[发明专利]一种基于平面特征约束的LiDAR点云无初值配准方法

说明书

本发明公布了一种基于平面特征约束的LiDAR点云无初值配准方法，本发明采用四参数法实现了三维空间中平面特征的表达，以配准后相邻测站同名平面特征的参数相等作为约束条件，依据最小二乘准则构建了平面特征约束下基于对偶四元数描述的三维空间相似变换目标函数，并通过对目标函数的极值分析实现了配准参数的无初值求解。平面特征的四参数表达为同名特征的比较提供了更加简单与有效的方式；较之于向量代数，基于对偶四元数描述的空间相似变换模型其表达形式更加简洁，配准过程中的附加约束条件更少；较之于迭代法，本专利算法在无需事先确定空间相似变换模型参数初值的前提下实现了参数的直接求解，算法的稳定性更好、可靠性更高。

技术领域

本发明具体涉及一种基于平面特征约束的LiDAR点云无初值配准方法。

背景技术

激光雷达(LiDAR)凭借其快速、高效、高精度等优良特性，为全面、真实、快速、准确地再现地理空间实体及其环境信息提供了可靠的数据保证。然而，源于地理实体的空间复杂度普遍较高，而LiDAR传感器的视觉面通常较窄等原因，为了获取能够全面表征地理实体及其周边地物的表面特征数据，基于地面LiDAR技术的空间三维数据采集方法通常需要沿着多个不同的视向瞄准对象，采集能够描述目标地理实体及其周边地物表面特征的LiDAR点云数据，并基于点云配准算法将原本各自独立的测站拼接到一起，以实现对地理实体及其周边环境信息的全面表达。

LiDAR点云配准的实质，是寻求并确立相邻测站LiDAR点云之间的特征对应关系，基于空间相似变换模型对相邻测站坐标基准间的相对位置关系进行描述，解算用于描述两坐标基准间相对位置关系的旋转、缩放与平移参数，进而实现不同测站坐标系之间的相互转换以及坐标基准的统一。当前，LiDAR点云配准中常用的模型参数求解方法是把空间相似变换公式采用多元函数的泰勒公式展开，并对其实施线性化处理，进而基于迭代的方式来实现空间相似变换参数的求解。然而，迭代法其自身存在如下不足：1)需要事先确定变换参数的初值，并据此实现非线性目标函数模型的线性化，初值选择不当，则可能会造成结果的不正确或函数的不收敛；2)受线性化过程的约束，此类方法本质上仅适用于小转角坐标变换的情况，在LiDAR点云的配准过程中，若不能提供两坐标系统之间的相似变换模型参数初值，或提供的相似变换模型参数初值不够理想，计算结果的正确性与可靠性将受到严重影响。相比较而言，解析法通过最优化误差函数来计算得到空间相似变换模型的参数，避免了初值计算以及由此带来的迭代收敛性问题，因此，研究LiDAR点云配准的解析求解方法(又称直接求解方法或直接法)有着重要的意义。

现有的LiDAR点云配准的解析求解算法中，根据点云配准算法中旋转变换过程的数学描述方法不同，可以将其分为3类：1)利用向量代数来实现旋转变换过程的描述，并基于旋转矩阵的正交化和奇异值分解(Single Value Decomposition，简称SVD)来实现变换参数的直接求解方法；2)基于单位四元数来实现旋转变换过程的描述，并基于此实现的变换参数的直接求解方法；3)基于对偶四元数来实现旋转变换过程的描述，并基于此实现的变换参数的直接求解方法。其中，单位四元数仅利用4个参数即可实现旋转变换过程的简洁描述，较之于向量代数法(利用旋转矩阵或旋转角对旋转变换过程进行描述)，计算更为简单，然而，在求解空间相似变换参数的过程中，平移向量的计算是建立在旋转变换参数结果的基础之上，因此，结果的精度在一定程度上将受到旋转变换参数的影响，且这种影响存在误差传递和累积现象；相比较之下，对偶四元数可实现旋转与平移参数的直接描述，旋转与平移的参数求解过程之间不存在任何相关性，因此，近年来有关其在LiDAR点云配准及其相关应用中的研究受到密切关注。