[发明专利]一种路车协同下异构点云融合的配准方法及装置

说明书

本申请提供一种路车协同下异构点云融合的配准方法及装置，涉及自动驾驶技术领域，所述方法包括：利用Polarseg语义分割器将车端3D点云数据分割为车端地面点云数据与车端非地面点云数据，将路端3D点云数据分割为路端地面点云数据与路端非地面点云数据；将去除形态噪声的车端地面点云数据和去除离群点的车端非地面点云数据进行融合，得到融合后的车端点云数据；将去除形态噪声的路端地面点云数据和去除离群点的路端非地面点云数据进行融合，得到融合后的路端点云数据；以融合后的路端点云数据为源端，以融合后的车端点云数据为目标端，利用全局点云匹配方法对源端和目标端进行匹配，得到源端到目标端的位姿转换矩阵。本申请提高了异构点云的配准精度。

技术领域

本申请涉及自动驾驶技术领域，尤其是涉及一种路车协同下异构点云融合的配准方法及装置。

背景技术

在自动驾驶的车辆上会配置激光雷达，由于车辆自身在不停地运动，车辆上的激光雷达传感器很容易出现遮挡的情况，并且会出现远距离数据缺失的情况，这使得车辆在城市道路十字路口难以进行准确的位姿估计。

现有车路协同解决方案通过设计复杂的车路协同匹配车端或者路端的同类型传感器获取的同质点云，从而解决车端雷达感知受限问题。如使用多视点图像和地图交互感知融合方法将传感器观测数据映射到车辆环境的语义描述中，匹配多个车辆的原始雷达传感器获取的同构点云数据，结合空间不同位置多个雷达传感器获取的同构点云数据，同构点云数据是指相同类型雷达传感器获取的点云数据。现有的解决方案大多是将不同视点的同构点云数据进行对齐。

目前对于异构点云的配准，还未有解决方案。

发明内容

有鉴于此，本申请提供了一种路车协同下异构点云融合的配准方法及装置，以解决上述技术问题。

第一方面，本申请实施例提供一种路车协同下异构点云融合的配准方法，包括：

获取同一目标场景的异构的车端3D点云数据和路端3D点云数据；

利用Polarseg语义分割器将车端3D点云数据分割为车端地面点云数据与车端非地面点云数据；利用Polarseg语义分割器将路端3D点云数据分割为路端地面点云数据与路端非地面点云数据；

利用半径密度聚类方法分别对车端地面点云数据和路端地面点云数据进行处理，得到去除形态噪声的车端地面点云数据和去除形态噪声的路端地面点云数据；

对车端非地面点云数据和路端非地面点云数据进行处理，得到去除离群点的车端非地面点云数据和去除离群点的路端非地面点云数据；

将去除形态噪声的车端地面点云数据和去除离群点的车端非地面点云数据进行融合，得到融合后的车端点云数据；将去除形态噪声的路端地面点云数据和去除离群点的路端非地面点云数据进行融合，得到融合后的路端点云数据；

以融合后的路端点云数据为源端，以融合后的车端点云数据为目标端，利用全局点云匹配方法对源端和目标端进行匹配，得到源端到目标端的位姿转换矩阵。

进一步地，对车端非地面点云数据和路端非地面点云数据进行处理，得到去除离群点的车端非地面点云数据和去除离群点的路端非地面点云数据；包括：

利用预先训练完成的PointPillars 3D目标检测器对车端非地面点云数据进行处理，得到车端目标预测结果；

基于车端目标预测结果，采用统计异常值剔除方法去除车端非地面点云数据中的离群点；

利用预先训练完成的PointPillars 3D目标检测器对路端非地面点云数据进行处理，得到路端目标预测结果；

基于路端目标预测结果，采用统计异常值剔除方法去除路端非地面点云数据中的离群点；