[发明专利]基于非刚性概率模型的车载激光点云自动误差纠正方法

权利要求书

1.基于非刚性概率模型的车载激光点云自动误差纠正方法，其特征在于，包括：

步骤1：预处理存在几何差异的两段车载点云数据：

对具有一定重叠度的相邻两条车载条带点云进行滤波、采样操作，得到点密度均匀分布、点数适中的两个条带点云，分别记为待纠正点云和目标点云；

步骤2：构建激光点观测方程和误差函数模型：

对车载激光点云中的任意一点，综合车载移动测量平台各采集部件间的空间拓扑关系，构建其观测方程，并融合各采集部件可能存在的测量误差，构建其误差函数模型；

步骤3：简化误差函数模型，构建变形纠正模型：

通过整理、简化误差函数模型，以横截面点云为分析单元，引入采集瞬间扫描仪中心对角矩阵，构建顾及测量误差的变形纠正模型，将可能导致点云变形的误差因素定量化；

步骤4：构建非刚性概率目标函数：

结合变形纠正模型和非刚性概率配准框架，构建概率似然函数，并对各点定义位移场，在似然函数中添加约束项以控制各点的移动幅度，得到目标函数的具体形式；

步骤5：基于最大期望方法求解未知矩阵：

采用对目标函数求偏导数的方式计算各点位移矩阵和每次迭代的方差值，并将各横截面扫描中心矩阵作为未知矩阵，结合偏导数求解和最小二乘方法优化对角矩阵；

步骤6：基于已纠正误差的采样点，采用微分纠正原理实现对原密集点云的整体误差纠正：

根据已纠正的采样点位移场，对原点云划分具有一定重叠度格网，并提取场景中几何特征作为约束条件，基于少量采样点实现特征保持的整体点云精准误差纠正。

2.根据权利要求1所述的基于非刚性概率模型的车载激光点云自动误差纠正方法，其特征在于，所述步骤1中，对两段具有几何差异的车载点云进行处理，分别记为待纠正点云和目标点云：

首先滤波两段车载点云以去除噪声或离群点，进而采用均匀采样算法得到N和M个均匀分布的采样点：目标点集X_3×N和待纠正点集Y_3×M(其中3表示三维坐标的维度数)。

3.根据权利要求1所述的基于非刚性概率模型的车载激光点云自动误差纠正方法，其特征在于，所述步骤2中，所述车载移动测量平台包括采集部件：三维激光扫描仪，GPS和IMU；

所述激光扫描仪通过记录扫描中心到目标点的距离和精确的定向角，连同定位系统提供的位置和姿态信息确定三维点的坐标，以任一点P为例，其在世界坐标系中的坐标由原始的激光测距信息、GPS/IMU信息和部件间检校参数确定如下：

其中，P^W为P点在世界坐标系中的坐标；g(P)为GNSS天线中心在世界坐标系中的坐标；为GNSS天线中心与扫描仪中心间的位移量；为从扫描仪坐标系到IMU坐标系间的旋转变换矩阵；表示从IMU到世界坐标系的旋转变换矩阵；ρ(P)和θ(P)分别为激光扫描仪测量的目标点P距离和角度信息；

目标点P的误差函数模型构建如下：

其中，[X_S Y_S Z_S]^T表示在世界坐标系中的扫描中心坐标；[ΔX_GPS ΔY_GPS ΔZ_GPS]^T表示可能存在的位置误差；ΔR_IMU表示定向误差；[X_d Y_d Z_d]^T表示点P在以扫描中心为原点的世界坐标；表示点P无位置和定向误差的世界坐标。