点云测量数据质量评估优化的方法及装置的制造方法
【技术领域】
[0001] 本发明涉及激光雷达设计领域，尤其涉及一种点云测量数据质量评估优化方法及 装置。
【背景技术】
[0002] 在无人车领域中，三维激光雷达(或者三维激光测距传感器)在无人车对环境进行 精确的、高密度的扫描中变得越来越重要。比起二维的激光雷达，三维激光雷达输出的立体 点75Γ能有效提尚各种算法的效率，例如：
[0003] 1.用于映射精细详尽的环境地图的算法；
[0004] 2.用于感应、归类、追踪场景中静态/动态物体的算法；
[0005] 3.用于恢复车辆行驶的轨迹/对车辆进行定位的算法。
[0006] 比较常见的高性能三维激光测距传感器的成本都很高，比如在无人驾驶领域应用 广泛的HDL-64E HDL-64E(以下简称HDL-64E)。为了提高激光数据的采集频率，每个HDL-64E 都安装了 64个独立的激光器，而不是像其它的激光雷达那样只安装了一个激光器，然后依 靠一个转动的镜片偏转激光光束实现扇面扫描。因此在每个激光器的数据采集频率一定的 情况下，HDL-64E采集的点云点数量高了 一个几何级。
[0007] 然而64个独立的激光器和高转速的机械结构也大大提高了成本，HDL-64E激光雷 达的参考售价高达$75000,远远超出一部普通的轿车的价格，增加了无人车进入市场的门 槛。因此制造低成本高性能的激光雷达显得格外重要。
【发明内容】
[0008] 为此，需要提供一种点云测量数据优化方法，对简单的测量工具的点云数据质量 进tx评估优化。
[0009] 为实现上述目的，发明人提供了一种点云测量数据质量评估优化的方法，包括如 下步骤，获取点云测量数据，所述点云测量数据包括测量工具的外部校准参数和时间偏差 参数，对点云测量数据的来源位置的概率分布建立高斯混合模型，根据所述高斯混合模型 的熵建立价值函数，用价值函数对点云测量数据的质量进行评估；
[0010]优化价值函数的评估分数，得到最优时间偏差参数;根据最优时间偏差参数优化 外部校准参数，得到最优外部校准参数。
[0011] 其中，所述测量工具包括声呐雷达、光学雷达等多种环境探测工具。
[0012] 具体地，用价值函数对点云质量进行评估，所述价值函数为：
[0013]
[0014]其中f是点云测量数据，G为高斯分布，σ2Ι为协方差。
[0015] 具体地，用价值函数对点云质量进行评估，所述价值函数为：
[0016]
[0017] 其中f是点云测量数据，G为高斯分布，。21为协方差。
[0018] 进一步地，所述高斯混合模型的参数〇2为系统调优参数，所述方法还包括步骤，用 最优时间偏差参数和最优外部校准参数作为初始值，对系统调优参数进行优化，得到最优 系统调优参数。
[0019] 具体地，所述外部校准参数包括激光雷达激光发射点与旋转中心的距离、激光雷 达扫描平面与转动平面正切向量的夹角或不同激光雷达的不同激光发射点与旋转中心连 线的夹角。
[0020] 优选地，"对点云测量数据可能来源位置的概率分布建立高斯混合模型"包括步 骤，对点云测量数据可能来源位置的概率分布用核密度估计进行近似计算，在每一个来源 位置数据点上建立一个高斯核函数，将点云测量数据可能来源位置的概率分布表示为高斯 混合模型。
[0021] 一种点云测量数据质量评估优化的装置，包括点云数据模块、高斯模型构建模块、 评估模块、时间偏差优化模块、外部校准优化模块，
[0022] 所述点云数据模块用于获取点云测量数据，所述点云测量数据包括测量工具的外 部校准参数和时间偏差参数；
[0023] 所述高斯模型构建模块用于对点云测量数据的来源位置的概率分布建立高斯混 合模型，
[0024] 所述评估模块用于根据所述高斯混合模型的熵建立价值函数，用价值函数对点云 测量数据的质量进行评估；
[0025] 所述时间偏差优化模块用于优化价值函数的评估分数，得到最优时间偏差参数；
[0026] 所述外部校准优化模块用于根据最优时间偏差参数优化外部校准参数，得到最优 外部校准参数。
[0027] 具体地，所述评估模块用价值函数对点云质量进行评估，所述价值函数为：
[0028]
[0029] 其中f是点云测量数据，G为高斯分布，〇21为协方差。
[0030] 具体地，所述评估模块用价值函数对点云质量进行评估，所述价值函数为：
[0031]
[0032] 其中X是点云测量数据，G为高斯分布，σ2Ι为协方差。
[0033 ]进一步地，所述高斯混合模型的参数σ2为系统调优参数，
[0034]所述高斯模型构建模块还用于用最优时间偏差参数和最优外部校准参数作为初 始值，对系统调优参数进行优化，得到最优系统调优参数。
[0035]具体地，所述外部校准参数包括激光雷达激光发射点与旋转中心的距离、激光雷 达扫描平面与转动平面正切向量的夹角或不同激光雷达的不同激光发射点与旋转中心连 线的夹角。
[0036]优选地，所述高斯模型构建模块还用于，对点云测量数据可能来源位置的概率分 布用核密度估计进行近似计算，在每一个来源位置数据点上建立一个高斯核函数，将点云 测量数据可能来源位置的概率分布表示为高斯混合模型。
[0037]区别于现有技术，上述技术方案通过定义了测量工具点云测量数据的评估方法， 量化了点云测量数据质量好坏，并且提供了参数优化方法，解决了现有技术中某些测量工 具尤其是点云测量数据质量不够好的问题。
【附图说明】
[0038]图1为本发明【具体实施方式】所述的一种三维激光雷达示意图；
[0039]图2为本发明【具体实施方式】所述的一种三维激光雷达探测方法流程图；
[0040]图3为本发明【具体实施方式】所述的三维激光雷达外部参数示意图；
[0041 ]图4为本发明【具体实施方式】所述的时钟间匹配示意图；
[0042]图5为本发明【具体实施方式】所述的点云测量数据质量评估优化方法流程图；
[0043]图6为本发明【具体实施方式】所述的激光雷达点云示意图；
[0044] 图7为本发明【具体实施方式】所述的价值曲线等值面图；
[0045] 图8为本发明【具体实施方式】所述的自由参数选择示意图；
[0046] 图9为本发明【具体实施方式】所述的自由参数-价值曲线变化示意图；
[0047] 图10为本发明【具体实施方式】所述的三维激光雷达探测装置模块图；
[0048]图11为本发明【具体实施方式】所述的点云测量数据质量评估优化装置模块图。
[0049] 附图标记说明：
[0050] 1000、数据获取模块；
[0051 ] 1002、模型构建模块；
[0052] 1004、点云计算模块；
[0053] 1006、脉冲计算模块；
[0054] 1008、时钟偏差计算模块；
[0055] 1010、位置读数计算模块；
[0056] 1012、匹配模块；
[0057] 1100、点云数据模块；
[0058] 1102、高斯模型构建模块；
[0059] n 〇4、评估模块；
[0060] 1106、时间偏差优化模块；
[00611 1108、外部校准优化模块。
【具体实施方式】
[0062] 为详细说明技术方案的技术内容、构造特征、所实现目的及效果，以下结合具体实 施例并配合附图详予说明。
[0063] 一、概述 [0064] 本文描述了：
[0065] 1.-种低成本高性能的三维激光雷达的设计、结构。
[0066] 2.这种雷达进行测量/数据采集的数学模型，以及模型所包括的参数的调试过程。
[0067] 3.对于几个不同部件上不同的时钟的偏移的估计的算法。
[0068] 4. -种通过最大化每个数据点概率分布的熵值，自动搜寻最优模型参数的方法， 达到自动校准的目的。这种方法也可以用于任何激光雷达输出的点云质量的好坏。
[0069]