[发明专利]基于空间网格划分的快速点云配准方法、装置和设备

说明书

本发明公开了基于空间网格划分的快速点云配准方法、装置和设备，所述方法根据点云数据的空间范围，构建能容纳完整视角点云的三维立体空间，将立体空间依据点云密度划分为多个子空间网格，确立空间网格的序列坐标，将点云序列转化为空间网格序列，解决了点云无序性问题。在点云精配准算法中，ICP方法要依据点云序列查找最近邻点，现有构建点云序列的方法如K‑D树时间复杂度较高，并且迭代求解耗时，影响点云配准效率。通过划分空间网格，借助网格序列的邻域信息获得点云序列的邻域信息，降低构建点云序列的时间复杂度，加快点云邻域信息的搜索，并且各个网格之间查询互不干扰，可以借助GPU并行处理，极大提高了点云配准速度。

技术领域

本发明属于视觉测量技术领域，具体涉及基于空间网格划分的快速点云配准方法、装置和设备。

背景技术

在三维测量中，由于测量设备视场有限，加之被测物体外形复杂，单次测量往往无法将物体待测区域覆盖完整，因此需要从不同视角对物体分别进行测量，然后通过点云配准的方式还原被测物体的全视角三维形貌。点云配准可以分为粗配准和精配准两步。粗配准指的是在两幅点云之间的变换完全未知的情况下进行较为粗糙的配准，目的主要是为精配准提供较好的变换初值；精配准则是给定一个初始变换，进一步优化得到更精确的变换。目前应用最广泛的点云精配准算法是迭代最近点算法(Iterative Closest Point,ICP)及其优化算法。

ICP算法中查找最近点对的过程是整个ICP算法的速度瓶颈，ICP方法要依据点云序列查找最近邻点，目前最主流的ICP算法是将目标点云用K-D树的形式组织，利用K-D树的空间分割特性来加速查找。将目标点云中所有点作为K-D树的节点，其中每输出一个节点都要进行一次排序，且所有节点串行输出，时间复杂度较高。对于数量庞大的点云来说，需要进行高密度计算，迭代求解耗时，在CPU上运行时计算速度慢，影响点云配准效率，无法保证算法的低延时，无法满足实时场景的速度要求。这是ICP算法的一个缺陷，有待针对性研究进行补足。

发明内容

本发明提供了基于空间网格划分的快速点云配准方法、装置和设备，解决了点云无序性问题，避免了构建K-D树的时间复杂度，借助硬件并行计算为快速实现ICP点云精配准提供了解决方案。

为达到上述目的，本发明所述基于空间网格划分的快速点云配准方法，包括以下步骤：

步骤1：根据全视角的点云数据的空间范围，构建能容纳所有视角点云数据的三维立体空间；

步骤2：确立三维立体空间的坐标原点，依据点云密度，将三维立体空间沿X、Y、Z三个坐标轴划分为多个空间网格，并对每个空间网格进行编号；

步骤3：将所有视角的点云数据填入空间网格，计算每个视角的点云数据中的每个点落入的空间网格编号；

步骤4：用落入一个空间网格内的所有点的重心近似代替其他点，保证一个空间网格中至多含有一个点；

步骤5：对多视角点云数据进行粗配准，得到精配准的位置初值；

步骤6：对粗配准后的点云数据进行精配准，以最近邻点为点云匹配点，借助空间网格编号的邻域信息获得点云编号的邻域信息，查询到最近邻点，得到源点云和目标点云之间的最近邻点对；

步骤7：并行处理计算最近邻点对的协方差矩阵，求解得到源点云的位姿变换矩阵，根据位姿变换矩阵进行位姿调整，得到更新后的源点云，用更新后的源点云进行迭代，当迭代结果达到配准精度或者达到迭代次数上限时，停止迭代，输出配准结果。

进一步的，步骤3中，计算每个点(x,y,z)落入的空间网格编号(i,j,k)公式为: