[发明专利]一种基于正态分布变换假设校验的点云配准优化方法

说明书

本发明提出了一种基于NDT假设校验的点云配准优化方法，包括以下步骤：获取参考点云，对参考点云进行立体栅格划分并计算每个栅格内点云的正态分布参数；构建栅格内点云的局部目标函数来计算NDT假设的校验指标δ；设计转换函数将δ转为立体栅格在全局目标函数中的权重，当得到目标点云后，根据其三维坐标计算其所属栅格得到对应的权重，并代入全局目标函数中；最后，通过求解带权重的全局目标函数得到点云配准结果。采用本发明的方法，可以通过目标点云的权重来辅助全局目标函数收敛到参考点云和目标点云更加重合的状态，提高点云配准的稳定性和准确性。

技术领域

本发明属于点云配准技术领域，具体涉及一种基于正态分布变换假设校验的点云配准优化方法。

背景技术

点云数据是指在一个三维坐标系中的一组向量的集合，向量中除了三维坐标以外，还可以包含颜色、时间，反射强度等信息。点云一般由激光雷达、深度相机等设备对周围环境扫描后得到。在移动机器人领域，通常会用点云来代表机器人周围场景的表面几何形状。

点云配准是指：将目标点云通过三维空间中的旋转和平移运动转换到参考点云的坐标系下，原本在不同时刻或视角下的目标点云和参考点云统一成一个完整的点云。点云配准是移动机器人建图和定位功能的重要组成部分，决定着机器人运动时的稳定性和准确性。

瑞典厄勒布鲁大学的Martin Magnusson博士^[1]首先提出了原版的应用于三维点云配准的NDT算法，他假设局部点云的三维几何形状符合多元正态分布，在立体栅格内计算出局部点云的均值和协方差矩阵后，将原本离散分布的点云转换为了具有一阶和二阶导数的正态分布表示；然后，他基于正态分布变换设计了用于表征参考点云和目标点云配准状态的全局目标函数，并利用列文伯格-马夸尔特算法求解全局目标函数得到了点云配准结果。但原版NDT点云配准算法的预设使用设备主要是地下的采矿机器人，地下矿洞的几何表面通常拥有较多连续的线、面特征，并且分布均匀，因此矿洞所对应的点云数据更符合NDT中点云正态分布的假设。但是，随着NDT点云配准算法越来越多地应用到地面或空中机器人上，原有的栅格内局部点云符合正态分布的假设，已经无法涵盖自然界各种物体的三维表面形状，导致了原版NDT算法在某些杂乱场景中无法进行稳定点云配准。

日本东京大学的Ehsan Javanmardi^[2]认为原版NDT点云配准中，立体栅格的尺寸大小无法根据环境的变化自适应调节，当栅格尺寸较大时，栅格的NDT参数可以表征较多的点云，降低了计算复杂度，但会忽略点云的细节信息，降低配准准确度；当栅格尺寸较小时，增加了地图的复杂度，提高了计算复杂度。因此他设计了10种评估因子，用于离线地确认每一个位置处的最佳栅格分辨率，降低地图复杂度的同时，也不影响点云配准精度。但是，这种方法需要在地图的每一个位置都重新计算一遍评估因子，步骤较复杂，仅适用于特定小型场景的点云配准。

[1] Martin Magnusson. The Three-Dimensional Normal-DistributionsTransform- an Efficient Representation for Registration,Surface Analysis, andLoop Detection[D]. Örebro: Örebro University, 2009。

[2] Javanmardi E , Javanmardi M , Y Gu, et al. Adaptive ResolutionRefinement of NDT Map Based on Localization Error Modeled by Map Factors[C].2018 IEEE International Conference on Intelligent Transportation Systems(ITSC). IEEE, 2018。

发明内容

为解决现有技术上述问题，本发明提出了一种基于正态分布变换假设校验的点云配准优化方法。本发明的技术构思是：