[发明专利]点云配准方法、装置、服务器和计算机可读介质

说明书

本公开提供一种点云配准方法及装置，将点云语义分割和栅格化相结合，考虑到点云的属性特征，提供了点云数据中除高度和反射率以外更为丰富的特征信息，可以针对不同的属性特征采用不同的配准方案，从而提高匹配的准确性。一方面，将属性特征作为配准的依据，对于某些强特征场景较少的点云数据，也可以提高匹配的准确性；另一方面，语义分割也可以去除车辆、行人等干扰匹配的噪音，进一步提高匹配的准确性。对于采集数据误差较大(大于5m)的场景，采用本公开实施例的方案进行点云配准效果尤其明显。本公开还提供一种服务器和计算机可读介质。

技术领域

本公开涉及无人驾驶技术领域，具体涉及一种点云配准方法、装置、服务器和计算机可读介质。

背景技术

点云配准是指将描述同一场景的两份点云通过旋转平移的方法合并为一份没有重影、偏移的点云数据。在高精度地图的制作中，由于采集车本身GPS(Global PositioningSystem，全球定位系统)的误差，造成多趟采集的数据之间存在不同程度的偏差，因此点云配准在高精度地图中必不可少。除此之外，点云配准也广泛应用在3D建模、3D重建等场景中。

目前主流的点云配准方法有：

1、ICP(Iterative Closest Point，迭代最近点)。具体的，针对源点云src中的每个点，搜索目的点云dst中与其最近的点，计算匹配点的相对位置关系，最终通过RANSAC(随机抽样一致性算法)的方法，确定两片点云的挪动方向，然后迭代此过程直到满足迭代终止条件。ICP的计算效率慢，尤其是高精度地图中需要匹配点云的点数在千万、亿级别，ICP严重影响效率，同时ICP本身对数据敏感，而采集的数据中会有车辆，行人等干扰，影响最终配准结果。

2、基于特征的ICP。具体的，首先提取两片点云中的特征(例如，线、面或者一些特殊的特征点)，利用最近邻搜索，匹配两片点云中的相同特征，同时建立匹配特征的相对关系，然后根据两片点云的相对关系进行移动，迭代此过程直到满足迭代终止条件。基于特征的ICP方法主要集中用线、面特征来做点云配准，虽然配准效率满足要求，但是对场景要求严格，如果点云中不存在需要的特征，则无法提供配准。

3、基于栅格化的点云信息进行配准。具体的，将源和目的两份点云进行栅格化，记录每个栅格中点云的一些统计信息，例如点云平均高度、点云平均反射率、点云高度方差、点云反射率方差等信息，通过ICP的思想，将栅格进行配准。基于栅格化的点云信息进行配准的方案配准效果较好，但地面行驶的车辆会造成干扰，在高度相似或者反射率失效的场景存在问题。

发明内容

本公开针对现有技术中存在的上述不足，提供一种点云配准方法、装置、服务器和计算机可读介质。。

第一方面，本公开实施例提供一种点云配准方法，所述方法包括：

根据语义将源点云划分为不同类别的属性特征，以及根据语义将目的点云划分为不同类别的属性特征，所述属性特征包括地面特征和非地面特征；

根据所述属性特征，分别将所述源点云和所述目的点云划分为多个栅格；

基于已划分的栅格计算所述源点云和所述目的点云的相似度；

判断所述相似度和当前的迭代次数是否满足预设的条件，若满足，则对所述源点云和所述目的点云进行配准；

根据配准结果调整所述源点云的位置，更新迭代次数，并再次计算所述源点云和所述目的点云的相似度。

优选的，所述判断所述相似度和当前的迭代次数是否满足预设的条件，具体包括：

将所述相似度和预设的第一阈值相比较，并将当前的迭代次数与预设的第二阈值相比较；若所述相似度小于或等于所述第一阈值，且所述当前的迭代次数小于所述第二阈值，则将所述相似度与前次计算得到的相似度相比较；