一种用于移动测量设备的测量方法及系统与流程

1.本发明涉及移动测量技术领域，具体涉及一种用于移动测量设备的测量方法及系统。


背景技术：

2.激光雷达是一种快速获取物体表面三维点云数据的技术，已成为高时空分辨率三维对地观测的一种主要技术手段，在基础测绘、智慧城市、资源调查、高精度地图等领域发挥越来越重要的作用。从数据获取平台而言，包括卫星平台、机载平台、车载平台、地面/背负式平台等等。
3.现有的激光扫描装置由于仅能扫描一个平面区域的目标区域，而不能扫描整个三维空间的区域。在应用到三维数字模型的构建系统时，需要结合全球卫星导航系统以及惯性测量单元进行集成和数据融合，而全球卫星导航系统具有信号因素的局限性，限制了其系统的使用环境，使得移动测量设备在移动以及无卫星信息时，数据采集仍存在不精准的情况。


技术实现要素：

4.针对上述现有技术的不足，本发明所要解决的问题是：如何提供一种用于移动测量设备的测量方法及系统，以解决现有激光雷达在移动测量、无卫星信号时，采集数据不精准的问题。
5.为了解决上述问题，本发明采用了如下的技术方案：
6.一种用于移动测量设备的测量方法，包括
7.1)通过设置于移动测量设备上的gnss天线正前方的激光雷达获取点云数据，对获取的点云数据进行去噪；
8.2)基于gnss传感器获取移动测量设备的位置信息；基于设置于移动测量设备后轴上方位置的imu传感器获取移动测量设备的位姿信息；并对gnss、imu和激光雷达传感器数据同步；
9.3)使用高频率imu数据对一个采集周期内的点云数据进行运动补偿去除移动测量设备在运动时点云数据的畸变；
10.4)采用ndt算法配准点云数据；
11.5)在点云数据中添加移动测量设备的gnss位置信息、融合imu方法获取移动测量设备的位姿，计算出最优位姿，得出点云数据绝对坐标。
12.进一步，所述步骤1)对获取的点云数据进行去噪包括：通过半径滤波器从点云数据中去除离群点；通过直通滤波器去除车身的点云数据；采用voxel grid体素网络滤波器进行下采样；所述采用voxel grid体素网络滤波器进行下采样具体步骤为：
13.将点云数据表示的空间划分为多个边长相等的三维立方体，使用每个体素的质心作为近似值替代所述三维立方体；若体素内总共有n个激光点，每个激光点分别使用pi＝
(xi,yi,zi)表示，则近似的质心为
14.进一步，所述步骤2)中对gnss、imu和激光雷达传感器数据同步包括数据时间同步和数据空间同步；
15.所述数据时间同步包括：采用pps nmez协议进行gnss、imu和激光雷达传感器的时钟源同步；选用多个容器分别存储gnss、imu和激光雷达传感器的读取数据，并以激光雷达传感器的时间戳作为基准，gnss、imu传感器的读取数据根据该基准的时间戳获得该时间戳前两帧的数据，然后通过插值法对数据进行比例计算，得到相同时刻的传感器数据；
16.所述数据空间同步包括：将gnss传感器数据转换到utm坐标系下，以imu传感器安装位置为坐标系原点，建立gnss传感器数据和imu传感器数据的z轴坐标变换，再建立与激光雷达坐标系的平移变换和俯仰变换，完成数据空间同步。
17.进一步，所述步骤4)中采用ndt算法配准点云数据包括：
18.将点云数据划分为n个边长相等的立方体，通过下式计算均值μi和协方差∑i：
[0019][0020][0021]
其中，mi为第i个立方体中数据点的数量，x
ij
为第i个立方体中的第j点；
[0022]
将变换参数p初始化为单位矩阵，将待配准点云集合中所有点按变换t进行变换，并转换到参考点云的立方体中，得到新的点云
[0023]
根据下式计算按正太分布得到配准点经过变换后与参考点云的重合程度：
[0024][0025]
将所有立方体网格计算出来的概率密度相加得到配准得分，使用牛顿优化算法找到最高配准得分下的最佳变换参数p，并以最佳变换参数p进行点云数据配准。
[0026]
进一步，所述步骤5)中融合imu方法获取移动测量设备的位姿包括：使用imu数据进行状态预测得到预测的移动测量设备位置数据位姿，在将其作为初始值输入到扫描匹配中，通过观测到的点云数据与离线地图进行配准得到观测的移动测量设备位姿，再进行状态更新，得到最优移动测量设备位姿。
[0027]
本发明还提供一种用于移动测量设备的测量系统，包括
[0028]
点云数据获取处理模块：用于通过设置于移动测量设备上的gnss天线正前方的激光雷达获取点云数据，对获取的点云数据进行去噪；
[0029]
信息获取同步模块，用于基于gnss传感器获取移动测量设备的位置信息；基于设置于移动测量设备后轴上方位置的imu传感器获取移动测量设备的位姿信息；并对gnss、imu和激光雷达传感器数据同步；
[0030]
点云数据畸变去除模块，用于使用高频率imu数据对一个采集周期内的点云数据进行运动补偿去除移动测量设备在运动时点云数据的畸变；
[0031]
点云数据配准模块，用于采用ndt算法配准点云数据；
[0032]
点云数据绝对坐标生成模块，用于在点云数据中添加移动测量设备的gnss位置信息、融合imu方法获取移动测量设备的位姿，计算出最优位姿，得出点云数据绝对坐标。
[0033]
进一步，所述点云数据获取处理模块包括离群点去除单元、车身点云数据去除单元和下采样单元；
[0034]
所述离群点去除单元用于通过半径滤波器从点云数据中去除离群点；
[0035]
所述车身点云数据去除单元用于通过直通滤波器去除车身的点云数据；
[0036]
所述下采样单元采用voxel grid体素网络滤波器进行下采样，具体步骤为：
[0037]
将点云数据表示的空间划分为多个边长相等的三维立方体，使用每个体素的质心作为近似值替代所述三维立方体；若体素内总共有n个激光点，每个激光点分别使用pi＝(xi,yi,zi)表示，则近似的质心为
[0038]
进一步，所述信息获取同步模块包括数据时间同步单元和数据空间同步单元；
[0039]
所述数据时间同步单元用于对gnss、imu和激光雷达传感器数据同步包括数据时间同步；采用pps nmez协议进行gnss、imu和激光雷达传感器的时钟源同步；选用多个容器分别存储gnss、imu和激光雷达传感器的读取数据，并以激光雷达传感器的时间戳作为基准，gnss、imu传感器的读取数据根据该基准的时间戳获得该时间戳前两帧的数据，然后通过插值法对数据进行比例计算，得到相同时刻的传感器数据；
[0040]
所述数据空间同步单元用于对gnss、imu和激光雷达传感器数据同步包括数据空间同步；将gnss传感器数据转换到utm坐标系下，以imu传感器安装位置为坐标系原点，建立gnss传感器数据和imu传感器数据的z轴坐标变换，再建立与激光雷达坐标系的平移变换和俯仰变换，完成数据空间同步。
[0041]
进一步，所述点云数据配准模块用于将点云数据划分为n个边长相等的立方体，通过下式计算均值μi和协方差∑i：
[0042][0043][0044]
其中，mi为第i个立方体中数据点的数量，x
ij
为第i个立方体中的第j点；
[0045]
将变换参数p初始化为单位矩阵，将待配准点云集合中所有点按变换t进行变换，并转换到参考点云的立方体中，得到新的点云
[0046]
根据下式计算按正太分布得到配准点经过变换后与参考点云的重合程度：
[0047][0048]
将所有立方体网格计算出来的概率密度相加得到配准得分，使用牛顿优化算法找到最高配准得分下的最佳变换参数p，并以最佳变换参数p进行点云数据配准。
[0049]
进一步，所述点云数据绝对坐标生成模块包括移动测量设备位姿融合imu方法获取单元；所述移动测量设备位姿融合imu方法获取单元用于使用imu数据进行状态预测得到预测的移动测量设备位置数据位姿，在将其作为初始值输入到扫描匹配中，通过观测到的
点云数据与离线地图进行配准得到观测的移动测量设备位姿，再进行状态更新，得到最优移动测量设备位姿。
[0050]
本发明的有益效果在于：本发明通过半径滤波器从点云数据中去除离群点；通过直通滤波器去除车身的点云数据；采用voxel grid体素网络滤波器进行下采样并对gnss、imu和激光雷达传感器数据进行同步，使得采集的数据更为精确，进一步利用离线地图与融合imu方法对无gnss信号时避免移动采集数据偏差的情况，生成高精点云数据，可构建三维建模以及生成点云地图，为自动采集技术打下基础。
附图说明
[0051]
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：
[0052]
图1为本发明一种用于移动测量设备的测量方法流程示意图；
[0053]
图2为本发明一种用于移动测量设备的测量系统示意图。
具体实施方式
[0054]
下面结合具体实施例对本发明作进一步的详细说明。
[0055]
需要说明的是，这些实施例仅用于说明本发明，而不是对本发明的限制，在本发明的构思前提下本方法的简单改进，都属于本发明要求保护的范围。
[0056]
参见图1，本发明实施例提供一种用于移动测量设备的测量方法，包括
[0057]
1)通过设置于移动测量设备上的gnss天线正前方的激光雷达获取点云数据，对获取的点云数据进行去噪；
[0058]
对获取的点云数据进行去噪包括：通过半径滤波器从点云数据中去除离群点；通过直通滤波器去除车身的点云数据；采用voxel grid体素网络滤波器进行下采样；所述采用voxel grid体素网络滤波器进行下采样具体步骤为：
[0059]
将点云数据表示的空间划分为多个边长相等的三维立方体，使用每个体素的质心作为近似值替代所述三维立方体；若体素内总共有n个激光点，每个激光点分别使用pi＝(xi,yi,zi)表示，则近似的质心为
[0060]
2)基于gnss传感器获取移动测量设备的位置信息；基于设置于移动测量设备后轴上方位置的imu传感器获取移动测量设备的位姿信息；并对gnss、imu和激光雷达传感器数据同步；
[0061]
对gnss、imu和激光雷达传感器数据同步包括数据时间同步和数据空间同步；
[0062]
数据时间同步包括：采用pps nmez协议进行gnss、imu和激光雷达传感器的时钟源同步；选用多个容器分别存储gnss、imu和激光雷达传感器的读取数据，并以激光雷达传感器的时间戳作为基准，gnss、imu传感器的读取数据根据该基准的时间戳获得该时间戳前两帧的数据，然后通过插值法对数据进行比例计算，得到相同时刻的传感器数据；
[0063]
数据空间同步包括：将gnss传感器数据转换到utm坐标系下，以imu传感器安装位置为坐标系原点，建立gnss传感器数据和imu传感器数据的z轴坐标变换，再建立与激光雷达坐标系的平移变换和俯仰变换，完成数据空间同步。
[0064]
3)使用高频率imu数据对一个采集周期内的点云数据进行运动补偿去除移动测量设备在运动时点云数据的畸变。
[0065]
4)采用ndt算法配准点云数据；
[0066]
采用ndt算法配准点云数据包括：
[0067]
将点云数据划分为n个边长相等的立方体，通过下式计算均值μi和协方差∑i：
[0068][0069][0070]
其中，mi为第i个立方体中数据点的数量，x
ij
为第i个立方体中的第j点；
[0071]
将变换参数p初始化为单位矩阵，将待配准点云集合中所有点按变换t进行变换，并转换到参考点云的立方体中，得到新的点云
[0072]
根据下式计算按正太分布得到配准点经过变换后与参考点云的重合程度：
[0073][0074]
将所有立方体网格计算出来的概率密度相加得到配准得分，使用牛顿优化算法找到最高配准得分下的最佳变换参数p，并以最佳变换参数p进行点云数据配准。
[0075]
5)在点云数据中添加移动测量设备的gnss位置信息、融合imu方法获取移动测量设备的位姿，计算出最优位姿，得出点云数据绝对坐标；
[0076]
融合imu方法获取移动测量设备的位姿包括：使用imu数据进行状态预测得到预测的移动测量设备位置数据位姿，在将其作为初始值输入到扫描匹配中，通过观测到的点云数据与离线地图进行配准得到观测的移动测量设备位姿，再进行状态更新，得到最优移动测量设备位姿。
[0077]
基于本方法获得的点云数据，可进一步实现三维建模或生成点云地图，进一步可根据生成的点云地图与移动测量设备进行融合实现自动驾驶，进一步可根据移动测量设备的启停控制采集设备的运作，实现无人自动采集。
[0078]
参见图2，本发明还提供一种用于移动测量设备的测量系统，包括
[0079]
点云数据获取处理模,10，用于通过设置于移动测量设备上的gnss天线正前方的激光雷达获取点云数据，对获取的点云数据进行去噪；
[0080]
点云数据获取处理模块10包括离群点去除单元11、车身点云数据去除单元12和下采样单元13；
[0081]
离群点去除单元11用于通过半径滤波器从点云数据中去除离群点；
[0082]
车身点云数据去除单元12用于通过直通滤波器去除车身的点云数据；
[0083]
下采样单元13采用voxel grid体素网络滤波器进行下采样，具体步骤为：
[0084]
将点云数据表示的空间划分为多个边长相等的三维立方体，使用每个体素的质心作为近似值替代所述三维立方体；若体素内总共有n个激光点，每个激光点分别使用pi＝(xi,yi,zi)表示，则近似的质心为
[0085]
信息获取同步模块20，用于基于gnss传感器获取移动测量设备的位置信息；基于设置于移动测量设备后轴上方位置的imu传感器获取移动测量设备的位姿信息；并对gnss、imu和激光雷达传感器数据同步；
[0086]
信息获取同步模块20包括数据时间同步单元21和数据空间同步单元22；
[0087]
数据时间同步单元21用于对gnss、imu和激光雷达传感器数据同步包括数据时间同步；采用pps nmez协议进行gnss、imu和激光雷达传感器的时钟源同步；选用多个容器分别存储gnss、imu和激光雷达传感器的读取数据，并以激光雷达传感器的时间戳作为基准，gnss、imu传感器的读取数据根据该基准的时间戳获得该时间戳前两帧的数据，然后通过插值法对数据进行比例计算，得到相同时刻的传感器数据；
[0088]
数据空间同步单元22用于对gnss、imu和激光雷达传感器数据同步包括数据空间同步；将gnss传感器数据转换到utm坐标系下，以imu传感器安装位置为坐标系原点，建立gnss传感器数据和imu传感器数据的z轴坐标变换，再建立与激光雷达坐标系的平移变换和俯仰变换，完成数据空间同步。
[0089]
点云数据畸变去除模块30，用于使用高频率imu数据对一个采集周期内的点云数据进行运动补偿去除移动测量设备在运动时点云数据的畸变；
[0090]
点云数据配准模块40，用于采用ndt算法配准点云数据；
[0091]
点云数据配准模块用于将点云数据划分为n个边长相等的立方体，通过下式计算均值μi和协方差∑i：
[0092][0093][0094]
其中，mi为第i个立方体中数据点的数量，x
ij
为第i个立方体中的第j点；
[0095]
将变换参数p初始化为单位矩阵，将待配准点云集合中所有点按变换t进行变换，并转换到参考点云的立方体中，得到新的点云
[0096]
根据下式计算按正太分布得到配准点经过变换后与参考点云的重合程度：
[0097][0098]
将所有立方体网格计算出来的概率密度相加得到配准得分，使用牛顿优化算法找到最高配准得分下的最佳变换参数p，并以最佳变换参数p进行点云数据配准。
[0099]
点云数据绝对坐标生成模块50，用于在点云数据中添加移动测量设备的gnss位置信息、融合imu方法获取移动测量设备的位姿，计算出最优位姿，得出点云数据绝对坐标。
[0100]
点云数据绝对坐标生成模块50包括移动测量设备位姿融合imu方法获取单元51；移动测量设备位姿融合imu方法获取单元51用于使用imu数据进行状态预测得到预测的移动测量设备位置数据位姿，在将其作为初始值输入到扫描匹配中，通过观测到的点云数据与离线地图进行配准得到观测的移动测量设备位姿，再进行状态更新，得到最优移动测量设备位姿。
[0101]
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管通过参
照本发明的优选实施例已经对本发明进行了描述，但本领域的普通技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离所附权利要求书所限定的本发明的精神和范围。