面向变化环境的点云配准方法、装置、计算机设备及存储介质与流程

摘要: 本技术涉及自动驾驶与移动机器人领域,尤其涉及面向变化环境的点云配准方法、装置、计算机设备及存储介质。背景技术:1、在自动驾驶、机器人巡检、数字孪生等应用中,常需...
面向变化环境的点云配准方法、装置、计算机设备及存储介质与流程

本技术涉及自动驾驶与移动机器人领域,尤其涉及面向变化环境的点云配准方法、装置、计算机设备及存储介质。

背景技术:

1、在自动驾驶、机器人巡检、数字孪生等应用中,常需基于激光雷达点云进行配准,也就是对同一区域在不同时间累积得到的局部点云地图进行配准。点云配准的需求场景如环境场景发生几何变化,具体的如障碍物被拆除、新建墙体或者路障等。这时需要根据几何变化前后的环境场景进行点云配准,以支持地图增量更新、变化检测等下游任务。

2、这类目标点云与源点云通常是多帧激光雷达点云在各自时刻累积配准而成的局部地图。当两次累积之间环境发生了局部几何变化时,点云配准面临极大挑战。传统的异常点判别依赖残差绝对值,认为残差大的点是异常点、残差小的点是可靠内点。这一准则在普通噪声场景下成立,但在环境变化场景下恰好方向相反。变化区域点在错误配准后残差反而变小,因其恰好被拉到了旧结构位置,稳定特征点在错误配准后残差反而增大,因其被错误变换拖离了正确对应位置。另外,偏差在迭代中累积,现有迭代类配准方法通常继承上一轮变换作为下一轮初值,当上一轮结果已被变化区域绑架而含系统性偏差时,偏差会逐轮累积,难以收敛到正确解。因此,变化区域的旧结构与新结构不再匹配,导致配准算法容易被变化区域误导而收敛到错误结果。即现有技术中存在在自动驾驶与移动机器人领域中,对发生局部几何变化的环境场景进行点云配准时配准精度较低的技术问题。

技术实现思路

1、本技术实施例提供了面向变化环境的点云配准方法、装置、计算机设备及存储介质,可以解决在自动驾驶与移动机器人领域中,对发生局部几何变化的环境场景进行点云配准时配准精度较低的技术问题。

2、第一方面,本技术实施例提供了一种面向变化环境的点云配准方法,其包括:

3、响应于配准指令,进行初始化得到源点云对应的源点云副本、目标点云的最近邻索引以及当前变换,所述目标点云为场景变化前的点云,所述源点云为场景变化后的点云;

4、基于所述源点云副本、所述当前变换以及所述最近邻索引,确定在同一坐标系下所述源点云副本与所述目标点云之间在配准前的配准前残差;

5、以所述当前变换为初始值对所述源点云副本以及所述目标点云执行配准,并基于配准过程输出当轮变换;

6、基于所述源点云副本、所述当轮变换以及所述最近邻索引,确定在同一坐标系下所述源点云副本与所述目标点云之间在配准后的配准后残差;

7、计算同一源点的所述配准前残差减去所述配准后残差,得到残差变化量;

8、根据所述残差变化量的大小,优先剪除残差变化量较大的源点,得到更新后的源点云副本,并将所述当前变换重置为各轮相同的预设初始变换,以避免继承所述当轮变换;

9、在未达到预设最大迭代次数且剩余点数不小于预设点数阈值时,基于更新后的源点云副本和重置后的当前变换重复上述配准过程;终止迭代时,输出最后一次成功配准得到的变换。

10、在一些实施例中,按照所述残差变化量从大到小的优先级顺序,剪除当前残差变化量对应的源点得到更新后的源点云副本,并将所述当前变换重置为各轮相同的预设初始变换,包括:

11、将所述残差变化量按照降序顺序进行排序,得到残差变化量序列;

12、在所述源点云副本中将所述残差变化量序列中排序靠前的预设比例的点云进行剪除,保留剩余点云得到剪枝更新后的源点云副本;

13、将所述当前变换重置为各轮相同的预设初始变换,以避免继承当轮变换。

14、在一些实施例中,以所述当前变换为初始值对所述源点云副本以及所述目标点云执行配准,并基于配准过程输出当轮变换,包括:

15、以超过预设体素分辨率的第一体素分辨率,对所述源点云副本以及所述目标点云执行粗配准,获得粗配准变换,其中,预设体素分辨率为体素边长;

16、以粗配准输出的变换为初始值,以未超过预设体素分辨率的第二体素分辨率,在粗配准变换后继续执行细配准以精细化局部对齐,所述第一体素分辨率的尺寸大于第二体素分辨率的尺寸;

17、输出最终配准过程对应的当轮变换。

18、在一些实施例中,按照所述残差变化量从大到小的优先级顺序,剪除当前残差变化量对应的源点得到更新后的源点云副本,并将所述当前变换重置为各轮相同的预设初始变换之后,包括:

19、判断当前迭代次数是否达到预设的最大迭代次数;

20、确定所述源点云副本中的剩余点数;

21、若不符合循环截止条件,则返回基于所述源点云副本、所述当前变换以及所述最近邻索引,确定在同一坐标系下所述源点云副本与所述目标点云之间在配准前的配准前残差的步骤,所述循环截止条件包括当前迭代次数达到预设的最大迭代次数或者所述剩余点数小于预设的点数阈值;

22、若符合所述循环截止条件,则基于完整的原始源点云进行配准质量评估,得到配准质量评估结果。

23、在一些实施例中,若符合所述循环截止条件,则基于完整的原始源点云进行配准质量评估,得到配准质量评估结果,包括:

24、若符合所述循环截止条件,则通过最后一次成功配准得到的变换将所述原始源点云变换到目标点云的坐标系中;

25、在所述目标点云的坐标系中逐点查询最近邻点,并计算最近邻点的欧氏距离;

26、确定所述欧氏距离不超过预设的内点距离阈值的比例,得到内点率;

27、分别统计原始源点云全部点的整体平均残差和内点的内点平均残差。

28、在一些实施例中,基于所述源点云副本、所述当前变换以及所述最近邻索引,确定在同一坐标系下所述源点云副本与所述目标点云之间在配准前的配准前残差,包括:

29、通过所述当前变换将所述源点云副本变换到目标点云的坐标系下;

30、在所述目标点云的坐标系下逐点查询最近邻点并计算最近邻点的欧氏距离,得到所述源点云副本与所述目标点云之间在配准前的配准前残差。

31、在一些实施例中,响应于配准指令,进行初始化得到源点云对应的源点云副本、目标点云的最近邻索引以及当前变换,包括:

32、响应于配准指令,对预设的源点云进行复制得到所述源点云副本;

33、在预设的目标点云上构建最近邻索引得到目标点云的最近邻索引;

34、基于各轮相同的预设初始变换对所述当前变换进行初始化;

35、将迭代轮次初始化为0。

36、第二方面,本技术实施例还提供了一种面向变化环境的点云配准装置,其包括:

37、初始化单元,用于响应于配准指令,进行初始化得到源点云对应的源点云副本、目标点云的最近邻索引以及当前变换,所述目标点云为场景变化前的点云,所述源点云为场景变化后的点云;

38、计算单元,用于基于所述源点云副本、所述当前变换以及所述最近邻索引,确定在同一坐标系下所述源点云副本与所述目标点云之间在配准前的配准前残差;

39、配准单元,用于以所述当前变换为初始值对所述源点云副本以及所述目标点云执行配准,并基于配准过程输出当轮变换;

40、计算单元,还用于基于所述源点云副本、所述当轮变换以及所述最近邻索引,确定在同一坐标系下所述源点云副本与所述目标点云之间在配准后的配准后残差;

41、计算单元,还用于计算同一源点的所述配准前残差减去所述配准后残差,得到残差变化量;

42、点云剪枝单元,用于按照所述残差变化量从大到小的优先级顺序,剪除当前残差变化量对应的源点得到更新后的源点云副本,并将所述当前变换重置为各轮相同的预设初始变换,以避免继承所述当轮变换;

43、配准单元,用于在未达到预设最大迭代次数且剩余点数不小于预设点数阈值时,基于更新后的源点云副本和重置后的当前变换重复配准过程,终止迭代时,输出最后一次成功配准得到的变换。

44、第三方面,本技术实施例还提供了一种面向变化环境的点云配准计算机设备,其包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法。

45、第四方面,本技术实施例还提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时可实现上述方法。

46、本技术实施例提供了面向变化环境的点云配准方法、装置、计算机设备及存储介质。其中方法包括:响应于配准指令,进行初始化得到源点云对应的源点云副本、目标点云的最近邻索引以及当前变换,所述目标点云为场景变化前的点云,所述源点云为场景变化后的点云;基于所述源点云副本、所述当前变换以及所述最近邻索引,确定在同一坐标系下所述源点云副本与所述目标点云之间在配准前的配准前残差;以所述当前变换为初始值对所述源点云副本以及所述目标点云执行配准,并基于配准过程输出当轮变换;基于所述源点云副本、所述当轮变换以及所述最近邻索引,确定在同一坐标系下所述源点云副本与所述目标点云之间在配准后的配准后残差;计算同一源点的所述配准前残差减去所述配准后残差,得到残差变化量;按照所述残差变化量从大到小的优先级顺序,剪除当前残差变化量对应的源点得到更新后的源点云副本,并将所述当前变换重置为各轮相同的预设初始变换,以避免继承所述当轮变换;在未达到预设最大迭代次数且剩余点数不小于预设点数阈值时,基于更新后的源点云副本和重置后的当前变换重复配准过程,终止迭代时,输出最后一次成功配准得到的变换。本技术中提出通过比较配准前后的残差变化量来选择和剪除可能影响配准的点。聚焦变化区域,避免配准被变化区域拉偏。另外,剪枝后重置变换为初始值,可以防止偏差在迭代中累积,提高了在自动驾驶与移动机器人领域中对发生局部几何变化的环境场景进行点云配准时的配准精度。