CN114283046A - 基于icp算法的点云文件配准方法、装置及存储介质 - Google Patents

Abstract

本发明公开了一种基于ICP算法的点云文件配准方法，包括：获取点云文件集，并启动多个进程；将点云文件集划分为多个点云段，并依序将点云段预分配给对应的进程；创建包含第一变量和第二变量的共享内存，对共享内存进行初始化；根据第一变量分别在每个进程中实时调度闲置GPU或CPU执行ICP算法，通过ICP算法对每个进程中的目标点云进行配准，得到配准后的点云文件；其中，当任意一个进程预先完成分配到的所有目标点云的配准时，通过第二变量查找未配准的目标点云数量最多的点云段，将该点云段中未配准的目标点云动态分配给空闲的进程进行配准，从而能够提高系列点云文件配准的并行化程度、计算资源的利用率和点云文件并行配准的效率。

Description

基于ICP算法的点云文件配准方法、装置及存储介质

技术领域

本发明涉及信号处理技术领域，尤其涉及一种基于ICP算法的点云文件配准方法、装置及计算机可读存储介质。

背景技术

目前，针对点云文件集ICP(Iterative Closest Point)配准的方法主要有：系列点云文件串行ICP配准算法和ICP并行算法。系列点云文件串行ICP配准算法：点云文件库Point cloud library(简称PCL)提供了两两点云文件逐步匹配方案，其思想是对所有点云文件进行变换，最终将所有点云文件统一到源点云的坐标系中。ICP并行算法：主要研究两个点云文件之间的ICP并行加速，其思想是利用GPU或多个处理器核心(CPU的内核)对ICP算法中的某些步骤进行并行加速。

但是，上述两种配准算法是使用CPU+GPU或多个CPU内核依次对两个连续点云文件进行加速配准，即只有在完成某一对连续点云文件的加速配准后，才会开始对另一对连续点云文件进行加速配准，现有技术主要存在两个缺点：

1、并行化程度不足，现有技术关注两个点云文件之间的并行配准，主要针对ICP算法的某些步骤进行加速，为一级并行，并行层次较低，相对于高层次的点云文件集配准而言，其并行化程度存在不足。

2、计算机的计算资源利用率低，现有技术主要运用CPU+GPU模式或多个CPU内核模式进行并行加速，未能充分利用计算机的计算资源。(1)现有的CPU+GPU模式是对ICP算法中适用于GPU加速的部分进行GPU加速，算法的其余部分仍然保持CPU串行运行。在进行CPU串行执行时，计算机仅启动一个CPU内核进行计算，其余CPU内核和GPU处于闲置状态；CPU部分串行执行完毕后，计算机启动GPU对并行部分进行加速，计算机中所有CPU内核进入闲置或者等待状态，即在整个配准过程中，CPU和GPU是异步的，计算机同一时刻只有1个CPU内核或者GPU在运行，未能充分使用计算机的计算资源。(2)现有的多个CPU内核并行模式是对于ICP算法中适用于多核并行的部分进行并行，算法的其余部分仍然保持CPU串行运行。同样，在进行CPU串行执行时，计算机同一时刻只有一个CPU内核在计算，其余CPU内核和GPU处于闲置状态；在进行多个CPU内核并行执行时，计算机的GPU处于闲置状态，同样没有充分利用计算机的计算资源。

发明内容

本发明实施例提供一种基于ICP算法的点云文件配准方法、装置及计算机可读存储介质，能够提高系列点云文件配准的并行化程度、计算资源的利用率和点云文件并行配准的效率。

为实现上述目的，本发明实施例提供了一种基于ICP算法的点云文件配准方法，包括：

获取点云文件集，并通过消息传递接口启动多个进程；其中，所述点云文件集包含1个源点云和k个待配准的目标点云；

将所述点云文件集划分为多个点云段，并依序将所述点云段预分配给对应的所述进程；

创建包含1个第一变量和k个第二变量的共享内存，对所述共享内存进行初始化；其中，所述第一变量与闲置GPU的数量相对应，所述第二变量与所述目标点云的配准情况一一对应；

根据所述第一变量分别在每个所述进程中实时调度闲置GPU或CPU执行ICP算法，通过所述消息传递接口和所述ICP算法对每个所述进程中的目标点云进行配准，得到k个配准后的点云文件；

其中，当任意一个所述进程预先完成分配到的所有所述目标点云的配准时，通过所述第二变量查找未配准的目标点云数量最多的点云段，将该点云段中未配准的所述目标点云动态分配给空闲的进程进行配准。

作为上述方案的改进，所述对所述共享内存进行初始化，具体为：

初始化所述第一变量的数值为N；其中，N为计算机GPU的数量；

初始化k个所述第二变量的数值为0。

作为上述方案的改进，所述根据所述第一变量分别在每个所述进程中实时调度闲置GPU或CPU执行ICP算法，具体为：

当任一所述进程读取到所述第二变量为0时，实时调度CPU执行ICP算法；

当任一所述进程读取到所述第二变量不为0时，实时调度GPU执行ICP算法。

作为上述方案的改进，所述通过所述消息传递接口和所述ICP算法对每个所述进程中的目标点云进行配准，得到k个配准后的点云文件，具体为：

通过所述ICP算法对每个所述进程中的目标点云进行局部配准，得到每个所述目标点云对应的局部变换矩阵；

通过所述消息传递接口收集每个所述目标点云对应的局部变换矩阵，并通过预设的转换公式对每个所述局部变换矩阵进行转换，得到每个所述目标点云对应的全局变换矩阵；

通过每个所述目标点云对应的所述全局变换矩阵对每个所述目标点云进行全局配准，得到k个配准后的点云文件。

作为上述方案的改进，所述当任意一个所述进程预先完成分配到的所有所述目标点云的配准时，通过所述第二变量查找未配准的目标点云数量最多的点云段，将该点云段中未配准的所述目标点云动态分配给空闲的进程进行配准，具体为：

当任意一个所述进程预先完成分配到的所有所述目标点云的局部配准时，通过所述第二变量查找未局部配准的目标点云数量最多的点云段，将该点云段中未局部配准的所述目标点云动态分配给空闲的进程进行局部配准；

当任意一个所述进程预先完成分配到的所有所述目标点云的全局配准时，通过所述第二变量查找未全局配准的目标点云数量最多的点云段，将该点云段中未全局配准的所述目标点云重新分配给空闲的进程进行全局配准。

作为上述方案的改进，所述预设的转换公式，具体为：

其中，T_i为第i个目标点云对应的局部变换矩阵，G_i为第i个目标点云对应的全局变换矩阵。

作为上述方案的改进，根据以下公式对第i个所述目标点云进行全局配准：

O_i＝Q_i*G_i(1≤i≤k)；

其中，O_i为第i个目标点云对应的配准后的点云文件，Q_i为第i个目标点云，G_i为第i个目标点云对应的全局变换矩阵。

为实现上述目的，本发明实施例对应提供了一种基于ICP算法的点云文件配准装置，包括：

数据预处理模块，用于获取点云文件集，并通过消息传递接口启动多个进程；其中，所述点云文件集包含1个源点云和k个待配准的目标点云；

数据预分配模块，用于将所述点云文件集划分为多个点云段，并依序将所述点云段预分配给对应的所述进程；

共享数据模块，用于创建包含1个第一变量和k个第二变量的共享内存，对所述共享内存进行初始化；其中，所述第一变量与闲置GPU的数量相对应，所述第二变量与所述目标点云的配准情况一一对应；

点云配准模块，用于根据所述第一变量分别在每个所述进程中实时调度闲置GPU或CPU执行ICP算法，通过所述消息传递接口和所述ICP算法对每个所述进程中的目标点云进行配准，得到k个配准后的点云文件；

动态分配模块，用于当任意一个所述进程预先完成分配到的所有所述目标点云的配准时，通过所述第二变量查找未配准的目标点云数量最多的点云段，将该点云段中未配准的所述目标点云动态分配给空闲的进程进行配准。

作为上述方案的改进，所述点云配准模块，包括：

局部配准单元，用于通过所述ICP算法对每个所述进程中的目标点云进行局部配准，得到每个所述目标点云对应的局部变换矩阵；

矩阵变换单元，用于通过所述消息传递接口收集每个所述目标点云对应的局部变换矩阵，并通过预设的转换公式对每个所述局部变换矩阵进行转换，得到每个所述目标点云对应的全局变换矩阵；

全局配准单元，用于通过每个所述目标点云对应的全局变换矩阵对每个所述目标点云进行全局配准，得到k个配准后的点云文件。

为实现上述目的，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述发明实施例所述的基于ICP算法的点云文件配准方法。

与现有技术相比，本发明实施例公开的基于ICP算法的点云文件配准方法、装置及计算机存储介质，首先，通过消息传递接口MPI启动多个进程，将一系列序号连续的点云文件分成多个点云段，并分别对每个进程分配到的点云段进行并行配准，实现一级并行；其次，根据第一变量实时调度计算机的CPU和GPU计算资源，为点云文件配准设置了CPU执行和GPU加速两个路径，实现多个CPU内核和多个GPU的同步并行；其中，GPU实现两个连续点云文件的加速配准为二级并行；然后，通过共享内存中的第二变量将点云文件的配准任务预分配和动态分配给每个进程，实现消息传递接口MPI每个进程的负载均衡，从而能够提高点云文件集配准的并行化程度、计算机计算资源的利用率和点云文件并行配准的效率。

附图说明

图1是本发明一实施例提供的一种基于ICP算法的点云文件配准方法的流程示意图；

图2是本发明一具体实施例提供的基于ICP算法的点云文件配准方法的简要流程示意图；

图3是本发明一具体实施例提供的ICP-CPU和ICP-GPU协同处理框架；

图4是本发明一具体实施例提供的点云文件预分配和动态分配的流程示意图；

图5是本发明一具体实施例提供的点云文件动态分配的流程示意图；

图6是本发明一实施例提供的一种基于ICP算法的点云文件配准装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参见图1，是本发明一实施例提供的一种基于ICP算法的点云文件配准方法的流程示意图。

本发明实施例提供的基于ICP算法的点云文件配准方法，包括步骤：

S11、获取点云文件集，并通过消息传递接口启动多个进程；其中，所述点云文件集包含1个源点云和k个待配准的目标点云；

S12、将所述点云文件集划分为多个点云段，并依序将所述点云段预分配给对应的所述进程；

S13、创建包含1个第一变量和k个第二变量的共享内存，对所述共享内存进行初始化；其中，所述第一变量与闲置GPU的数量相对应，所述第二变量与所述目标点云的配准情况一一对应；

S14、根据所述第一变量分别在每个所述进程中实时调度闲置GPU或CPU执行ICP算法，通过所述消息传递接口和所述ICP算法对每个所述进程中的目标点云进行配准，得到k个配准后的点云文件；其中，

当任意一个所述进程预先完成分配到的所有所述目标点云的配准时，通过所述第二变量查找未配准的目标点云数量最多的点云段，将该点云段中未配准的所述目标点云动态分配给空闲的进程进行配准。

需要说明，消息传递接口MPI并行模式采用对等模式，每个进程的功能或计算流程相同。

优选的，所述进程的个数等于计算机的总核数或计算机CPU的个数。

进一步的，在所述步骤S12中，通过预设公式得到第一参数和第二参数；

当所述第二参数为0时，依次分配m个连续的所述点云文件给每个所述进程；

当所述第二参数不为0时，依次分配m+1个连续的所述点云文件给前R个所述进程，依次分配m个连续的所述点云文件给剩余的n+1-R个所述进程；其中，m为第一参数，R为第二参数。

具体的，所述预设公式为：

m＝[(k+1)+n-1]/(n+1)LR；

其中，n+1为进程总量，k+1为点云文件总量，k为正整数。

示例性地，参见图2，首先将k+1个点云文件按照进程的总数平均分成n+1点云段，按照公式m＝((k+1)+n-1)/(n+1)，对每个进程首先预分配m个序号连续的点云文件，如进程P₀预分配处理点云文件[Q₀,Q_m-1]，P₁预分配处理点云文件[Q_m-1,Q_2m-2]，P₂预分配处理点云文件[Q_2m-2,Q_3m-3]，依此类推，P_n预分配处理点云文件[Q_n*m-n,Q_k]；当公式m＝((k+1)+n-1)/(n+1)无法被整除且第二参数为R时，则由前R个进程[P₀,P_R-1]分别预分配处理m+1个连续的点云文件，其余进程预分配处理m个连续的点云文件，如：进程P₀预分配处理点云文件[Q₀,Q_m]，进程P₁预分配处理[Q_m,Q_2m]。

参见图2，为了便于本领域技术人员，下文将以第二参数R＝0为例对点云文件的读取和配准进行简要说明：

消息传递接口MPI的每个进程对其预分配到的点云文件进行依次读取。在首轮读取中，每个进程首先读取预分配点云文件的前两个文件，如进程P₀依次读取点云文件Q₀和Q₁，进程P₁依次读取点云文件Q_m-1和Q_m，进程P_n依次读取点云文件Q_n*m-n和Q_n*m-n+1；首轮读取完毕后，每个进程依次将前一个点云文件作为源点云、后一个点云文件作为目标点云，并按照ICP算法进行配准，分别得到每个目标点云对应的局部变换矩阵T_i，T_i表示后一个点云文件Q_i配准到前一个点云文件Q_i-1。在首轮计算中，进程P₀计算获得局部变换矩阵T₁，进程P₁计算获得局部变换矩阵T_m，进程P_n计算获得局部变换矩阵T_n*m-n+1。

在获得首轮的局部变换矩阵后，每个进程按照点云文件序号继续读取剩余点云文件，与首轮读取两个文件不同，在剩余点云文件的读取中，每一次仅读取1个点云文件。如在第2轮读取时，进程P₀读取点云文件Q₂，进程P₁读取点云文件Q_m+1，进程P_n读取点云文件Q_n*m-n+2，读取完毕后，将当前读取的点云文件Q_i作为目标点云，前一轮读取的点云文件Q_i-1作为源点云进行配准。下面以进程P₀为例进行说明，在第2轮配准时，以Q₂为目标点云、Q₁为源点云进行配准，获得局部变换矩阵T₂；第3轮读取点云文件Q₃，以Q₃为目标点云、Q₂为源点云进行配准，获得局部变换矩阵T₃；如此循环，直到某1个进程读取并处理完其预分配的所有点云文件，至此点云文件预分配读取阶段结束，进入点云文件动态分配阶段。需要说明，动态分配是因为每个进程所分配的工作量及计算资源不同，每个进程处理完预分配的任务所用的时间不同，为了均衡每个进程的负载，需要对未处理点云文件进行再次分配。

具体的，在步骤S13中，通过MPI_Win_allocate_shared(·)函数创建包含1个第一变量和k个第二变量的共享内存。

需要说明，所述共享内存是为进程服务的，共享内存中的数据为整型数据，即所述第一变量和所述第二变量为整型数据。

在一些更优的实施例中，在步骤S13中，所述对所述共享内存进行初始化，具体为：

初始化所述第一变量的数值为N；其中，N为计算机GPU的数量；

初始化k个所述第二变量的数值为0。

优选的，通过第1个所述进程对所述第一变量和所述第二变量进行初始化。

可以理解，所述第一变量用于实时告知进程当前闲置的GPU数量，以便于消息传递接口MPI优先调度闲置GPU执行ICP算法中适用GPU加速的部分，以加速目标点云的配准；所述第二变量用于记录当前每个目标点云的处理状态，以便各进程实时更新和了解每个点云文件的处理状态，从而实现各进程间的动态任务分配。

在一个具体的实施方式中，在步骤S14中，所述根据所述第一变量分别在每个所述进程中实时调度闲置GPU或CPU执行ICP算法，具体为：

当任一所述进程读取到所述第二变量为0时，实时调度CPU执行ICP算法；

当任一所述进程读取到所述第二变量不为0时，实时调度GPU执行ICP算法。

值得说明的是，在调度闲置GPU执行ICP算法之前，需要对所述第一变量进行减一操作，并在所述GPU加速计算完成后，对所述第一变量加一，以保证所述第一变量实时反映闲置GPU的数量。

值得说明，现有计算机或单节点一般由多个核和若干个GPU组成，如：计算机有A个CPU，1个CPU由B个内核组成，则计算机的CPU内核有A*B个，内核的数量一般远远超过GPU的数量。假设计算机有N个CPU内核和1个GPU，可以利用MPI启动N个进程，N个进程同步并行，每个进程在计算过程中都使用GPU进行加速；但是，由于计算机只有1个GPU，则无法在N个进程中同时进行GPU加速，每个进程只能依次排队等候使用GPU，在等候使用GPU期间，每个CPU内核进入等候闲置状态，从而严重影响并行效果。为了解决该问题，如图3所示，本发明一具体实施例提供的ICP-CPU和ICP-GPU协同处理框架，对于ICP算法中适用于GPU加速的部分，先判断第一变量S₀的数值是否为0，为0则说明所有的GPU均被其他进程占用，故采取CPU执行；当所述第一变量S₀非0，则说明计算机中有闲置的GPU可使用，先按照式子S₀＝S₀-1对闲置GPU的数量进行更新，再使用GPU对该部分进行加速，加速结束后，释放GPU，并按照式子S₀＝S₀+1更新闲置GPU的数量，最后输出该部分的过程结果到CPU中。通过ICP-CPU和ICP-GPU协同处理框架，为点云文件的配准设置了CPU执行和GPU加速两个路径，能够充分利用计算机中所有CPU内核和GPU的计算资源，实现了CPU和GPU同步计算，大大减少CPU和GPU的闲置时间，增加CPU和GPU的利用率。

需要说明的是，能否使用GPU进行加速，取决于所采用的ICP算法，采用的算法不同，则GPU加速的适用性不同，加速方法也不同。另外，针对不同的ICP算法，已有很多不同的GPU加速算法，因此本发明提出的ICP-CPU和ICP-GPU协同处理框架不针对具体的ICP算法。

在一些更优的实施例中，在步骤S14中，所述通过所述消息传递接口和所述ICP算法对每个所述进程中的目标点云进行配准，得到k个配准后的点云文件，具体为：

通过所述ICP算法对每个所述进程中的目标点云进行局部配准，得到每个所述目标点云对应的局部变换矩阵；

通过所述消息传递接口收集每个所述目标点云对应的局部变换矩阵，并通过预设的转换公式对每个所述局部变换矩阵进行转换，得到每个所述目标点云对应的全局变换矩阵；

通过每个所述目标点云对应的全局变换矩阵对每个所述目标点云进行全局配准，得到k个配准后的点云文件。

进一步的，对每个所述进程中的目标点云进行局部配准之前，将该目标点云对应的所述第二变量更新为1；通过所述全局变换矩阵对每个所述目标点云进行全局配准之前，将该目标点云对应的所述第二变量更新为2。

需要说明，ICP算法一般可分为4个过程：过程1、查找两个点云文件的对应点；过程2、估计变换矩阵；过程3、利用变换矩阵转换目标点云数据；过程4、判断精度是否满足要求，满足则输出变换矩阵，不满足则返回过程1进行迭代。ICP的具体实现算法较多，如：查找两个点云文件的对应点有常规法(遍历全部点云文件)、空间单元格划分法、八叉树法、kd-tree法等；估计变换矩阵有LM法、单位四元数法、SVD奇异值分解法等。

在一个具体的实施方式中，所述步骤S15，具体为：

当任意一个所述进程预先完成分配到的所有所述目标点云的局部配准时，通过所述第二变量查找未局部配准的目标点云数量最多的点云段，将该点云段中未局部配准的所述目标点云动态分配给空闲的进程进行局部配准；

当任意一个所述进程预先完成分配到的所有所述目标点云的全局配准时，通过所述第二变量查找未全局配准的目标点云数量最多的点云段，将该点云段中未全局配准的所述目标点云重新分配给空闲的进程进行全局配准。

优选的，当所述第二变量为0时，则该第二变量对应的所述目标点云未进行局部配准；当所述第二变量为1时，则该第二变量对应的所述目标点云正在进行局部配准或已经完成局部配准；当所述第二变量为2时，则该第二变量对应的所述目标点云正在进行全局配准或已经完成全局配准。

优选的，所述当任意一个所述进程预先完成分配到的所有所述目标点云的局部配准时，通过所述第二变量查找未局部配准的目标点云数量最多的点云段，将该点云段中未局部配准的所述目标点云动态分配给空闲的进程进行局部配准，具体为：

当任意一个所述进程预先完成分配到的所有所述目标点云的局部配准时，通过遍历所有的所述第二变量，查找所有所述第二变量值为0对应的目标点云，得到未局部配准的目标点云数量最多的点云段；

从未局部配准的目标点云数量最多的所述点云段的最后两个所述目标点云开始，将未局部配准的所述目标点云动态分配给空闲的进程进行局部配准。

优选的，所述当任意一个所述进程预先完成分配到的所有所述目标点云的全局配准时，通过所述第二变量查找未全局配准的目标点云数量最多的点云段，将该点云段中未全局配准的所述目标点云重新分配给空闲的进程进行全局配准，具体为：

当任意一个所述进程预先完成分配到的所有所述目标点云的全局配准时，通过遍历所有的所述第二变量，查找所有所述第二变量值为1对应的目标点云，得到未全局配准的所述目标点云数量最多的点云段；

从未全局配准的目标点云数量最多的所述点云段的最后一个所述目标点云开始，将未全局配准的所述目标点云动态分配给空闲的进程进行全局配准。

可以理解，本发明将点云文件配准处理分为预分配和动态分配两种模式。预分配模式：根据点云文件总量及MPI进程总量，为每个进程预分配点云文件；动态分配模式：当进程中某个进程处理完毕其预分配的点云文件后，查找点云文件未处理数量最多的点云段，并从该点云段的最后两个点云文件开始读取和配准。

示例性的，如：进程P₀准备读取点云文件Q₂，先访问第二变量S₂，如果S₂＝1，则说明点云文件Q₂已被其他进程配准或正在被其他进程配准，这表明点云文件Q₂已进入动态分配阶段，则P₀遍历第二变量[S₁,S_k]，并从第二变量值为0对应的最大连续区间的最后两个点云文件开始读取和配准；如果S₂＝0，则令S₂＝1，并开始读取点云文件Q₂，计算点云文件Q₂变换到点云文件Q₁的局部变换矩阵T₂。

示例性的，每个进程按照预分配任务计算配准后的点云文件O_i前，先读取第二变量S_i，第二变量S_i为2则说明配准后的点云文件O_i已被其他进程计算完成或正在计算，则遍历第二变量[S₁,S_k]，并从第二变量值为1对应的最大连续区间的最后1个点云文件开始读取，然后计算和输出其对应的点云文件配准后的点云文件O_i；第二变量S_i为1则说明配准后的点云文件O_i没有被计算，将S_i更新为2，然后再计算并输出配准后的点云文件O_i；如此循环，直至第二变量[S₁,S_k]全部为2，说明所有配准后的点云文件[O₁,O_k]正在计算或已经输出。

在一个具体的实施方式中，所述预设的转换公式，具体为：

其中，T_i为第i个目标点云对应的局部变换矩阵，G_i为第i个目标点云对应的全局变换矩阵。

在一个优选的实施方式中，根据以下公式对第i个所述目标点云进行全局配准：

O_i＝Q_i*G_i(1≤i≤k)；

其中，O_i为第i个目标点云对应的配准后的点云文件，Q_i为第i个目标点云，G_i为第i个目标点云对应的全局变换矩阵。

为了便于说明，将ICP配准流程分为步骤1至步骤n，此处所述步骤并非特指具体ICP算法中的某个步骤，仅是为了简化描述过程。参见图2-图5，下面通过一个具体实施方式来描述基于ICP算法的点云文件配准方法的具体流程。

1)消息传递接口MPI启动n+1个进程[P₀,P_n]。

2)根据点云文件的总数和进程的总数进行点云文件预分配；

需要说明，只是预分配点云文件序号，但并未开始读取点云文件。

3)利用MPI_Win_allocate_shared(·)函数为各个进程创建共享内存，共享内存数据为int整型，共保存k+1个整型数据[S₀,S_k]。

4)利用进程P₀对整型数据进行初始化，其中S₀为计算机中GPU的个数，根据GPU的个数对S₀进行赋值，[S₁,S_k]全部赋值为0，代表点云文件[Q₁,Q_k]未被配准。

5)各个进程按照其预分配的点云文件进行首轮读取；

需要说明，首轮读取需要读取两个点云文件，当读取第1个点云文件Q_i-1时，不需要对[S₁,S_k]进行任何操作；在读取第2个点云文件Q_i文件前，需要先对S_i进行更新并赋值为1，代表点云文件Q_i将被读取。

6)首轮读取点云文件完后，进入ICP-CPU和ICP-GPU协同处理阶段，包括数据预处理和ICP配准等；

参见图3，根据具体采用的ICP算法，分析各个步骤是否适用采用GPU加速，对于不适合采用GPU加速的部分，仍然采用CPU执行，对于适用采用GPU加速的部分，先判断整型数据S₀的数值是否为0，整型数据S₀为0则说明所有的GPU均被其他进程占用，故采取CPU执行；整型数据S₀不为0，则说明计算机中有闲置的GPU可使用，先按照式子S₀＝S₀-1对闲置GPU的数量进行更新，使用GPU对该部分进行加速，加速结束后，释放GPU，并按照式子S₀＝S₀+1更新闲置GPU的数量，最后输出该部分的过程结果到CPU中；按照上述ICP-CPU和ICP-GPU协同处理方法继续执行ICP算法的剩余步骤，直至获得首轮局部变换矩阵T。

7)各个进程在获得首轮局部变换矩阵T后，开始执行第2轮点云文件读取；

如：P₀准备读取点云文件Q₂，读取点云文件Q₂前，先访问整型数据S₂，如果S₂＝1，则说明点云文件Q₂已被其他进程配准或正在被其他进程配准，这表明点云文件已进入动态分配阶段，则P₀遍历[S₁,S_k]，从整型数据值为0的最大连续区间的最后两个点云文件开始读取和配准；如果S₂＝0，则令S₂＝1，并开始读取Q₂，再按照上述步骤6)计算Q₂变换到Q₁的局部变换矩阵T₂，具体实例参考图4和图5所示。

8)所有进程按照步骤7)进行处理，直至[S₁,S_k]的所有值均为1，说明所有点云文件均已配准或正在被配准，这一步所指的配准为局部配准，动态分配结束。

9)利用MPI_Allgather(·)函数收集所有局部变换矩阵[T₁,T_k]，并按照式(1)计算第i个全局变换矩阵G_i；

其中，式(1)中T_i表示点云文件Q_i配准到点云文件Q_i-1的局部变换矩阵，G_i表示点云文件Q_i配准到点云文件Q₀(源点云)的全局变换矩阵。

10)各个进程按照式(2)分别将点云文件Q_i的坐标统一到源点云Q₀的坐标系中，并输出配准后的点云文件Oi：

O_i＝Q_i*G_i (1≤i≤k) 式(2)

需要说明，在该步骤中，各进程根据其计算的局部变换矩阵进行任务分配，假设P₀计算了T₁、T₂、T₅、T₁₀，则预分配P₀计算并输出配准后的点云文件O₁、O₂、O₅、O₁₀。当某个进程率先处理完预分配的所有任务后，则协助其他进程完成剩余任务，各进程按照预分配任务计算配准后的点云文件O_i前，先读取整型数据S_i，若整型数据S_i为2，则说明配准后的点云文件O_i已被其他进程计算完成或正在计算，则遍历整型数据[S₁,S_k]，并从整型数据值为1的最大连续区间的最后1个点云文件开始读取，然后计算和输出其对应的配准后的点云文件O；整型数据S_i为1则说明配准后的点云文件O_i没有被计算，将S_i更新为2，然后再计算并输出配准后的点云文件O_i；如此循环，直至整型数据[S₁,S_k]全部更新为2，则说明所有配准后的点云文件[O₁,O_k]正在计算或已经输出；

各进程在按照式(2)进行计算时，先访问整型数据S₀的数值是否为0，为0则说明计算机中所有的GPU均被其他进程占用，故采取CPU执行；整型数据S₀不为0则说明计算机中有闲置的GPU可使用，先按照式子S₀＝S₀-1对闲置GPU的数量进行更新，使用GPU对下式进行加速，加速结束后，释放GPU，并按照式子S₀＝S₀+1更新闲置GPU的数量，最后输出配准后的点云文件O_i。

为进一步描述点云文件的预分配和动态分配过程，以4个进程[P₀,P₃]，17个点云文件[Q₀,Q₁₆]进行说明。参照图4，每个进程预分配处理5个点云文件，进程P₀负责点云文件[Q₀,Q₄]，进程P₁负责点云文件[Q₄,Q₈]，进程P₂负责点云文件[Q₈,Q₁₂]，进程P₃负责点云文件[Q₁₂,Q₁₆]；如图4所示，每个进程并行读取预分配第1个点云文件作为源点云，进程P₀读取点云文件Q₀，进程P₁读取点云文件Q₄，进程P₂读取点云文件Q₈，进程P₃读取点云文件Q₁₂；读取完毕后，各进程在读取预分配的第2个点云文件前，更新其对应的整型数据；以进程P₀为例，P₀将S₁先更新为1，然后读取点云文件Q₁，读取完Q₁后，计算局部变换矩阵T₁；接着读取S₂，S₂＝0，说明Q₂未被配准，则将S₂的值更新为1，然后读取Q₂，并计算Q₂配准到Q₁的局部变换矩阵T₂；如此循环，直至某个进程首先完成预分配任务，则标志预分配阶段结束。

由于计算过程中，每个进程的计算任务量不同，所分配的计算资源也不同，如图3所示，GPU按照先到先用原则，无法保证每个进程使用GPU的时间和次数相同，各个进程的计算进度不同，如：进程P₁完成所有预分配点云文件[Q₅,Q₈]的局部配准时，进程P₀仍剩Q₃和Q₄未被配准，进程P2仍剩Q₁₀、Q₁₁和Q₁₂未被配准，进程P₃仍剩Q₁₅未被配准。进程P₁率先完成了所有预分配任务，需要协助其他进程完成剩余任务。首先遍历整型数据[S₁,S_k]，可以查找出有3个连续区间为0，分别为[Q₃,Q₄]、[Q₁₀,Q₁₂]、[Q₁₅]，由于P₂剩余未完成任务最多，[Q₁₀,Q₁₂]共3个点云文件未被配准，则进程P1选择[Q₁₀,Q₁₂]的最后1个点云文件Q₁₂进行配准，为了配准Q₁₂，如同步骤5)的首轮读取一样，需要先读取Q₁₂对应的源点云Q₁₁，然后将S₁₂的值更新为1，并读取Q₁₂，最后计算局部变换矩阵T₁₂。其他进程在完成预分配任务后，如同进程P₁一样，协助其他进程完成未完成任务，直至[S₁,S_k]所有值均为1，说明所有点云文件均已配准或正在被配准，动态分配结束。

相应地，本发明实施例还提供了一种基于ICP算法的点云文件配准装置，能够实现上述基于ICP算法的点云文件配准方法的所有流程。

参见图6，是本发明一实施例提供的一种基于ICP算法的点云文件配准装置的结构示意图。

本发明实施例提供的基于ICP算法的点云文件配准装置，包括：

数据预处理模块21，用于获取点云文件集，并通过消息传递接口启动多个进程；其中，所述点云文件集包含1个源点云和k个待配准的目标点云；

数据预分配模块22，用于将所述点云文件集划分为多个点云段，并依序将所述点云段预分配给对应的所述进程；

共享数据模块23，用于创建包含1个第一变量和k个第二变量的共享内存，对所述共享内存进行初始化；其中，所述第一变量与闲置GPU的数量相对应，所述第二变量与所述目标点云的配准情况一一对应；

点云配准模块24，用于根据所述第一变量分别在每个所述进程中实时调度闲置GPU或CPU执行ICP算法，通过所述消息传递接口和所述ICP算法对每个所述进程中的目标点云进行配准，得到k个配准后的点云文件；

动态分配模块25，用于当任意一个所述进程预先完成分配到的所有所述目标点云的配准时，通过所述第二变量查找未配准的目标点云数量最多的点云段，将该点云段中未配准的所述目标点云动态分配给空闲的进程进行配准。

作为其中一个可选的实施方式，所述基于ICP算法的点云文件配准装置，还包括：

数据初始化模块26，用于初始化所述第一变量的数值为N；其中，N为计算机GPU的数量；还用于初始化k个所述第二变量的数值为0。

作为其中一个可选的实施方式，点云配准模块24，包括：

局部配准单元，用于通过所述ICP算法对每个所述进程中的目标点云进行局部配准，得到每个所述目标点云对应的局部变换矩阵；

矩阵变换单元，用于通过所述消息传递接口收集每个所述目标点云对应的局部变换矩阵，并通过预设的转换公式对每个所述局部变换矩阵进行转换，得到每个所述目标点云对应的全局变换矩阵；

全局配准单元，用于通过每个所述目标点云对应的全局变换矩阵对每个所述目标点云进行全局配准，得到k个配准后的点云文件。

作为其中一个可选的实施方式，所述点云配准模块24，还包括：

资源调度单元，用于当任一所述进程读取到所述第二变量为0时，实时调度CPU执行ICP算法；当任一所述进程读取到所述第二变量不为0时，实时调度GPU执行ICP算法。

优选地，所述动态分配模块25，包括：

局部配准动态分配单元，用于当任意一个所述进程预先完成分配到的所有所述目标点云的局部配准时，通过所述第二变量查找未局部配准的目标点云数量最多的点云段，将该点云段中未局部配准的所述目标点云动态分配给空闲的进程进行局部配准；

全局配准动态分配单元，用于当任意一个所述进程预先完成分配到的所有所述目标点云的全局配准时，通过所述第二变量查找未全局配准的目标点云数量最多的点云段，将该点云段中未全局配准的所述目标点云重新分配给空闲的进程进行全局配准。

优选的，在所述矩阵变换单元中，所述预设的转换公式，具体为：

其中，T_i为第i个目标点云对应的局部变换矩阵，G_i为第i个目标点云对应的全局变换矩阵。

进一步的，所述全局配准单元，具体用于：

根据以下公式对第i个所述目标点云进行全局配准：

O_i＝Q_i*G_i(1≤i≤k)；

其中，O_i为第i个目标点云对应的配准后的点云文件，Q_i为第i个目标点云，G_i为第i个目标点云对应的全局变换矩阵。

需要说明的是，本实施例的基于ICP算法的点云文件配准装置的各实施例的相关具体描述和有益效果可以参考上述的基于ICP算法的点云文件配准方法的各实施例的相关具体描述和有益效果，在此不再赘述。

需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

相应地，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行上述任一实施例所述的基于ICP算法的点云文件配准方法。

综上，本发明实施例所提供的基于ICP算法的点云文件配准方法、装置及计算机可读存储介质，首先，通过消息传递接口MPI启动多个进程，将一系列序号连续的点云文件分成多个点云段，并分别对每个进程分配到的点云段进行并行配准，实现一级并行；其次，根据第一变量实时调度计算机的CPU和GPU计算资源，为点云文件配准设置了CPU执行和GPU加速两个路径，实现多个CPU内核和多个GPU的同步并行；其中，GPU实现两个连续点云文件的加速配准为二级并行；然后，通过共享内存中的第二变量将点云文件的配准任务预分配和动态分配给每个进程，实现消息传递接口MPI每个进程的负载均衡，从而能够提高点云文件集配准的并行化程度、计算机计算资源的利用率和点云文件并行配准的效率。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种基于ICP算法的点云文件配准方法，其特征在于，包括：

获取点云文件集，并通过消息传递接口启动多个进程；其中，所述点云文件集包含1个源点云和k个待配准的目标点云；

将所述点云文件集划分为多个点云段，并依序将所述点云段预分配给对应的所述进程；

创建包含1个第一变量和k个第二变量的共享内存，对所述共享内存进行初始化；其中，所述第一变量与闲置GPU的数量相对应，所述第二变量与所述目标点云的配准情况一一对应；

根据所述第一变量分别在每个所述进程中实时调度闲置GPU或CPU执行ICP算法，通过所述消息传递接口和所述ICP算法对每个所述进程中的目标点云进行配准，得到k个配准后的点云文件；其中，

当任意一个所述进程预先完成分配到的所有所述目标点云的配准时，通过所述第二变量查找未配准的目标点云数量最多的点云段，将该点云段中未配准的所述目标点云动态分配给空闲的进程进行配准。

2.如权利要求1所述的基于ICP算法的点云文件配准方法，其特征在于，所述对所述共享内存进行初始化，具体为：

初始化所述第一变量的数值为N；其中，N为计算机GPU的数量；

初始化k个所述第二变量的数值为0。

3.如权利要求2所述的基于ICP算法的点云文件配准方法，其特征在于，所述根据所述第一变量分别在每个所述进程中实时调度闲置GPU或CPU执行ICP算法，具体为：

当任一所述进程读取到所述第二变量为0时，实时调度CPU执行ICP算法；

当任一所述进程读取到所述第二变量不为0时，实时调度GPU执行ICP算法。

4.如权利要求1所述的基于ICP算法的点云文件配准方法，其特征在于，所述通过所述消息传递接口和所述ICP算法对每个所述进程中的目标点云进行配准，得到k个配准后的点云文件，具体为：

通过所述ICP算法对每个所述进程中的目标点云进行局部配准，得到每个所述目标点云对应的局部变换矩阵；

通过所述消息传递接口收集每个所述目标点云对应的局部变换矩阵，并通过预设的转换公式对每个所述局部变换矩阵进行转换，得到每个所述目标点云对应的全局变换矩阵；

通过每个所述目标点云对应的全局变换矩阵对每个所述目标点云进行全局配准，得到k个配准后的点云文件。

5.如权利要求4所述的基于ICP算法的点云文件配准方法，其特征在于，所述当任意一个所述进程预先完成分配到的所有所述目标点云的配准时，通过所述第二变量查找未配准的目标点云数量最多的点云段，将该点云段中未配准的所述目标点云动态分配给空闲的进程进行配准，具体为：

当任意一个所述进程预先完成分配到的所有所述目标点云的局部配准时，通过所述第二变量查找未局部配准的目标点云数量最多的点云段，将该点云段中未局部配准的所述目标点云动态分配给空闲的进程进行局部配准；

当任意一个所述进程预先完成分配到的所有所述目标点云的全局配准时，通过所述第二变量查找未全局配准的目标点云数量最多的点云段，将该点云段中未全局配准的所述目标点云重新分配给空闲的进程进行全局配准。

6.如权利要求4所述的基于ICP算法的点云文件配准方法，其特征在于，所述预设的转换公式，具体为：

其中，T_i为第i个目标点云对应的局部变换矩阵，G_i为第i个目标点云对应的全局变换矩阵。

7.如权利要求4所述的基于ICP算法的点云文件配准方法，其特征在于，根据以下公式对第i个所述目标点云进行全局配准：

O_i＝Q_i*G_i (1≤i≤k)；

其中，O_i为第i个目标点云对应的配准后的点云文件，Q_i为第i个目标点云，G_i为第i个目标点云对应的全局变换矩阵。

8.一种基于ICP算法的点云文件配准装置，其特征在于，包括：

数据预处理模块，用于获取点云文件集，并通过消息传递接口启动多个进程；其中，所述点云文件集包含1个源点云和k个待配准的目标点云；

数据预分配模块，用于将所述点云文件集划分为多个点云段，并依序将所述点云段预分配给对应的所述进程；

共享数据模块，用于创建包含1个第一变量和k个第二变量的共享内存，对所述共享内存进行初始化；其中，所述第一变量与闲置GPU的数量相对应，所述第二变量与所述目标点云的配准情况一一对应；

点云配准模块，用于根据所述第一变量分别在每个所述进程中实时调度闲置GPU或CPU执行ICP算法，通过所述消息传递接口和所述ICP算法对每个所述进程中的目标点云进行配准，得到k个配准后的点云文件；

动态分配模块，用于当任意一个所述进程预先完成分配到的所有所述目标点云的配准时，通过所述第二变量查找未配准的目标点云数量最多的点云段，将该点云段中未配准的所述目标点云动态分配给空闲的进程进行配准。

9.如权利要求8所述的基于ICP算法的点云文件配准装置，其特征在于，所述点云配准模块，包括：

局部配准单元，用于通过所述ICP算法对每个所述进程中的目标点云进行局部配准，得到每个所述目标点云对应的局部变换矩阵；

矩阵变换单元，用于通过所述消息传递接口收集每个所述目标点云对应的局部变换矩阵，并通过预设的转换公式对每个所述局部变换矩阵进行转换，得到每个所述目标点云对应的全局变换矩阵；

全局配准单元，用于通过每个所述目标点云对应的全局变换矩阵对每个所述目标点云进行全局配准，得到k个配准后的点云文件。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7中任意一项所述的基于ICP算法的点云文件配准方法。

Images