專利名稱：Lidar測量數(shù)據(jù)的拼接方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于激光探測測量領(lǐng)域，具體涉及一種對多次Lidar (Light Detection and Ranging，激光探測和測距系統(tǒng))測量數(shù)據(jù)進(jìn)行拼接的方法和裝置。
背景技術(shù)：
Lidar (Light Detection and Ranging,激光探測和測距系統(tǒng))采用單個激光脈沖測量從激光源到被測目標(biāo)、再從被測目標(biāo)回到激光接收器的時間，同時結(jié)合定向數(shù)據(jù)，精確測量被測目標(biāo)的三維坐標(biāo)。LIDAR具有傳統(tǒng)攝影測量和地面常規(guī)測量技術(shù)無法取代的優(yōu)越，具有自動化程度高、精度高等優(yōu)點(diǎn)。針對不同的應(yīng)用領(lǐng)域及成果要求，結(jié)合靈活的搭載方式，LiDAR技術(shù)可廣泛應(yīng)用于基礎(chǔ)測繪、道路工程、電力電網(wǎng)、水利、建筑物三維建模、文物保護(hù)等諸多領(lǐng)域。LIDAR傳感器直接獲取高精度三維數(shù)據(jù)，如果測區(qū)過大，可采用多次掃描方式來獲得整個測區(qū)數(shù)據(jù)。對一個物體進(jìn)行多次掃描，可以獲取精確的形態(tài)。多次測量，需設(shè)置多個測站。任意一組掃描數(shù)據(jù)中，掃描點(diǎn)間的相對關(guān)系是正確的；而多次掃描間數(shù)據(jù)點(diǎn)的關(guān)系正確與否，取決于測站點(diǎn)的數(shù)學(xué)精度和測站點(diǎn)是否在同一坐標(biāo)系下。常用的坐標(biāo)矯正方法是拼接方法，即在掃描區(qū)域中設(shè)置控制點(diǎn)或掃描標(biāo)靶，通過對這些控制點(diǎn)或掃描標(biāo)靶的強(qiáng)制符合，將多組掃描數(shù)據(jù)統(tǒng)一到一個模型中來。但測量時，有時不能設(shè)置明顯的標(biāo)志點(diǎn)；由于測站點(diǎn)的誤差會放大傳遞給掃描數(shù)據(jù)，使不同測站的掃描數(shù)據(jù)精度不統(tǒng)一。在地形測繪領(lǐng)域，對不同測站的LiDar掃描數(shù)據(jù)進(jìn)行高精度地拼接，是一個必須解決的問題。現(xiàn)有技術(shù)中的一種LiDar掃描數(shù)據(jù)的拼接方法為ICP(Iterative Closest Points，對應(yīng)點(diǎn)集匹配算法)方法。該方法通過逐點(diǎn)計算匹配點(diǎn)，尋找兩個點(diǎn)集的坐標(biāo)變換矩陣，并計算法向量，計算量非常大。在實(shí)現(xiàn)本發(fā)明過程中，發(fā)明人發(fā)現(xiàn)上述現(xiàn)有技術(shù)中的LiDar掃描數(shù)據(jù)的拼接方法至少存在如下問題因?yàn)椴捎弥瘘c(diǎn)計算方法，兩個點(diǎn)云數(shù)據(jù)間特征點(diǎn)的匹配工作量更大，對于大規(guī)模點(diǎn)云數(shù)據(jù)，ICP方法的計算時間過長，難以處理連續(xù)的噪聲數(shù)據(jù)。一次拼接的精確度不夠，需要多次拼接才能夠提高拼接質(zhì)量。

發(fā)明內(nèi)容
本發(fā)明的實(shí)施例提供了一種Lidar測量數(shù)據(jù)的拼接方法和裝置，以實(shí)現(xiàn)從多次測量數(shù)據(jù)提取重合區(qū)域內(nèi)的標(biāo)準(zhǔn)性特征區(qū)域，并根據(jù)提取的標(biāo)志性特征進(jìn)行多次點(diǎn)云數(shù)據(jù)的拼接。一種對Lidar測量數(shù)據(jù)進(jìn)行拼接的方法，包括利用激光探測和測距系統(tǒng)LiDAR在不同位置對同一物體進(jìn)行多次數(shù)據(jù)采集獲取多個點(diǎn)云數(shù)據(jù)，對所述多個點(diǎn)云數(shù)據(jù)進(jìn)行兩兩配對處理，將配對的第一點(diǎn)云數(shù)據(jù)、第二點(diǎn)云數(shù)據(jù)分別用樹狀數(shù)據(jù)組織結(jié)構(gòu)來組織，對所述樹狀數(shù)據(jù)組織結(jié)構(gòu)進(jìn)行切分生成多個切分單元;從所述第一點(diǎn)云數(shù)據(jù)、第二點(diǎn)云數(shù)據(jù)的所有切分單元中按相對密度的排序選取設(shè)定數(shù)量的切分單元作為待匹配的候選特征單元集，根據(jù)切分單元的相對密度、長度、空間位置從第一點(diǎn)云數(shù)據(jù)、第二點(diǎn)云數(shù)據(jù)的候選特征單元集中獲取兩對基準(zhǔn)特征單元對；根據(jù)特征單元的長度、到所述兩對基準(zhǔn)特征單元對的距離，從所述第一點(diǎn)云數(shù)據(jù)、第二點(diǎn)云數(shù)據(jù)的候選特征單元集中其它的特征單元分別選取出多個特征單元組成匹配特征單元集合F1和匹配特征單元集合F2;根據(jù)旋轉(zhuǎn)軸L(ux，uy，uz)和旋轉(zhuǎn)角度Θ組成變換矩陣R，將所述F1中的匹配特征單元與旋轉(zhuǎn)矩陣R相乘后，計算與F2中相應(yīng)的匹配特征單元的誤差，按照所有特征單元的誤差平方和最小的原則生成誤差函數(shù)，根據(jù)所述誤差函數(shù)的極小值求解出所述旋轉(zhuǎn)軸L(ux， uy, uz)及旋轉(zhuǎn)角度Θ的值；將所述第一點(diǎn)云數(shù)據(jù)中的所有數(shù)據(jù)點(diǎn)通過所述變換矩陣R進(jìn)行變換后，得到的變換數(shù)據(jù)添加到所述第二點(diǎn)云數(shù)據(jù)中，合并為一個完整的數(shù)據(jù)集合，得到所述第一點(diǎn)云數(shù)據(jù)、 第二點(diǎn)云數(shù)據(jù)的拼接結(jié)果。一種Lidar測量數(shù)據(jù)的拼接裝置，其特征在于，包括切分單元獲取模塊，用于利用激光探測和測距系統(tǒng)LiDAR在不同位置對同一物體進(jìn)行多次數(shù)據(jù)采集獲取多個點(diǎn)云數(shù)據(jù)，對所述多個點(diǎn)云數(shù)據(jù)進(jìn)行兩兩配對處理，將配對的第一點(diǎn)云數(shù)據(jù)、第二點(diǎn)云數(shù)據(jù)分別用樹狀數(shù)據(jù)組織結(jié)構(gòu)來組織，對所述樹狀數(shù)據(jù)組織結(jié)構(gòu)進(jìn)行切分生成多個切分單元；匹配特征單元獲取模塊，用于從所述第一點(diǎn)云數(shù)據(jù)、第二點(diǎn)云數(shù)據(jù)的所有切分單元中按相對密度的排序選取設(shè)定數(shù)量的切分單元作為待匹配的候選特征單元集，根據(jù)切分單元的相對密度、長度、空間位置從第一點(diǎn)云數(shù)據(jù)、第二點(diǎn)云數(shù)據(jù)的候選特征單元集中獲取兩對基準(zhǔn)特征單元對；根據(jù)特征單元的長度、到所述兩對基準(zhǔn)特征單元對的距離，從所述第一點(diǎn)云數(shù)據(jù)、第二點(diǎn)云數(shù)據(jù)的候選特征單元集中其它的特征單元分別選取出多個特征單元組成匹配特征單元集合F1和匹配特征單元集合F2 ；變換矩陣獲取模塊，用于根據(jù)旋轉(zhuǎn)軸L(ux，uy，uz)和旋轉(zhuǎn)角度Θ組成變換矩陣R， 將所述F1中的匹配特征單元與旋轉(zhuǎn)矩陣R相乘后，計算與F2中相應(yīng)的匹配特征單元的誤差，按照所有特征單元的誤差平方和最小的原則生成誤差函數(shù)，根據(jù)所述誤差函數(shù)的極小值求解出所述旋轉(zhuǎn)軸L (ux，uy, uz)及旋轉(zhuǎn)角度Θ的值；點(diǎn)云數(shù)據(jù)拼接模塊，用于將所述第一點(diǎn)云數(shù)據(jù)中的所有數(shù)據(jù)點(diǎn)通過所述變換矩陣 R進(jìn)行變換后，得到的變換數(shù)據(jù)添加到所述第二點(diǎn)云數(shù)據(jù)中，合并為一個完整的數(shù)據(jù)集合， 得到所述第一點(diǎn)云數(shù)據(jù)、第二點(diǎn)云數(shù)據(jù)的拼接結(jié)果。由上述本發(fā)明的實(shí)施例提供的技術(shù)方案可以看出，本發(fā)明實(shí)施例可以基于LiDAR 采集數(shù)據(jù)的工作參數(shù)，準(zhǔn)確、快速地確定各點(diǎn)云數(shù)據(jù)的特征區(qū)域和多個匹配的特征單元對， 并基于匹配的特征單元對集合進(jìn)行快速準(zhǔn)確的點(diǎn)云配準(zhǔn)，快速地對多次LiDAR采樣的點(diǎn)云數(shù)據(jù)進(jìn)行有效拼接。


為了更清楚地說明本發(fā)明實(shí)施例的技術(shù)方案，下面將對實(shí)施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖I為本發(fā)明實(shí)施例一提供的一種Lidar測量數(shù)據(jù)的拼接方法的處理流程圖；圖2為本發(fā)明實(shí)施例二提供的一種Lidar測量數(shù)據(jù)的拼接裝置的具體結(jié)構(gòu)圖。
具體實(shí)施例方式為便于對本發(fā)明實(shí)施例的理解，下面將結(jié)合附圖以幾個具體實(shí)施例為例做進(jìn)一步的解釋說明，且各個實(shí)施例并不構(gòu)成對本發(fā)明實(shí)施例的限定。實(shí)施例一該實(shí)施例提供的一種Lidar測量數(shù)據(jù)的拼接方法的處理流程如圖I所示，包括如下的處理步驟步驟11、將配對的兩個點(diǎn)云數(shù)據(jù)組織成kd(k_dimension, k維樹)樹,對kd樹進(jìn)行切分生成多個切分單元。利用LiDAR在不同位置對同一物體進(jìn)行多次數(shù)據(jù)采集，獲取多個點(diǎn)云數(shù)據(jù)。上述 kd樹進(jìn)行空間八個方向的均勻切分，生成多個切分單元。每個切分單元是包含若干個空間點(diǎn)P的集合。切分單元內(nèi)的數(shù)據(jù)做為整體進(jìn)行考核，比點(diǎn)處理的效率提高。Kd樹是一種有效的樹狀數(shù)據(jù)組織結(jié)構(gòu)，樹中每個數(shù)據(jù)的維數(shù)為k，Kd樹在三維空間中方差最大的一維上劃分?jǐn)?shù)據(jù)，逐層建立到葉子節(jié)點(diǎn)。上述切分過程根據(jù)點(diǎn)云數(shù)據(jù)的密度確定切分單元的尺度， 將配對的兩個點(diǎn)云數(shù)據(jù)切分為大小相等的空間立方體，每個空間立方體內(nèi)的數(shù)據(jù)作為一個待處理的整體性數(shù)據(jù)單元，即切分單元。步驟12、提取出每個切分單元的特征值，該特征值包括中心、相對密度、到點(diǎn)云數(shù)據(jù)中心的距離等。I、計算出點(diǎn)云數(shù)據(jù)的中心。center(PC)是點(diǎn)云PC的中心位置，card(PC)是點(diǎn)云 PC的點(diǎn)個數(shù)，Pj是點(diǎn)云PC中的任一點(diǎn)
權(quán)利要求
1.一種對Lidar測量數(shù)據(jù)進(jìn)行拼接的方法，其特征在于，包括利用激光探測和測距系統(tǒng)LiDAR在不同位置對同一物體進(jìn)行多次數(shù)據(jù)采集獲取多個點(diǎn)云數(shù)據(jù)，對所述多個點(diǎn)云數(shù)據(jù)進(jìn)行兩兩配對處理，將配對的第一點(diǎn)云數(shù)據(jù)、第二點(diǎn)云數(shù)據(jù)分別用樹狀數(shù)據(jù)組織結(jié)構(gòu)來組織，對所述樹狀數(shù)據(jù)組織結(jié)構(gòu)進(jìn)行切分生成多個切分單元；從所述第一點(diǎn)云數(shù)據(jù)、第二點(diǎn)云數(shù)據(jù)的所有切分單元中按相對密度的排序選取設(shè)定數(shù)量的切分單元作為待匹配的候選特征單元集，根據(jù)切分單元的相對密度、長度、空間位置從第一點(diǎn)云數(shù)據(jù)、第二點(diǎn)云數(shù)據(jù)的候選特征單元集中獲取兩對基準(zhǔn)特征單元對；根據(jù)特征單元的長度、到所述兩對基準(zhǔn)特征單元對的距離，從所述第一點(diǎn)云數(shù)據(jù)、第二點(diǎn)云數(shù)據(jù)的候選特征單元集中其它的特征單元分別選取出多個特征單元組成匹配特征單元集合F1和匹配特征單元集合F2 ；根據(jù)旋轉(zhuǎn)軸L(ux，uy，uz)和旋轉(zhuǎn)角度Θ組成變換矩陣R，將所述F1中的匹配特征單元與旋轉(zhuǎn)矩陣R相乘后，計算與F2中相應(yīng)的匹配特征單元的誤差，按照所有特征單元的誤差平方和最小的原則生成誤差函數(shù)，根據(jù)所述誤差函數(shù)的極小值求解出所述旋轉(zhuǎn)軸L(ux，uy, uz)及旋轉(zhuǎn)角度Θ的值；將所述第一點(diǎn)云數(shù)據(jù)中的所有數(shù)據(jù)點(diǎn)通過所述變換矩陣R進(jìn)行變換后，得到的變換數(shù)據(jù)添加到所述第二點(diǎn)云數(shù)據(jù)中，合并為一個完整的數(shù)據(jù)集合，得到所述第一點(diǎn)云數(shù)據(jù)、第二點(diǎn)云數(shù)據(jù)的拼接結(jié)果。
2.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述的從所述第一點(diǎn)云數(shù)據(jù)、第二點(diǎn)云數(shù)據(jù)的所有切分單元中按相對密度的排序選取設(shè)定數(shù)量的切分單元作為待匹配的候選特征單元集，根據(jù)切分單元的相對密度、長度、空間位置從第一點(diǎn)云數(shù)據(jù)、第二點(diǎn)云數(shù)據(jù)的候選特征單元集中獲取兩對基準(zhǔn)特征單元對；根據(jù)特征單元的長度、到所述兩對基準(zhǔn)特征單元對的距離，從所述第一點(diǎn)云數(shù)據(jù)、第二點(diǎn)云數(shù)據(jù)的候選特征單元集中其它的特征單元分別選取出多個特征單元組成匹配特征單元集合F1和匹配特征單元集合F2，包括將所述第一點(diǎn)云數(shù)據(jù)、第二點(diǎn)云數(shù)據(jù)的所有切分單元按照相對密度進(jìn)行排序，將相對密度高的若干切分單元分別作為待匹配的所述第一點(diǎn)云數(shù)據(jù)、第二點(diǎn)云數(shù)據(jù)的候選特征單元集=SetCelll和SetCell2，切分單元的相對密度為切分單元的鄰域內(nèi)點(diǎn)云數(shù)據(jù)的個數(shù)與鄰域體積之比；如果SetCelll的切分單元c丨與SetCell2中切分單元Cy2是被測物體的同一區(qū)域，并且滿足下面三個條件.1、切分單元cj與切分單元C;的相對密度差小于閾值1'，且4的長度與C;的長度誤差小于閾值T ；.2、SetCelll的另一切分單元<與SetCell2中切分單元Cy2,的相對密度差小于閾值T，且 <的長度與Cy2.的長度誤差小于閾值T ;3、<到Cy2.的距離與4到C;距離的相對誤差小于閾值T；則C丨與C72為一對匹配的特征單元，同時c|,與C72,為另一對匹配的特征單元，匹配特征對 (C；，C2j )定義為第一對基準(zhǔn)特征(C；，C12 ),( C；,，C72,)定義為第二對基準(zhǔn)特征(C2，C2 );如果所述候選特征單元集=SetCelll和SetCell2中的兩個切分單元滿足如下的3個條件[1、到點(diǎn)云數(shù)據(jù)中心的長度誤差小于設(shè)定的數(shù)值T；[2、到第一對基準(zhǔn)特征的距離誤差小于T；[3、到第二對基準(zhǔn)特征的距離誤差小于T，則兩個切分單元的相似度為1，否則為O。相似度等于I的兩個切分單元為匹配特征單元；所述第一點(diǎn)云數(shù)據(jù)、第二點(diǎn)云數(shù)據(jù)的匹配特征單元分別存放到兩個相應(yīng)的特征集合 Fl, F2 中，=,Fl = [C21,C22,...,C2n)。
3.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述的根據(jù)旋轉(zhuǎn)軸L (ux，uy，uz)和旋轉(zhuǎn)角度Θ組成變換矩陣R，將所述Fl中的匹配特征單元與旋轉(zhuǎn)矩陣R相乘后，計算與F2中相應(yīng)的匹配特征單元的誤差，按照所有匹配特征單元的誤差平方和最小的原則生成誤差函數(shù)， 包括根據(jù)旋轉(zhuǎn)軸L(ux，uy，uz)和旋轉(zhuǎn)角度Θ組成所述變換矩陣R，
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述的根據(jù)所述誤差函數(shù)的極小值求解出所述旋轉(zhuǎn)軸L(ux, uy, uz)及旋轉(zhuǎn)角度Θ的值,包括按照粒子群算法對所述誤差函數(shù)f進(jìn)行智能優(yōu)化，所述變換矩陣R中的4個變量ux，uy， Uz和Θ分別定義為(X1, X2, X3, X4)1)隨機(jī)初始化10組變量值，Xil和Xi2在區(qū)間[-1，I]內(nèi)，而％=^/1-( 2+ 2), Xi4在區(qū)間 [O, Ji]內(nèi)，在
區(qū)間內(nèi)隨機(jī)初始化10組速度值；2)將所述10組變量值帶入所述誤差函數(shù)f，所有組變量中，函數(shù)值最小的一組變量，記為(Xgl，Xg2，Xg3，Xg4);3)設(shè)定速度及變量位移公式為Vi = WVi+C^! (Xpi-Xi) +C2T2 (Xgi-Xi)Xi — Xi+V"i所述Cl，C2為2. 0，ω隨循環(huán)過程逐步減小，所述Γι和r2是在
間的隨機(jī)數(shù)，由所述速度及變量位移公式更新所述速度及變量，每組變量中函數(shù)值最小標(biāo)記為(xpl，Xp2，Xp3，Xp4)如果更新后的變量不在相應(yīng)區(qū)間內(nèi)，速度降至二分之一，如果仍然在區(qū)間外，速度繼續(xù)等比下降，直到符合要求。4)循環(huán)執(zhí)行步驟2和步驟3，直到變量收斂，粒子群優(yōu)化收斂得到的一組四個變量(xgl，Xg2，Xg3，Xg4)即為所述(Χι，叉2，叉3，叉4)。
5.根據(jù)權(quán)利要求I至4任一項所述的方法，其特征在于，所述的將所述第一點(diǎn)云數(shù)據(jù)中的所有數(shù)據(jù)點(diǎn)通過所述變換矩陣R進(jìn)行變換后，得到的變換數(shù)據(jù)添加到所述第二點(diǎn)云數(shù)據(jù)中，合并為一個完整的數(shù)據(jù)集合，得到所述第一點(diǎn)云數(shù)據(jù)、第二點(diǎn)云數(shù)據(jù)的拼接結(jié)果，包括將所述第一點(diǎn)云數(shù)據(jù)CP1中所有數(shù)據(jù)點(diǎn)通過所述變換矩陣進(jìn)行變換，得到的變換數(shù)據(jù)添加到所述第二點(diǎn)云數(shù)據(jù)CP2中，合并為一個完整的數(shù)據(jù)集合，即得到兩次LiDAR測量數(shù)據(jù)的拼接；
6.一種Lidar測量數(shù)據(jù)的拼接裝置，其特征在于，包括切分單元獲取模塊，用于利用激光探測和測距系統(tǒng)LiDAR在不同位置對同一物體進(jìn)行多次數(shù)據(jù)采集獲取多個點(diǎn)云數(shù)據(jù)，對所述多個點(diǎn)云數(shù)據(jù)進(jìn)行兩兩配對處理，將配對的第一點(diǎn)云數(shù)據(jù)、第二點(diǎn)云數(shù)據(jù)分別用樹狀數(shù)據(jù)組織結(jié)構(gòu)來組織，對所述樹狀數(shù)據(jù)組織結(jié)構(gòu)進(jìn)行切分生成多個切分單兀；匹配特征單元獲取模塊，用于從所述第一點(diǎn)云數(shù)據(jù)、第二點(diǎn)云數(shù)據(jù)的所有切分單元中按相對密度的排序選取設(shè)定數(shù)量的切分單元作為待匹配的候選特征單元集，根據(jù)切分單元的相對密度、長度、空間位置從第一點(diǎn)云數(shù)據(jù)、第二點(diǎn)云數(shù)據(jù)的候選特征單元集中獲取兩對基準(zhǔn)特征單元對；根據(jù)特征單元的長度、到所述兩對基準(zhǔn)特征單元對的距離，從所述第一點(diǎn)云數(shù)據(jù)、第二點(diǎn)云數(shù)據(jù)的候選特征單元集中其它的特征單元分別選取出多個特征單元組成匹配特征單元集合F1和匹配特征單元集合F2 ；變換矩陣獲取模塊，用于根據(jù)旋轉(zhuǎn)軸L(ux，uy，uz)和旋轉(zhuǎn)角度Θ組成變換矩陣R，將所述匕中的匹配特征單元與旋轉(zhuǎn)矩陣R相乘后，計算與F2中相應(yīng)的匹配特征單元的誤差，按照所有特征單元的誤差平方和最小的原則生成誤差函數(shù)，根據(jù)所述誤差函數(shù)的極小值求解出所述旋轉(zhuǎn)軸L(ux, uy, uz)及旋轉(zhuǎn)角度Θ的值；點(diǎn)云數(shù)據(jù)拼接模塊，用于將所述第一點(diǎn)云數(shù)據(jù)中的所有數(shù)據(jù)點(diǎn)通過所述變換矩陣R進(jìn)行變換后，得到的變換數(shù)據(jù)添加到所述第二點(diǎn)云數(shù)據(jù)中，合并為一個完整的數(shù)據(jù)集合，得到所述第一點(diǎn)云數(shù)據(jù)、第二點(diǎn)云數(shù)據(jù)的拼接結(jié)果。
7.根據(jù)權(quán)利要求6所述的裝置，其特征在于所述的匹配特征單元獲取模塊，還用于將所述第一點(diǎn)云數(shù)據(jù)、第二點(diǎn)云數(shù)據(jù)的所有切分單元按照相對密度進(jìn)行排序，將相對密度高的若干切分單元分別作為待匹配的所述第一點(diǎn)云數(shù)據(jù)、第二點(diǎn)云數(shù)據(jù)的候選特征單元集=SetCelll和SetCell2，切分單元的相對密度為切分單元的鄰域內(nèi)點(diǎn)云數(shù)據(jù)的個數(shù)與鄰域體積之比；如果SetCelll的切分單元Ci1與SetCell2中切分單元Cy2是被測物體的同一區(qū)域，并且滿足下面三個條件.1、切分單元與切分單元C72的相對密度差小于閾值1\且4的長度與Cy2的長度誤差小于閾值τ ；.2,SetCelll的另一切分單元與SetCell2中切分單元Cy2,的相對密度差小于閾值T，且 C;,的長度與C〗的長度誤差小于閾值T ;.3、c|,到Cy2,的距離與4到Cy2距離的相對誤差小于閾值τ ；則C丨與C72為一對匹配的特征單元，同時c|,與C72,為另一對匹配的特征單元，匹配特征對(c；, C72)定義為第一對基準(zhǔn)特征(C； , C12 ),( c；,, C72,)定義為第二對基準(zhǔn)特征(如果所述候選特征單元集=SetCelll和SetCell2中的兩個切分單元滿足如下的3個條件.1、到點(diǎn)云數(shù)據(jù)中心的長度誤差小于設(shè)定的數(shù)值T；.2、到第一對基準(zhǔn)特征的距離誤差小于T；.3、到第二對基準(zhǔn)特征的距離誤差小于T，則兩個切分單元的相似度為1，否則為0，相似度等于I的兩個切分單元為匹配特征單元；所述第一點(diǎn)云數(shù)據(jù)、第二點(diǎn)云數(shù)據(jù)的匹配特征單元分別存放到兩個相應(yīng)的特征集合 Fl, F2 中,Fl =,F2 = {cf,c^,...,c2n}。
8.根據(jù)權(quán)利要求6所述的裝置，其特征在于所述的變換矩陣獲取模塊，還用于根據(jù)旋轉(zhuǎn)軸L(uX，uy，uz)和旋轉(zhuǎn)角度Θ組成所述變換矩陣R，
9.根據(jù)權(quán)利要求8所述的裝置，其特征在于所述的變換矩陣獲取模塊，還用于按照粒子群算法對所述誤差函數(shù)f進(jìn)行智能優(yōu)化， 所述變換矩陣R中的4個變量!^，+，!^和Θ分別定義為(xl，x2，x3，x4)；.1)隨機(jī)初始化10組變量值，XijPxi2在區(qū)間[_1，1]內(nèi)，而
10.根據(jù)權(quán)利要求6至9任一項所述的裝置，其特征在于所述的點(diǎn)云數(shù)據(jù)拼接模塊，還用于將所述第一點(diǎn)云數(shù)據(jù)CP1中所有數(shù)據(jù)點(diǎn)通過所述變換矩陣進(jìn)行變換，得到的變換數(shù)據(jù)添加到所述第二點(diǎn)云數(shù)據(jù)CP2中，合并為一個完整的數(shù)據(jù)集合，即得到兩次LiDAR測量數(shù)據(jù)的拼接；
全文摘要
本發(fā)明的實(shí)施例提供了一種Lidar測量數(shù)據(jù)的拼接方法和裝置。該方法主要包括利用LiDAR在不同位置對同一物體進(jìn)行多次數(shù)據(jù)采集獲取多個點(diǎn)云數(shù)據(jù)，對多個點(diǎn)云數(shù)據(jù)進(jìn)行兩兩配對處理，將配對的兩個點(diǎn)云數(shù)據(jù)均勻切分生成多個切分單元。根據(jù)切分單元的相對密度、長度、空間位置從配對的兩個點(diǎn)云數(shù)據(jù)的候選特征單元集中選取出多個特征單元組成匹配特征單元集合。根據(jù)旋轉(zhuǎn)軸L和旋轉(zhuǎn)角度θ組成變換矩陣R，按照所有匹配特征單元的誤差平方和最小的原則求解出所述旋轉(zhuǎn)軸L及旋轉(zhuǎn)角度θ的值；將第一點(diǎn)云數(shù)據(jù)中的所有數(shù)據(jù)點(diǎn)通過所述變換矩陣R進(jìn)行變換后，得到的變換數(shù)據(jù)添加到第二點(diǎn)云數(shù)據(jù)中，合并為一個完整的數(shù)據(jù)集合。本發(fā)明實(shí)施例可以基于LiDAR采集數(shù)據(jù)的工作參數(shù)，準(zhǔn)確、快速地確定各點(diǎn)云數(shù)據(jù)的特征區(qū)域和多個匹配的特征單元對，快速地對多次LiDAR采樣的點(diǎn)云數(shù)據(jù)進(jìn)行有效拼接。
文檔編號G01B11/24GK102607459SQ20121005752
公開日2012年7月25日 申請日期2012年3月6日 優(yōu)先權(quán)日2012年3月6日
發(fā)明者張國英, 朱紅, 馬郁佳 申請人:中國礦業(yè)大學(xué)(北京)