一种激光雷达的点云相似度评价方法

1.本发明涉及机器人定位技术领域，更具体的，涉及一种激光雷达的点云相似度评价方法。


背景技术：

2.在机器人应用中，特别是slam系统的机器人应用中，雷达点云定位是一项核心技术；其中如何通过计算雷达点云相似度从而判断机器是否到达过同一位置是一项重要的技术问题。
3.现如今的针对激光雷达的点云相似度评价方案比较单一，主要是基于icp的点云匹配方法、基于ndt的点云匹配方法或者基于深度学习的点云匹配方法。如中国专利公开号：cn112837354a，公开日：2021.05.25，公开了一种基于gpu的ndt点云配准算法、装置及电子设备。
4.基于icp点云匹配算法耗时大，计算量大，并可能陷入局部最优；基于ndt点云匹配算法匹配精度较差，而且更容易陷入局部最优；基于深度学习的点云匹配方法在现如今未有很好的方法解决场景识别问题；并且，目前的激光雷达点云匹配或者识别方法仅能“一对一”进行对比匹配，而在slam系统的回环检测模块往往需要“一对多”进行对比匹配。所以如何发明一种计算量小，精度高、同时可以进行“一对多”对比匹配的激光雷达点云的计算方法是本技术领域亟需解决的问题。


技术实现要素：

5.本发明为了解决以传统激光雷达点云相似度评价方法计算量大，精度低、不可以进行“一对多”对比匹配的缺点，提供了一种激光雷达的点云相似度评价方法。
6.为实现上述本发明目的，采用的技术方案如下：
7.一种激光雷达的点云相似度评价方法所述的方法包括以下步骤：
8.s1：将数据库中的激光雷达点云帧的几何信息分别编码到对应的一维向量中；利用所述一维向量构建k-d树；
9.s2：将待匹配的激光雷达点云帧对应的一维向量输入到k-d树种进行最近邻搜索，得到与待匹配激光雷达点云帧帧一维向量数值接近的一维向量，并将其对应的数据库中的激光雷达点云帧组成候选库；
10.s3：计算待匹配的激光雷达点云帧的点云编码值，和每个候选库中激光雷达点云帧的点云编码值，并分别将每个点云编码值编汇成其对应的多位二进制图；
11.s4：分别对多位二进制图进行特征提取得到相位二值化图像；
12.s5：将待匹配的激光雷达点云帧的相位二值化图像与候选库中雷达点云帧的相位二值化图像进行相似度检测。
13.优选的，在步骤s1之前，先构建以激光雷达的质点为圆心，l
max
为半径的圆进行范围检测；所述的圆被分成nr个同心圆环，每个圆环的宽度为然后，每个圆环被均分成ns个弧度为个扇形；至此，把激光雷达的探测区域划分成nr×ns
个区域扇形。
14.进一步的，步骤s1，将数据库中的激光雷达点云帧的几何信息分别编码到对应的一维向量中，具体如下：
15.s101：输入一个激光雷达点云，将该激光雷达点云投影到x-o-y平面产生投影点，所述的投影点被划分到对应的扇形区域中；
16.s102：对于每个扇形区域，选取扇形区域中最高点的z值作为编码值，将有投影点的扇形区域编码为1，将没有投影点的扇形区域编码为0；
17.s103：定义一个函数将每个圆环转换为一个实数：所述实数被整合为所述的一维向量。
18.更进一步的，所述的一维向量的表达式为：
[0019][0020]
其中，其中代表第n个扇形区域的最高点。
[0021]
更进一步的，步骤s3，所述的点云编码值计算如下：将每个扇形区域内的最高点与最低点之间的高度差均分为n段；如果段内存在投影点，该段标记为1，否则标记为0，由此形成一个n位二进制数；将n位二进制数转换为十进制得到成一个n位二进制数；将n位二进制数转换为十进制得到为该扇形区域的点云编码值。
[0022]
更进一步的，计算出所有扇形区域对应的点云编码值后，将它们组成一张nr×ns
的n位二进制图。
[0023]
更进一步的，步骤s4，具体如下：
[0024]
s401：利用离散傅里叶变换将n位二进制图从空间域变换到频域；
[0025]
s402：将变换后的图像与log-gabor滤波器的频谱在频域相乘，再通过离散傅里叶逆变换得到滤波后的结果图像，所述的结果图像是一个复矩阵；
[0026]
s403：将复矩阵转换为相位二值化图像。
[0027]
更进一步的，在步骤s403之后，对相位二值化图像进行快速傅里叶变换，利用高通滤波器提取相位二值化图像中的特征，然后将得到的特征映射到对数极坐标，利用相位相关法求解两点云之间的转换得到相似度。
[0028]
更进一步的，采用汉明距离表示待匹配的激光雷达点云帧的相位二值化图像与候选库中雷达点云帧的相位二值化图像的相似度。
[0029]
更进一步的，一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序：所述的处理器执行所述的计算机程序时实现所述的方法的步骤。
[0030]
本发明的有益效果如下：
[0031]
本发明提出了一种激光雷达的点云相似度评价方法，首先将激光雷达点云数据库编码成向量后组建成k-d树；然后将待将匹配激光雷达点云帧输入k-d树进行快速的“一对多”筛选；从数据库中初步选出匹配的激光雷达点云帧构成候选库；而后将待匹配的激光雷达点云帧和候选库中激光雷达点云帧汇编成多位二进制图并提取特征进行“一对一”对比，得到相似度评价。本发明方法简单，实现容易，能解决现有技术缺少计算量小，精度高、同时
可以进行“一对多”对比匹配的计算激光雷达点云相似度方法的问题。
附图说明
[0032]
图1是本发明的流程示意图。
[0033]
图2是本发明的一维向量和多位二进制图的分别对应的几何特征图。
[0034]
图3是本发明将几何特征编汇为一维向量和多位二进制图的转换图例。
具体实施方式
[0035]
下面结合附图和具体实施方式对本发明做详细描述。
[0036]
实施例1
[0037]
如图1所示，一种激光雷达的点云相似度评价方法所述的方法，其包括以下步骤：
[0038]
s1：将数据库中的激光雷达点云帧的几何信息分别编码到对应的一维向量中；利用所述一维向量构建k-d树；
[0039]
s2：将待匹配的激光雷达点云帧对应的一维向量输入到k-d树种进行最近邻搜索，得到与待匹配激光雷达点云帧帧一维向量数值接近的一维向量，并将其对应的数据库中的激光雷达点云帧组成候选库；
[0040]
s3：计算待匹配的激光雷达点云帧的点云编码值，和每个候选库中激光雷达点云帧的点云编码值，并分别将每个点云编码值编汇成其对应的多位二进制图；
[0041]
s4：分别对多位二进制图进行特征提取得到相位二值化图像；
[0042]
s5：将待匹配的激光雷达点云帧的相位二值化图像与候选库中雷达点云帧的相位二值化图像进行相似度检测。
[0043]
本实施了采用两个描述子用于表达两帧激光雷达点云帧的相似度。将步骤s1～s2称为粗匹配描述子，它可以快速“一对多”搜索数据库中与当前帧的空间特征相似的环闭候选帧。步骤s3～步骤s5被称为精匹配描述子，它可以“一对一”量化两个激光雷达云帧对应详细几何特征之间的相似性，并从数据库中选择最相似的匹配对。
[0044]
如图2所示，在步骤s1之前，先构建以激光雷达的质点为圆心，l
max
为半径的圆进行范围检测；所述的圆被分成nr个同心圆环，每个圆环的宽度为然后，每个圆环被均分成ns个弧度为个扇形；至此，把激光雷达的探测区域划分成nr×ns
个区域扇形。
[0045]
步骤s1，将数据库中的激光雷达点云帧的几何信息分别编码到对应的一维向量中，具体如下：
[0046]
s101：输入一个激光雷达点云，将该激光雷达点云投影到x-o-y平面产生投影点，所述的投影点被划分到对应的扇形区域中；
[0047]
s102：对于每个扇形区域，选取扇形区域中最高点的z值作为编码值，
[0048]
将有投影点的扇形区域编码为1，将没有投影点的扇形区域编码为0；s103：定义一个函数将每个圆环转换为一个实数：所述实数被整合为所述的一维向量如图2所示，所述的一维向量的元素是每个环的编码值(如图2中a)。
[0049]
所述的一维向量的表达式为：
[0050][0051]
其中，其中代表第n个扇形区域的最高点，
[0052]
∈{1、2、
…
、ns}；所述的一维向量被称为ringvector。
[0053]
步骤s3，所述的点云编码值计算如下：将每个扇形区域内的最高点与最低点之间的高度差均分为n＝8段；如果段内存在投影点，该段标记为1，否则标记为0，由此形成一个8位二进制数；将8二进制数转换为十进制得到位二进制数；将8二进制数转换为十进制得到为该扇形区域的点云编码值。在具体实施中，可根据所处环境的具体精度要求选择扇形区域高度差均分的段数，例如，还可以设置n＝16或4。
[0054]
计算出所有扇形区域对应的点云编码值后，将它们组成一张nr×ns
的8位二进制图，该图被称为lidar-iris image。
[0055]
步骤s4，具体如下：
[0056]
s401：利用离散傅里叶变换将8位二进制图从空间域变换到频域；
[0057]
s402：将变换后的图像与log-gabor滤波器的频谱在频域相乘，再通过离散傅里叶逆变换得到滤波后的结果图像，所述的结果图像是一个复矩阵；
[0058]
s403：将复矩阵转换为相位二值化图像和幅度二值化图像来表达8位二进制图的纹理特征。具体的，其中所述的相位二值化图像表示纹理，而所述的幅度二值化图像表示变化的强度。
[0059]
在步骤s403之后，对相位二值化图像进行快速傅里叶变换，利用高通滤波器提取相位二值化图像中的特征，然后将得到的特征映射到对数极坐标，利用相位相关法求解两点云之间的转换从而得到具体的相似度。
[0060]
在本实施例中，本实施例首先通过slam系统的回环检测模块将激光雷达点云数据库编码成向量后组建成k-d树；然后将待将匹配激光雷达点云帧输入k-d树进行快速的“一对多”筛选，从数据库中初步选出匹配的激光雷达点云帧构成候选库；而后将待匹配的激光雷达点云帧和候选库中激光雷达点云帧汇编成多位二进制图并通过log-gabor滤波器提取特征，然后通过相位相关法进行“一对一”对比，得到以汉明距离为单位的相似度评价，并做出匹配判断。本发明方法简单，实现容易，能够保证精度的同时可靠的解决现有技术缺少计算量小，精度高、同时可以进行“一对多”对比匹配的计算激光雷达点云相似度方法的问题。
[0061]
实施例2
[0062]
一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述的处理器执行所述的计算机程序时，实现的方法步骤如下：
[0063]
s1：将数据库中的激光雷达点云帧的几何信息分别编码到对应的一维向量中；利用所述一维向量构建k-d树；
[0064]
s2：将待匹配的激光雷达点云帧对应的一维向量输入到k-d树种进行最近邻搜索，得到与待匹配激光雷达点云帧帧一维向量数值接近的一维向量，并将其对应的数据库中的激光雷达点云帧组成候选库；
[0065]
s3：计算待匹配的激光雷达点云帧的点云编码值，和每个候选库中激光雷达点云帧的点云编码值，并分别将每个点云编码值编汇成其对应的多位二进制图；
[0066]
s4：分别对多位二进制图进行特征提取得到相位二值化图像；
[0067]
s5：将待匹配的激光雷达点云帧的相位二值化图像与候选库中雷达点云帧的相位二值化图像进行相似度检测。
[0068]
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。