一种基于轮廓分割的车库点云地图构建方法
阅读说明：本技术 一种基于轮廓分割的车库点云地图构建方法 (Garage point cloud map construction method based on contour segmentation ) 是由 张朝昆 郭钰 周勃麟 单涛涛 于 2021-06-22 设计创作，主要内容包括：本发明公开了一种基于轮廓分割的车库点云地图构建系统,该系统包括依序连接的竖直平面提取模块、边缘墙面提取模块和墙面点云配准模块,以激光雷达扫描到的连续点云帧为输入,所述竖直平面分割模块将点云帧中的竖直平面分割出来,所述边缘墙面提取模块将边缘墙面提取出来,所述墙面点云配准模块将两帧点云配准到一起从而处理所有点云帧、最终得到完整点云地图。与现有技术相比,本发明1)改善了车库中点云地图构建的精度以及相邻两帧的配准精度；2)在不依赖其他高精度定位解决方案以及高精度传感器设备的情况下提高大范围点云地图构建的精度；3)在重复结构多的车库场景下,实现点云地图的构建。(The invention discloses a garage point cloud map construction system based on contour segmentation, which comprises a vertical plane extraction module, an edge wall surface extraction module and a wall surface point cloud registration module which are sequentially connected, wherein continuous point cloud frames scanned by a laser radar are used as input, the vertical plane segmentation module segments a vertical plane in the point cloud frames, the edge wall surface extraction module extracts an edge wall surface, and the wall surface point cloud registration module registers two frames of point clouds together so as to process all the point cloud frames and finally obtain a complete point cloud map. Compared with the prior art, the method has the advantages that 1) the construction precision of the point cloud map in the garage and the registration precision of two adjacent frames are improved; 2) the method has the advantages that the construction precision of the large-range point cloud map is improved under the condition of not depending on other high-precision positioning solutions and high-precision sensor equipment; 3) under the garage scene with a plurality of repeated structures, the point cloud map is constructed.)
技术领域
本发明涉及高精地图构建技术领域，特别是涉及一种车库点云地图构建方法。
背景技术
三维点云地图的应用前景非常广泛，其应用领域包括但不限于智能驾驶、智能家居、三维重建、数字地球、城市规划、防灾减灾和海洋测绘等。目前可选的点云地图构建方案包括激光SLAM建图技术、点云拼接构图技术等。
传统的车库内点云地图构建技术采用激光SLAM建图技术。由于该算法使用匀速运动模型作为运动预测，因此只能保证短距离内的建图精度，随着整个系统运行时间越长则累积的漂移误差越大。在车库场景范围较大情况下，激光SLAM构建出的地图精度不足，不适于作为地图构建依据。
点云拼接构图技术主要依靠点云配准算法来对连续点云帧进行拼接，相较于激光SLAM优势在于构建过程稳定地图精度更高。在使用点云拼接构图技术时主要依赖点云配准算法对相邻两帧点云的配准，车库场景下环境的重复度很高则导致扫描出来的点云结构重复度也很高，只依赖于配准算法很容易产生误匹配。
GPS在车库场景下不可用，因而也无法在车库场景下结合GPS-RTK的地图构建技术来解决因车库场景中结构重复而产生误匹配的问题。
发明内容
鉴于此，本发明提出了一种基于轮廓分割的车库点云地图构建系统及方法，使用车载激光雷达传感器扫描出来的连续点云帧，利用对所采集的车库点云帧的提取、配准等处理，实现了车库点云地图构建。
本发明利用以下技术方案实现：
一种基于轮廓分割的车库点云地图构建系统，该系统包括依序连接的竖直平面提取模块、边缘墙面提取模块和墙面点云配准模块，其中：
以激光雷达扫描到的连续点云帧为输入，所述竖直平面分割模块将点云帧中的竖直平面分割出来，所述边缘墙面提取模块将边缘墙面提取出来，所述墙面点云配准模块将两帧点云配准到一起从而处理所有点云帧、最终得到完整点云地图。
一种基于轮廓分割的车库点云地图构建方法，该方法包括以下步骤：
步骤1：假定当前时刻为t，对符合点云模型的点云从存在大量噪声的数据中提取特定的成分作为预配准两帧点云Pt-1和Pt，过滤噪声后得到的点云为和此处的点云模型为垂直于当前被提取点云的坐标系的xOy坐标平面的平面点云；
对过滤后的两帧点云和利用RanSaC算法对点云和进行竖直平面提取，得到两个竖直平面点云集和
步骤1.3：构建竖直平面点云集和的索引It-1、It；
步骤2：进行边缘墙面提取，即利用alpha-shape算法从步骤1中获得的竖直平面点云集和中点集的边缘轮廓进行提取，提取完成后为和中的边缘墙面集和
步骤3：进行墙面点云配准，即先将步骤2中提取出来的边缘墙面集和合并为两个墙面点云Wt-1和Wt；
步骤3.2：使用ICP算法对Wt-1和Wt进行点云配准，ICP配准步骤见图3，最终的配准结果即为Pt-1和Pt的配准结果。
与现有技术相比，本发明能够达成以下有益效果：
1)改善了车库中点云地图构建的精度以及相邻两帧的配准精度；
2)在不依赖其他高精度定位解决方案以及高精度传感器设备的情况下提高大范围点云地图构建的精度；
3)在重复结构多的车库场景下，实现点云地图的构建。
附图说明
图1为本发明的一种基于轮廓分割的车库点云地图构建系统结构示意图。
图2为本发明的一种基于轮廓分割的车库点云地图构建方法流程示意图。
图3为ICP配准算法流程图。
具体实施方式
下面结合附图和具体实施例对本发明技术方案作进一步详细描述。
如图1所示，为本发明的一种基于轮廓分割的车库点云地图构建系统结构示意图。该系统包括竖直平面提取模块10、边缘墙面提取模块20和墙面点云配准模块30。以激光雷达扫描到的连续点云帧为输入，然后通过竖直平面分割模块将点云帧中的竖直平面分割出来，之后通过边缘墙面提取模块将边缘墙面提取出来，再通过墙面点云配准模块将两帧点云配准到一起，处理所有点云帧最终得到完整点云地图。其中：
所述竖直平面提取模块，使用RanSaC算法提取点云中的竖直平面集，墙面点云集为该集的子集。
所述边缘墙面提取模块，将之前提取的竖直平面按帧整合到一起，计算每个竖直平面的质心，将质心集中于一个坐标系中投影到xoy平面，通过alpha-shape算法提取边缘墙面。
所述墙面点云配准模块，对提取出来的墙面需要进行预处理，将同一墙面的点云进行融合，然后对预处理后的墙面点云结果进行配准，将这个配准结果作为两帧点云间的最终配准结果。
如图2所示，本发明的一种基于轮廓分割的车库点云地图构建方法实现流程具体包括以下步骤：
步骤1：假定当前时刻为t，使用RanSaC(Random Sample Consensus)算法依据预先设定的参数模型对预配准的相邻两帧Pt-1和Pt点云中符合点云模型的点云从存在大量噪声的数据中提取特定的成分即竖直平面点云集和步骤1.1：去除点云帧中车辆点云及其他噪声点。点云在采集时由于采集设备的原因会产生采集设备的完全无效点，通过固定参数的条件滤波将其消除。以目前使用的数据为例：数据由三厢型北汽轿车搭载Velodyne-32激光雷达进行采集，在该数据中条件滤波参数范围为-2<x<1.5、 -0.7<y<0.7、-1.5<z<0。此外还需消除点云帧中的无效点，使用PCL(Point Cloud Library) 中的removeNaNFromPointCloud方法即可完成无效点去除。经过本步骤过滤后得到的点云为和Pf；
步骤1.2：对过滤后的两帧点云和进行平面提取，包括：
设置RanSaC算法中的参数如下：
(1)确定最小抽样数M；
(2)确定基准向量
(3)提取模型设置为常量SACMODEL_PARALLEL_PLANE，该常量表示提取方式为与基准向量平行；
依照上面设置好的参数利用RanSaC算法对点云和进行竖直平面提取，得到两个竖直平面点云集和即使用RanSaC算法提取激光雷达坐标系下垂直于xOy 坐标平面的竖直平面；
步骤1.3：构建竖直平面点云集和的索引It-1、It，以为例，中的元素以t开头，以提取时间先后顺序为区分构建索引It，例如中第n个被提取出来的竖直平面在索引It中的指示内容为Pt,n，方便后续处理使用；
步骤2：进行边缘墙面提取，利用alpha-shape算法从步骤1中获得的竖直平面点云集中提取出边缘墙面集，以为例，从中提取出边缘墙面设中元素个数为Nt，使用Si(i＝1,2,3,······,Nt)来表示竖直平面点云集中的一个竖直平面；alpha-shape算法是从离散空间点集中抽象出其直观形状一种方法，具体为通过该算法找出一堆无序离散点的轮廓；
步骤2.1：以质心来代表竖直平面，计算竖直平面点云集中每一个竖直平面Si的质心mi，公式如下：
其中，pj为竖直平面Si中的点；
以平面点云序号为索引来存储质心mi(x,y,z)，之后将其映射到xOy坐标平面使其坐标简化为m'i(x,y)；
的质心点集计算方法同上。
步骤2.2：进行边缘墙面提取，即，使用alpha-shape算法对步骤1中获得的竖直平面点云集和中竖直平面质心点集的边缘轮廓进行提取，提取完成后为和中的边缘墙面集和
步骤3：进行墙面点云配准，即先将步骤2中提取出来的边缘墙面集和整合为两个点云集，然后使用Iterative Closest Point(ICP)算法进行配准，对输入的待配准的两个点云中的每个点计算特征描述子，依据特征描述子来寻找两个点云中的对应点，之后对不满足要求的对应点进行去除，之后使用剩余的点计算两个点云之间的位姿变换；
步骤3.1：墙面点云整合，即使用PCL中的加法重载方法将步骤2提取出来的边缘墙面进行合并，将从同一个竖直平面点云集中提取出的多个边缘墙面合并为两个墙面点云Wt-1和Wt合并，公式如下：
其中Mt-1和Mt分别为和中边缘墙面集的元素个数；
步骤3.2：使用ICP算法对Wt-1和Wt进行点云配准，最终的配准结果即为Pt-1和Pt的配准结果。
如图3所示，为ICP配准算法流程图。配准算法的具体步骤包括：
输入点云Wt-1、Wt；计算每个点的特征描述子；找出两个点云中的对应点；进行利用现有方法进行对应点去除，实现位姿变化估计，计算出变换矩阵T。
本发明优点：(1)只需要激光雷达传感器采集到的激光点云帧即可，无需使用IMU等其他传感器保持建图精度；(2)使用轮廓提取来保证配准过程中两帧点云的匹配，避免了在直接使用点云拼接构图技术时产生的因重复性结构造成的误匹配；(3)由于轮廓提取使用的均为传统点云处理算法，所以也可以较多的节省算力。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种用于矿山无人驾驶场景的高精地图制作方法