | 2018-01-12 | 2018-07-27 | 浙江国自机器人技术有限公司 | 一种基于3d激光的地图构建方法及*** |
CN108303710A (zh) * | 2018-06-12 | 2018-07-20 | 江苏中科院智能科学技术应用研究院 | 基于三维激光雷达的无人机多场景定位建图方法 |
CN109507677A (zh) * | 2018-11-05 | 2019-03-22 | 浙江工业大学 | 一种结合gps和雷达里程计的slam方法 |
CN109848996A (zh) * | 2019-03-19 | 2019-06-07 | 西安交通大学 | 基于图优化理论的大规模三维环境地图创建方法 |
Non-Patent Citations (1)
Title |
---|
胡健军.基于单线激光的三维场景重建算法的研究.《中国优秀硕士学位论文全文数据库 信息科技辑》.2019,(第1期),第I138-3048页. * |
Also Published As
Publication number | Publication date |
---|---|
CN111080682A (zh) | 2020-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111080682B (zh) | 点云数据的配准方法及装置 | |
CN108319655B (zh) | 用于生成栅格地图的方法和装置 | |
KR102145109B1 (ko) | 지도 생성 및 운동 객체 위치 결정 방법 및 장치 | |
EP3505869B1 (en) | Method, apparatus, and computer readable storage medium for updating electronic map | |
CN110764111B (zh) | 雷达坐标与大地坐标的转换方法、装置、***及介质 | |
CN109946701B (zh) | 一种点云坐标转换方法及装置 | |
CN111161353B (zh) | 车辆定位方法、装置、可读存储介质和计算机设备 | |
CN112034431B (zh) | 一种雷达和rtk的外参标定方法及装置 | |
CN113048980B (zh) | 位姿优化方法、装置、电子设备及存储介质 | |
CN112905831B (zh) | 物体在虚拟场景中的坐标获取方法、***及电子设备 | |
CN110889899A (zh) | 一种数字地表模型的生成方法及装置 | |
CN110795978A (zh) | 路面点云数据提取方法、装置、存储介质及电子设备 | |
CN116091724A (zh) | 一种建筑数字孪生建模方法 | |
CN112965076B (zh) | 一种用于机器人的多雷达定位***及方法 | |
CN113959437A (zh) | 一种用于移动测量设备的测量方法及*** | |
CN114442133A (zh) | 无人机定位方法、装置、设备及存储介质 | |
Zhang et al. | Natural forest ALS-TLS point cloud data registration without control points | |
CN110322553B (zh) | 激光雷达点云混合现实场景实施放样的方法和*** | |
CN116929338A (zh) | 地图构建方法、设备及存储介质 | |
CN115830073A (zh) | 地图要素重建方法、装置、计算机设备和存储介质 | |
CN113503883B (zh) | 采集用于构建地图的数据的方法、存储介质及电子设备 | |
CN114004949A (zh) | 机载点云辅助的移动测量***安置参数检校方法及*** | |
CN113960614A (zh) | 一种基于帧-地图匹配的高程图构建方法 | |
CN117036511B (zh) | 多类型传感器的标定方法、装置、计算机设备和存储介质 | |
Guo et al. | Research on 3D geometric modeling of urban buildings based on airborne lidar point cloud and image |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |