本發(fā)明涉及汽車電子領域，具體涉及一種無人駕駛車多激光雷達點云匹配方法、車輛、裝置、介質。

背景技術：

1、由于激光技術的不斷發(fā)展進步，三維激光掃描已成為新興的測量方式。相比于傳統(tǒng)的檢測方法，三維激光掃描可以快速獲取測量目標的三維坐標，并且能夠實現(xiàn)狹小區(qū)域、危險區(qū)域或高空區(qū)域的測量，這使得礦下的礦道檢測工作更加高效而輕松。無人礦卡上裝載激光雷達，前面兩個激光雷達相互間呈一定角度進行安裝，后激光雷達居中安裝，并且以同步測量的方式配合使用，能夠完成整個礦下礦道的全斷面數(shù)據(jù)測量。激光雷達的測量數(shù)據(jù)基于傳感器自身的坐標系，而隧道線路的全斷面檢測數(shù)據(jù)以坐標系為基準進行觀察分析，應用多個激光雷達配合完成全斷面測量的情況，需要將多個激光雷達的點云進行匹配，由于礦下路況復雜多變，點云匹配不準會導致定位不準、障礙物距離探測不準等問題。對于安裝了激光雷達的無人礦卡，如何簡單快速地實現(xiàn)多激光雷達的點云高精度匹配，并滿足裝置定期校準的需求是裝置設備應用過程中面臨的難題。

技術實現(xiàn)思路

1、為解決現(xiàn)有無人駕駛礦車多個激光雷達的點云匹配效率低、匹配不準的問題，本發(fā)明提供一種無人駕駛車多激光雷達點云匹配方法、車輛、裝置、介質，可以簡單快速地實現(xiàn)多激光雷達的點云高精度匹配，并滿足裝置定期校準的需求。

2、本發(fā)明第一方面提供一種無人駕駛車多激光雷達點云匹配方法，包括：

3、獲取各激光雷達的點云；

4、將各點云中同一豎直平面的特征點分別擬合成一條基準直線，判斷是否所有基準直線重合；

5、若否，則根據(jù)各點云中同一標志物的特征點對點云進行初始配準，再進行精確配準，直至所有基準直線重合。

6、結合本發(fā)明的第一方面，在一些實施方式中，根據(jù)各點云中同一標志物的特征點對點云進行初始配準，包括：

7、將同一標志物在不同點云中重合的特征點劃分為線特征點集和面特征點集；

8、根據(jù)線特征點集或面特征點集確定相關點云的匹配參數(shù)；

9、利用點云匹配參數(shù)對相關點云進行初始配準。

10、結合本發(fā)明的第一方面，在一些實施方式中，根據(jù)線特征點集和面特征點集確定點云匹配參數(shù)包括：

11、根據(jù)線特征點集確定x坐標、y坐標和航向角；

12、根據(jù)面特征點集確定z坐標和俯仰角。

13、結合本發(fā)明的第一方面，在一些實施方式中，無人駕駛車包括設置于車輛前方的左前激光雷達和右前激光雷達，以及設置于車輛后方中間的后激光雷達；根據(jù)線特征點集和面特征點集確定點云匹配參數(shù)，包括

14、根據(jù)同一標志物在前激光雷達和右前激光雷達的點云中重合的線特征點集確定x坐標、y坐標和航向角；

15、根據(jù)同一標志物在左前激光雷達點云、右前激光雷達點云、后激光雷達點的云中重合的面特征點集確定z坐標和俯仰角。

16、結合本發(fā)明的第一方面，在一些實施方式中，進行精確配準，包括：

17、以任意一點云為源點云進行采樣，獲得源點云子集；

18、以另一點云為目標點云，從源點云子集中獲取優(yōu)化子集，使優(yōu)化子集和目標點云的統(tǒng)計距離不大于閾值。

19、結合本發(fā)明的第一方面，在一些實施方式中，從源點云子集中獲取優(yōu)化子集，包括：

20、在目標點云中查找所述源點云子集中各點的最近點，以源點云子集中各點與其在目標點云中的最近點為點對，獲得源點云和目標點云的變換矩陣；

21、利用算法或限定條件去除錯誤的點對，然后優(yōu)化變換矩陣，并將優(yōu)化的變換矩陣作用于源點云子集，獲得優(yōu)化子集。

22、結合本發(fā)明的第一方面，在一些實施方式中，使優(yōu)化子集和目標點云的統(tǒng)計距離不大于閾值，包括：

23、判斷優(yōu)化子集和目標點云的統(tǒng)計距離是否不大于閾值；

24、當統(tǒng)計距離不大于閾值時，完成精確配準；

25、當統(tǒng)計距離大于閾值時，重新從源點云子集中獲取優(yōu)化子集。

26、本發(fā)明第二方面提供一種無人駕駛車多激光雷達點云匹配裝置，所述裝置包括：

27、獲取模塊，用于獲取各激光雷達的點云；

28、判斷模塊，用于將各點云中同一豎直平面的特征點分別擬合成一條基準直線，判斷是否所有基準直線重合；

29、配準模塊，用于在所述判斷模塊的判斷結果為否時，根據(jù)各點云中同一標志物的特征點對點云進行初始配準，再進行精確配準，直至所有基準直線重合。

30、本發(fā)明第三方面提供一種無人駕駛車，所述無人駕駛車包括處理器、存儲器、以及存儲在所述存儲器上并可被所述處理器執(zhí)行的無人駕駛車多激光雷達點云匹配程序，其中所述無人駕駛車多激光雷達點云匹配程序被所述處理器執(zhí)行時，實現(xiàn)如上述無人駕駛車多激光雷達點云匹配方法的步驟。

31、本發(fā)明第四方面提供一種計算機可讀存儲介質，所述計算機可讀存儲介質上存儲有無人駕駛車多激光雷達點云匹配程序，其中所述無人駕駛車多激光雷達點云匹配程序被處理器執(zhí)行時，實現(xiàn)如上述無人駕駛車多激光雷達點云匹配方法的步驟。

32、本發(fā)明實施例提供的技術方案帶來的有益效果包括：

33、本發(fā)明將各點云中同一豎直平面的特征點分別擬合成一條基準直線，通過判斷是否所有基準直線重合來判斷所有點云是否高精度匹配，當點云未高精度匹配時，根據(jù)各點云中同一標志物的特征點對點云進行初始配準，再進行精確配準，解決了相關技術中無人駕駛礦車激光雷達點云匹配精度不高、匹配效率低的問題。

技術特征：

1.一種無人駕駛車多激光雷達點云匹配方法，其特征在于，包括：

2.根據(jù)權利要求1所述的無人駕駛車多激光雷達點云匹配方法，其特征在于：根據(jù)各點云中同一標志物的特征點對點云進行初始配準，包括：

3.根據(jù)權利要求2所述的無人駕駛車多激光雷達點云匹配方法，其特征在于：根據(jù)線特征點集和面特征點集確定點云匹配參數(shù)包括：

4.根據(jù)權利要求3所述的無人駕駛車多激光雷達點云匹配方法，其特征在于：無人駕駛車包括設置于車輛前方的左前激光雷達和右前激光雷達，以及設置于車輛后方中間的后激光雷達；根據(jù)線特征點集和面特征點集確定點云匹配參數(shù)，包括

5.根據(jù)權利要求1所述的無人駕駛車多激光雷達點云匹配方法，其特征在于：進行精確配準，包括：

6.根據(jù)權利要求5所述的無人駕駛車多激光雷達點云匹配方法，其特征在于：從源點云子集中獲取優(yōu)化子集，包括：

7.根據(jù)權利要求6所述的無人駕駛車多激光雷達點云匹配方法，其特征在于：使優(yōu)化子集和目標點云的統(tǒng)計距離不大于閾值，包括：

8.一種無人駕駛車多激光雷達點云匹配裝置，其特征在于，所述裝置包括：

9.一種無人駕駛車，其特征在于，所述無人駕駛車包括處理器、存儲器、以及存儲在所述存儲器上并可被所述處理器執(zhí)行的無人駕駛車多激光雷達點云匹配程序，其中所述無人駕駛車多激光雷達點云匹配程序被所述處理器執(zhí)行時，實現(xiàn)如權利要求1至7中任一項所述的無人駕駛車多激光雷達點云匹配方法的步驟。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有無人駕駛車多激光雷達點云匹配程序，其中所述無人駕駛車多激光雷達點云匹配程序被處理器執(zhí)行時，實現(xiàn)如權利要求1至7中任一項所述的無人駕駛車多激光雷達點云匹配方法的步驟。

技術總結
本發(fā)明涉及一種無人駕駛車多激光雷達點云匹配方法、車輛、裝置、介質，該方法包括：獲取各激光雷達的點云；將各點云中同一豎直平面的特征點分別擬合成一條基準直線，判斷是否所有基準直線重合；若否，則根據(jù)各點云中同一標志物的特征點對點云進行初始配準，再進行精確配準，直至所有基準直線重合，所有基準直線重合即所有點云高精度匹配。該方法可以簡單快速地實現(xiàn)無人駕駛車多激光雷達的點云高精度匹配并滿足裝置定期校準的需求。

技術研發(fā)人員：劉瀟,張鵬,何凱
受保護的技術使用者：東風商用車有限公司
技術研發(fā)日：
技術公布日：2025/1/6