专利名称：Lidar测量数据的拼接方法和装置的制作方法
技术领域：
本发明属于激光探测测量领域，具体涉及一种对多次Lidar (Light Detection and Ranging，激光探测和测距系统)测量数据进行拼接的方法和装置。
背景技术：
Lidar (Light Detection and Ranging,激光探测和测距系统)采用单个激光脉冲测量从激光源到被测目标、再从被测目标回到激光接收器的时间，同时结合定向数据，精确测量被测目标的三维坐标。LIDAR具有传统摄影测量和地面常规测量技术无法取代的优越，具有自动化程度高、精度高等优点。针对不同的应用领域及成果要求，结合灵活的搭载方式，LiDAR技术可广泛应用于基础测绘、道路工程、电力电网、水利、建筑物三维建模、文物保护等诸多领域。LIDAR传感器直接获取高精度三维数据，如果测区过大，可采用多次扫描方式来获得整个测区数据。对一个物体进行多次扫描，可以获取精确的形态。多次测量，需设置多个测站。任意一组扫描数据中，扫描点间的相对关系是正确的；而多次扫描间数据点的关系正确与否，取决于测站点的数学精度和测站点是否在同一坐标系下。常用的坐标矫正方法是拼接方法，即在扫描区域中设置控制点或扫描标靶，通过对这些控制点或扫描标靶的强制符合，将多组扫描数据统一到一个模型中来。但测量时，有时不能设置明显的标志点；由于测站点的误差会放大传递给扫描数据，使不同测站的扫描数据精度不统一。在地形测绘领域，对不同测站的LiDar扫描数据进行高精度地拼接，是一个必须解决的问题。现有技术中的一种LiDar扫描数据的拼接方法为ICP(Iterative Closest Points，对应点集匹配算法)方法。该方法通过逐点计算匹配点，寻找两个点集的坐标变换矩阵，并计算法向量，计算量非常大。在实现本发明过程中，发明人发现上述现有技术中的LiDar扫描数据的拼接方法至少存在如下问题因为采用逐点计算方法，两个点云数据间特征点的匹配工作量更大，对于大规模点云数据，ICP方法的计算时间过长，难以处理连续的噪声数据。一次拼接的精确度不够，需要多次拼接才能够提高拼接质量。
发明内容
本发明的实施例提供了一种Lidar测量数据的拼接方法和装置，以实现从多次测量数据提取重合区域内的标准性特征区域，并根据提取的标志性特征进行多次点云数据的拼接。一种对Lidar测量数据进行拼接的方法，包括利用激光探测和测距系统LiDAR在不同位置对同一物体进行多次数据采集获取多个点云数据，对所述多个点云数据进行两两配对处理，将配对的第一点云数据、第二点云数据分别用树状数据组织结构来组织，对所述树状数据组织结构进行切分生成多个切分单元;从所述第一点云数据、第二点云数据的所有切分单元中按相对密度的排序选取设定数量的切分单元作为待匹配的候选特征单元集，根据切分单元的相对密度、长度、空间位置从第一点云数据、第二点云数据的候选特征单元集中获取两对基准特征单元对；根据特征单元的长度、到所述两对基准特征单元对的距离，从所述第一点云数据、第二点云数据的候选特征单元集中其它的特征单元分别选取出多个特征单元组成匹配特征单元集合F1和匹配特征单元集合F2;根据旋转轴L(ux，uy，uz)和旋转角度Θ组成变换矩阵R，将所述F1中的匹配特征单元与旋转矩阵R相乘后，计算与F2中相应的匹配特征单元的误差，按照所有特征单元的误差平方和最小的原则生成误差函数，根据所述误差函数的极小值求解出所述旋转轴L(ux， uy, uz)及旋转角度Θ的值；将所述第一点云数据中的所有数据点通过所述变换矩阵R进行变换后，得到的变换数据添加到所述第二点云数据中，合并为一个完整的数据集合，得到所述第一点云数据、 第二点云数据的拼接结果。一种Lidar测量数据的拼接装置，其特征在于，包括切分单元获取�？椋糜诶眉す馓讲夂筒饩嘞低矻iDAR在不同位置对同一物体进行多次数据采集获取多个点云数据，对所述多个点云数据进行两两配对处理，将配对的第一点云数据、第二点云数据分别用树状数据组织结构来组织，对所述树状数据组织结构进行切分生成多个切分单元；匹配特征单元获取�？椋糜诖铀龅谝坏阍剖�、第二点云数据的所有切分单元中按相对密度的排序选取设定数量的切分单元作为待匹配的候选特征单元集，根据切分单元的相对密度、长度、空间位置从第一点云数据、第二点云数据的候选特征单元集中获取两对基准特征单元对；根据特征单元的长度、到所述两对基准特征单元对的距离，从所述第一点云数据、第二点云数据的候选特征单元集中其它的特征单元分别选取出多个特征单元组成匹配特征单元集合F1和匹配特征单元集合F2 ；变换矩阵获取模块，用于根据旋转轴L(ux，uy，uz)和旋转角度Θ组成变换矩阵R， 将所述F1中的匹配特征单元与旋转矩阵R相乘后，计算与F2中相应的匹配特征单元的误差，按照所有特征单元的误差平方和最小的原则生成误差函数，根据所述误差函数的极小值求解出所述旋转轴L (ux，uy, uz)及旋转角度Θ的值；点云数据拼接�？椋糜诮龅谝坏阍剖葜械乃惺莸阃ü霰浠痪卣� R进行变换后，得到的变换数据添加到所述第二点云数据中，合并为一个完整的数据集合， 得到所述第一点云数据、第二点云数据的拼接结果。由上述本发明的实施例提供的技术方案可以看出，本发明实施例可以基于LiDAR 采集数据的工作参数，准确、快速地确定各点云数据的特征区域和多个匹配的特征单元对， 并基于匹配的特征单元对集合进行快速准确的点云配准，快速地对多次LiDAR采样的点云数据进行有效拼接。
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图I为本发明实施例一提供的一种Lidar测量数据的拼接方法的处理流程图；图2为本发明实施例二提供的一种Lidar测量数据的拼接装置的具体结构图。
具体实施例方式为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。实施例一该实施例提供的一种Lidar测量数据的拼接方法的处理流程如图I所示，包括如下的处理步骤步骤11、将配对的两个点云数据组织成kd(k_dimension, k维树)树,对kd树进行切分生成多个切分单元。利用LiDAR在不同位置对同一物体进行多次数据采集，获取多个点云数据。上述 kd树进行空间八个方向的均匀切分，生成多个切分单元。每个切分单元是包含若干个空间点P的集合。切分单元内的数据做为整体进行考核，比点处理的效率提高。Kd树是一种有效的树状数据组织结构，树中每个数据的维数为k，Kd树在三维空间中方差最大的一维上划分数据，逐层建立到叶子节点。上述切分过程根据点云数据的密度确定切分单元的尺度， 将配对的两个点云数据切分为大小相等的空间立方体，每个空间立方体内的数据作为一个待处理的整体性数据单元，即切分单元。步骤12、提取出每个切分单元的特征值，该特征值包括中心、相对密度、到点云数据中心的距离等。I、计算出点云数据的中心。center(PC)是点云PC的中心位置，card(PC)是点云 PC的点个数，Pj是点云PC中的任一点
权利要求
1.一种对Lidar测量数据进行拼接的方法，其特征在于，包括利用激光探测和测距系统LiDAR在不同位置对同一物体进行多次数据采集获取多个点云数据，对所述多个点云数据进行两两配对处理，将配对的第一点云数据、第二点云数据分别用树状数据组织结构来组织，对所述树状数据组织结构进行切分生成多个切分单元；从所述第一点云数据、第二点云数据的所有切分单元中按相对密度的排序选取设定数量的切分单元作为待匹配的候选特征单元集，根据切分单元的相对密度、长度、空间位置从第一点云数据、第二点云数据的候选特征单元集中获取两对基准特征单元对；根据特征单元的长度、到所述两对基准特征单元对的距离，从所述第一点云数据、第二点云数据的候选特征单元集中其它的特征单元分别选取出多个特征单元组成匹配特征单元集合F1和匹配特征单元集合F2 ；根据旋转轴L(ux，uy，uz)和旋转角度Θ组成变换矩阵R，将所述F1中的匹配特征单元与旋转矩阵R相乘后，计算与F2中相应的匹配特征单元的误差，按照所有特征单元的误差平方和最小的原则生成误差函数，根据所述误差函数的极小值求解出所述旋转轴L(ux，uy, uz)及旋转角度Θ的值；将所述第一点云数据中的所有数据点通过所述变换矩阵R进行变换后，得到的变换数据添加到所述第二点云数据中，合并为一个完整的数据集合，得到所述第一点云数据、第二点云数据的拼接结果。
2.根据权利要求I所述的方法，其特征在于，所述的从所述第一点云数据、第二点云数据的所有切分单元中按相对密度的排序选取设定数量的切分单元作为待匹配的候选特征单元集，根据切分单元的相对密度、长度、空间位置从第一点云数据、第二点云数据的候选特征单元集中获取两对基准特征单元对；根据特征单元的长度、到所述两对基准特征单元对的距离，从所述第一点云数据、第二点云数据的候选特征单元集中其它的特征单元分别选取出多个特征单元组成匹配特征单元集合F1和匹配特征单元集合F2，包括将所述第一点云数据、第二点云数据的所有切分单元按照相对密度进行排序，将相对密度高的若干切分单元分别作为待匹配的所述第一点云数据、第二点云数据的候选特征单元集=SetCelll和SetCell2，切分单元的相对密度为切分单元的邻域内点云数据的个数与邻域体积之比；如果SetCelll的切分单元c丨与SetCell2中切分单元Cy2是被测物体的同一区域，并且满足下面三个条件.1、切分单元cj与切分单元C;的相对密度差小于阈值1'，且4的长度与C;的长度误差小于阈值T ；.2、SetCelll的另一切分单元<与SetCell2中切分单元Cy2,的相对密度差小于阈值T，且 <的长度与Cy2.的长度误差小于阈值T ;3、<到Cy2.的距离与4到C;距离的相对误差小于阈值T；则C丨与C72为一对匹配的特征单元，同时c|,与C72,为另一对匹配的特征单元，匹配特征对 (C；，C2j )定义为第一对基准特征(C；，C12 ),( C；,，C72,)定义为第二对基准特征(C2，C2 );如果所述候选特征单元集=SetCelll和SetCell2中的两个切分单元满足如下的3个条件[1、到点云数据中心的长度误差小于设定的数值T；[2、到第一对基准特征的距离误差小于T；[3、到第二对基准特征的距离误差小于T，则两个切分单元的相似度为1，否则为O。相似度等于I的两个切分单元为匹配特征单元；所述第一点云数据、第二点云数据的匹配特征单元分别存放到两个相应的特征集合 Fl, F2 中，=,Fl = [C21,C22,...,C2n)。
3.根据权利要求I所述的方法，其特征在于，所述的根据旋转轴L (ux，uy，uz)和旋转角度Θ组成变换矩阵R，将所述Fl中的匹配特征单元与旋转矩阵R相乘后，计算与F2中相应的匹配特征单元的误差，按照所有匹配特征单元的误差平方和最小的原则生成误差函数， 包括根据旋转轴L(ux，uy，uz)和旋转角度Θ组成所述变换矩阵R，
4.根据权利要求3所述的方法，其特征在于，所述的根据所述误差函数的极小值求解出所述旋转轴L(ux, uy, uz)及旋转角度Θ的值,包括按照粒子群算法对所述误差函数f进行智能优化，所述变换矩阵R中的4个变量ux，uy， Uz和Θ分别定义为(X1, X2, X3, X4)1)随机初始化10组变量值，Xil和Xi2在区间[-1，I]内，而％=^/1-( 2+ 2), Xi4在区间 [O, Ji]内，在
区间内随机初始化10组速度值；2)将所述10组变量值带入所述误差函数f，所有组变量中，函数值最小的一组变量，记为(Xgl，Xg2，Xg3，Xg4);3)设定速度及变量位移公式为Vi = WVi+C^! (Xpi-Xi) +C2T2 (Xgi-Xi)Xi — Xi+V"i所述Cl，C2为2. 0，ω随循环过程逐步减�。靓＆珊蛂2是在
间的随机数，由所述速度及变量位移公式更新所述速度及变量，每组变量中函数值最小标记为(xpl，Xp2，Xp3，Xp4)如果更新后的变量不在相应区间内，速度降至二分之一，如果仍然在区间外，速度继续等比下降，直到符合要求。4)循环执行步骤2和步骤3，直到变量收敛，粒子群优化收敛得到的一组四个变量(xgl，Xg2，Xg3，Xg4)即为所述(Χι，叉2，叉3，叉4)。
5.根据权利要求I至4任一项所述的方法，其特征在于，所述的将所述第一点云数据中的所有数据点通过所述变换矩阵R进行变换后，得到的变换数据添加到所述第二点云数据中，合并为一个完整的数据集合，得到所述第一点云数据、第二点云数据的拼接结果，包括将所述第一点云数据CP1中所有数据点通过所述变换矩阵进行变换，得到的变换数据添加到所述第二点云数据CP2中，合并为一个完整的数据集合，即得到两次LiDAR测量数据的拼接；
6.一种Lidar测量数据的拼接装置，其特征在于，包括切分单元获取�？椋糜诶眉す馓讲夂筒饩嘞低矻iDAR在不同位置对同一物体进行多次数据采集获取多个点云数据，对所述多个点云数据进行两两配对处理，将配对的第一点云数据、第二点云数据分别用树状数据组织结构来组织，对所述树状数据组织结构进行切分生成多个切分单兀；匹配特征单元获取�？椋糜诖铀龅谝坏阍剖�、第二点云数据的所有切分单元中按相对密度的排序选取设定数量的切分单元作为待匹配的候选特征单元集，根据切分单元的相对密度、长度、空间位置从第一点云数据、第二点云数据的候选特征单元集中获取两对基准特征单元对；根据特征单元的长度、到所述两对基准特征单元对的距离，从所述第一点云数据、第二点云数据的候选特征单元集中其它的特征单元分别选取出多个特征单元组成匹配特征单元集合F1和匹配特征单元集合F2 ；变换矩阵获取�？椋糜诟菪酟(ux，uy，uz)和旋转角度Θ组成变换矩阵R，将所述匕中的匹配特征单元与旋转矩阵R相乘后，计算与F2中相应的匹配特征单元的误差，按照所有特征单元的误差平方和最小的原则生成误差函数，根据所述误差函数的极小值求解出所述旋转轴L(ux, uy, uz)及旋转角度Θ的值；点云数据拼接�？椋糜诮龅谝坏阍剖葜械乃惺莸阃ü霰浠痪卣驲进行变换后，得到的变换数据添加到所述第二点云数据中，合并为一个完整的数据集合，得到所述第一点云数据、第二点云数据的拼接结果。
7.根据权利要求6所述的装置，其特征在于所述的匹配特征单元获取�？椋褂糜诮龅谝坏阍剖�、第二点云数据的所有切分单元按照相对密度进行排序，将相对密度高的若干切分单元分别作为待匹配的所述第一点云数据、第二点云数据的候选特征单元集=SetCelll和SetCell2，切分单元的相对密度为切分单元的邻域内点云数据的个数与邻域体积之比；如果SetCelll的切分单元Ci1与SetCell2中切分单元Cy2是被测物体的同一区域，并且满足下面三个条件.1、切分单元与切分单元C72的相对密度差小于阈值1\且4的长度与Cy2的长度误差小于阈值τ ；.2,SetCelll的另一切分单元与SetCell2中切分单元Cy2,的相对密度差小于阈值T，且 C;,的长度与C〗的长度误差小于阈值T ;.3、c|,到Cy2,的距离与4到Cy2距离的相对误差小于阈值τ ；则C丨与C72为一对匹配的特征单元，同时c|,与C72,为另一对匹配的特征单元，匹配特征对(c；, C72)定义为第一对基准特征(C； , C12 ),( c；,, C72,)定义为第二对基准特征(如果所述候选特征单元集=SetCelll和SetCell2中的两个切分单元满足如下的3个条件.1、到点云数据中心的长度误差小于设定的数值T；.2、到第一对基准特征的距离误差小于T；.3、到第二对基准特征的距离误差小于T，则两个切分单元的相似度为1，否则为0，相似度等于I的两个切分单元为匹配特征单元；所述第一点云数据、第二点云数据的匹配特征单元分别存放到两个相应的特征集合 Fl, F2 中,Fl =,F2 = {cf,c^,...,c2n}。
8.根据权利要求6所述的装置，其特征在于所述的变换矩阵获取�？椋褂糜诟菪酟(uX，uy，uz)和旋转角度Θ组成所述变换矩阵R，
9.根据权利要求8所述的装置，其特征在于所述的变换矩阵获取模块，还用于按照粒子群算法对所述误差函数f进行智能优化， 所述变换矩阵R中的4个变量!^，+，!^和Θ分别定义为(xl，x2，x3，x4)；.1)随机初始化10组变量值，XijPxi2在区间[_1，1]内，而
10.根据权利要求6至9任一项所述的装置，其特征在于所述的点云数据拼接�？椋褂糜诮龅谝坏阍剖軨P1中所有数据点通过所述变换矩阵进行变换，得到的变换数据添加到所述第二点云数据CP2中，合并为一个完整的数据集合，即得到两次LiDAR测量数据的拼接；
全文摘要
本发明的实施例提供了一种Lidar测量数据的拼接方法和装置。该方法主要包括利用LiDAR在不同位置对同一物体进行多次数据采集获取多个点云数据，对多个点云数据进行两两配对处理，将配对的两个点云数据均匀切分生成多个切分单元。根据切分单元的相对密度、长度、空间位置从配对的两个点云数据的候选特征单元集中选取出多个特征单元组成匹配特征单元集合。根据旋转轴L和旋转角度θ组成变换矩阵R，按照所有匹配特征单元的误差平方和最小的原则求解出所述旋转轴L及旋转角度θ的值；将第一点云数据中的所有数据点通过所述变换矩阵R进行变换后，得到的变换数据添加到第二点云数据中，合并为一个完整的数据集合。本发明实施例可以基于LiDAR采集数据的工作参数，准确、快速地确定各点云数据的特征区域和多个匹配的特征单元对，快速地对多次LiDAR采样的点云数据进行有效拼接。
文档编号G01B11/24GK102607459SQ20121005752
公开日2012年7月25日 申请日期2012年3月6日 优先权日2012年3月6日
发明者张国英, 朱红, 马郁佳 申请人:中国矿业大学(北京)
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
