[发明专利]一种基于立体栅格自动分析3D点云配准误差的方法

摘要

本发明公开了一种基于立体栅格自动分析3D点云配准误差的方法，包括如下步骤：1）获得源点云；2）获得变换矩阵；3）对源点云进行下采样；4）对源点云进行滤波；5）获得目标点云；6）提取特征点；7）计算特征点的特征向量；8）寻找源点云和目标点云的对应点；9）计算对应点之间的平均距离；10）当寻找的对应点数目减少到阈值下，则进入11，否则修改寻找对应点的控制变量，返回8；11）加权平均即得到激光雷达3D点云配准的误差。本发明可以定量比较不同配准算法构建3D场景模型的准确性，帮助配准算法在实际应用中确定合适的点云规模，可用在对配准的精度要求较高的激光雷达三维测绘和结构测量领域。

主权项

1.一种基于立体栅格自动分析3D点云配准误差的方法，其特征在于，包括如下步骤：步骤1，通过激光雷达获得源点云；步骤2，获得配准完成时的变换矩阵；步骤3，对步骤1中的源点云进行下采样；步骤4，对步骤3中下采样后的源点云进行滤波；步骤5，将滤波后源点云中的每一点乘上变换矩阵，获得目标点云；步骤6，计算步骤4中滤波后的源点云和步骤5中获得的目标点云中的每一点的曲率，并根据曲率的大小提取特征点，得到源点云特征点集合以及目标点云特征点集合；步骤7，计算步骤6中提取的源点云和目标点云特征点的点特征直方图特征向量；步骤8，寻找步骤6中提取的源点云特征点和目标点云特征点的对应点对，基于随机采样一致性算法RANSAC对寻找到的所有对应点对集合进行筛选，得到对应点对集合，其中随机采样一致性算法RANSAC的初始拒绝阈值为激光雷达的分辨率；其中寻找源点云特征点和目标点云特征点的对应点，具体为：8.1，遍历源点云特征点集合，计算每个源点云特征点与目标点云特征点集合中每个点对应的特征向量的距离，并计算所有源点云特征点与目标点云特征点集合中每个点对应的特征向量的距离的平均值；8.2，遍历目标点云特征点集合，计算每个目标点云特征点与源点云特征点集合中每个点对应的特征向量的距离，并计算所有目标点云特征点与源点云特征点集合中每个点对应的特征向量的距离的平均值；8.3，若l_ij＜20％l_p且n_ji＜20％l_q，其中，l_ij表示目标点云特征点集合中第i个特征点m_i与源点云特征点集合中第j个特征点q_j对应的特征向量的距离，l_p表示所有目标点云特征点与源点云特征点集合中每个点对应的特征向量的距离的平均值，n_ji表示源点云特征点集合中第j个特征点q_j与目标点云特征点集合中第i个特征点m_i对应的特征向量的距离，l_q表示所有源点云特征点与目标点云特征点集合中每个点对应的特征向量的距离的平均值，i∈{1,2,…,MN}，MN表示目标点云特征点集合M中的特征点数，j∈{1,2,…,QN}，QN表示源点云特征点集合Q中的特征点数，则点m_i与q_j为对应点；步骤9，计算步骤8中对应点对集合中每对对应点两点之间的距离的平均值；步骤10，若当前对应点对集合中的对应点对数少于第一次寻找得到的对应点对数的40％，则进入步骤11，否则将随机采样一致性算法RANSAC的当前拒绝阈值减去激光雷达分辨率的1/50作为新的拒绝阈值，返回步骤8；步骤11，将各次迭代时步骤9得到的距离平均值进行加权平均，即得到最终激光雷达3D点云配准的误差。