[发明专利]动态环境下基于激光雷达的点云配准方法

权利要求书

1.动态环境下基于激光雷达的点云配准方法，其特征在于，包括如下步骤：

步骤1，读取k时刻每个激光雷达线上的激光点云信息，并将每个激光雷达线上的激光点云平均划分为N_b段，对每一段进行特征点筛选，从而得到k时刻对应的特征点集合；

步骤2，基于先验信息的随机采样一致性方法迭代获取k时刻最优内点集以及[k+1,k]时刻之间的转移矩阵；具体过程如下：

步骤21，设置参数，包括最大迭代次数K_s，内点集内点集内点个数第l段激光点云B_k,l中的内点集内点个数内点比重阈值T_better，一致集一致集内点个数第l段激光点云B_k,l中的一致集内点个数一致集评分s_best，最优内点集最优内点集内点个数第l段激光点云B_k,l中的最优内点集内点个数

初始化K_s＝∞，T_better＝60％，s_best＝0，

步骤22，获取k时刻激光点云先验点集D_k，当k＝0时，每个B_k,l随机选取一个激光点，构成先验点集D₀；当k≠0时，根据k-1时刻计算得到解算模型参数的先验点集D_k；令迭代次数K＝0；

步骤23，在先验点集D_k中随机抽样3个点，记为a、b、c，通过kNN算法在P_k+1中搜索与a最邻近的点a′、与b最邻近的点b′、与c最邻近的点c′，组成3个点对，P_k+1为k+1时刻对应的特征点集合，利用SVD方法计算[k+1,k]时刻之间的转移矩阵T_k+1,k；

步骤24，对于k时刻对应的特征点集合P_k＝{p_k,r}，预测k+1时刻各特征点p_k,r的坐标通过kNN算法在P_k+1中搜索与p_k,r最邻近的点，其坐标记为x_k+1,r，计算x_k+1,r到的欧式距离d_k,r，设置距离阈值L₁，若d_k,r＞L₁，则将点p_k,r加入并更新

步骤25，计算k时刻内点所占比重T_count，当T_count＞T_better时，更新一致集为否则不更新；

步骤26，计算内点分布的权重协方差矩阵C，以及内点分布评分s，当s＞s_best时，更新s_best＝s，并更新最优内点集为

步骤27，若K＜K_s，则K＝K+1并返回步骤23，否则迭代结束，输出最优内点集及转移矩阵T_k+1,k；

步骤3，根据最优内点集采用LM方法重新解算转移矩阵；

步骤4，计算k时刻B_k,l中内点比重，根据B_k,l中内点比重计算得到k+1时刻解算模型参数的先验信息，包括先验点集D_k+1和先验采样概率p_k+1,l；

步骤5，进入k+1时刻，重复步骤1-步骤4。