[发明专利]基于点云分割的特征匹配方法

说明书

本发明提供了一种基于点云分割的特征匹配方法，包括：将原始点云处理为距离图像并划分为多个子图像；对属于地面的点云设置地面标签；基于距离图像，对其余点云进行聚类，生成多簇点云；当每簇点云中点云的个数大于预设第一阈值时，对该簇点云添加唯一标签；计算每个子图像中设置有有效标签的点云的曲率；并由此确定为平面点和边缘点候选点；计算平面点特征匹配对的相似性，得到位姿变换中的第一组状态量；计算边缘点特征匹配对的相似性，得到位姿变换中的第二组状态量；将当前帧中的平面点特征点、边缘点特征点与之前N帧构成的局部特征点云地图进行匹配，更新第一组状态量和第二组状态量。由此，提高了计算效率。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于点云分割的特征匹配方法。

背景技术

随着近年来科技水平的不断提升，人工智能飞速发展，其广泛运用到各个领域之中。其中，由于自动驾驶车辆能够高效利用交通资源，缓解交通拥堵、减少碳排放，自动驾驶技术越来越成为人们所关注的焦点，但乘用车自动驾驶距真正商业化还有一定的距离，而限定环境内的小型低速环卫清扫车为自动驾驶技术的落地提供了具体的应用场景。另一方面，由于人口老龄化的加剧，国内劳动力的成本逐年呈上升趋势，且繁重的重复性体力劳动增加了人们的工作负担，例如，对于公园、校园、大型商场、工业园区等场景的环境卫生清扫作业，环卫工人需要长时间进行重复性的体力劳动，作业繁重，故由智能化的无人驾驶自动清扫代替繁重的人工清扫势不可挡。

小型低速环卫清扫车能够实现高精度定位、路径规划等技术离不开高精度地图，而高精度地图的关键在于创建点云地图的技术，即基于激光传感器的同时定位与建图(Simultaneously Localization and Mapping，SLAM)。通过帧与帧之间点云匹配算法和闭环检测等模块可以在估计出传感器平台移动轨迹的同时创建出较高精度的点云地图。但是实际应用中，基于完整的原始点云的匹配算法消耗较多的计算资源，这使得建大规模场景的点云地图时耗时较久，且地图维护成本高，建图流程效率整体低下，严重影响低速清扫车投放市场的速度。

目前应用较多的提高建图效率方法是对从原始点云中提取的特征进行帧间匹配计算。

基于边缘点和平面点的特征匹配法往往对环境的结构化要求较高，如果环境为草丛和树叶等非结构化特征较多的场景，由于传感器平台移动带来的视角变换或者场景强风吹拂树叶等原因，很难从点云的树叶和杂草部分提取出可靠的边缘点和平面点特征，这些特征将作为噪音参与匹配计算，导致匹配结果存在较大的误差。

发明内容

本发明实施例的目的是提供一种基于点云分割的特征匹配方法，以解决现有技术中存在的匹配结果误差大的问题。

为解决上述问题，第一方面，本发明提供了一种基于点云分割的特征匹配方法，所述方法包括：

将原始点云处理为距离图像；

根据预设份额，对所述距离图像进行划分，生成多个子图像；

对所述原始点云进行计算，筛选出属于地面的点云，并对所述属于地面的点云设置地面标签；

基于所述距离图像，对所述原始点云中除所述属于地面的点云外的其余点云进行聚类，生成多簇点云；

当每簇点云中点云的个数大于预设第一阈值时，对该簇点云添加唯一标签；

计算每个所述子图像中设置有有效标签的点云的曲率；所述有效标签包括地面标签和唯一标签；

将所述曲率不大于预设的第二阈值，且有效标签为地面标签的点云确定为平面点候选点；

从所述平面点候选点中确定当前帧的平面点特征点；

计算平面点特征匹配对的相似性，得到位姿变换中的第一组状态量；所述平面点特征匹配对包括当前帧和前一帧的平面点特征点；所述第一组状态量包括z轴方向的位移、横滚角和俯仰角；