亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        雙重下采樣增強(qiáng)的點(diǎn)云改進(jìn)配準(zhǔn)算法研究 *

        2023-05-04 10:06:58陳仲生李潮林侯幸林
        汽車工程 2023年4期
        關(guān)鍵詞:源點(diǎn)體素位姿

        陳仲生,李潮林,左 旺,侯幸林

        (1.常州工學(xué)院汽車工程學(xué)院,常州 213032;2.湖南工業(yè)大學(xué)電氣與信息工程學(xué)院,株洲 417002)

        前言

        目前自動(dòng)駕駛的4 大關(guān)鍵技術(shù)包括感知技術(shù)、決策技術(shù)、路徑規(guī)劃和運(yùn)動(dòng)控制,其中環(huán)境感知是智能車輛自主行駛的基礎(chǔ)和前提。特別是在自動(dòng)駕駛環(huán)境感知系統(tǒng)中,如何獲取高精度實(shí)時(shí)路況數(shù)據(jù)是決定自動(dòng)駕駛系統(tǒng)行車安全的關(guān)鍵。近年來(lái),激光雷達(dá)、毫米波雷達(dá)等先進(jìn)傳感器技術(shù)正成為汽車自動(dòng)駕駛領(lǐng)域的重要感知手段,其輸出的點(diǎn)云已成為描述車輛所處三維世界的主要數(shù)據(jù)格式[1]。但是實(shí)際應(yīng)用中,受傳感器視場(chǎng)角限制,單個(gè)傳感器往往只能獲得有限視野范圍內(nèi)的點(diǎn)云,需要采用配準(zhǔn)算法才能生成完整場(chǎng)景的三維點(diǎn)云,以便支持后續(xù)的物體識(shí)別、分類及路徑規(guī)劃。點(diǎn)云配準(zhǔn)就是估計(jì)兩幀掃描點(diǎn)云之間的變換矩陣,將不同條件下采集的點(diǎn)云數(shù)據(jù)變換到同一坐標(biāo)系下,實(shí)現(xiàn)點(diǎn)云數(shù)據(jù)的拼接或融合以獲得完整的3D 數(shù)字模型,它是自動(dòng)駕駛點(diǎn)云數(shù)據(jù)處理不可缺少的重要前序步驟[2]。

        點(diǎn)云配準(zhǔn)也是計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱點(diǎn)之一。Huang 等[3]對(duì)點(diǎn)云配準(zhǔn)研究進(jìn)展進(jìn)行了綜述與展望,根據(jù)采集設(shè)備類型分為同源點(diǎn)云配準(zhǔn)和跨源點(diǎn)云配準(zhǔn),根據(jù)發(fā)展階段分為傳統(tǒng)的配準(zhǔn)方法和基于學(xué)習(xí)的配準(zhǔn)方法。傳統(tǒng)點(diǎn)云配準(zhǔn)方法主要基于優(yōu)化思想,包含粗配準(zhǔn)和精配準(zhǔn)兩個(gè)階段:點(diǎn)云粗配準(zhǔn)目的是對(duì)任意初始位置的兩個(gè)點(diǎn)云進(jìn)行粗略的配準(zhǔn)使其大致對(duì)齊,為后續(xù)精配準(zhǔn)提供良好的初始位置,主要包括基于全局搜索思想的配準(zhǔn)和基于幾何特征描述的配準(zhǔn)兩大類算法;精配準(zhǔn)是在粗配準(zhǔn)的基礎(chǔ)上,進(jìn)行更精確、更細(xì)化的配準(zhǔn)?;趯W(xué)習(xí)的配準(zhǔn)方法是從點(diǎn)云數(shù)據(jù)中學(xué)習(xí)出三維特征實(shí)現(xiàn)配準(zhǔn),其不足是需要大量訓(xùn)練數(shù)據(jù),對(duì)于未知場(chǎng)景配準(zhǔn)性能較差[3],這在自動(dòng)駕駛這種實(shí)時(shí)性要求高、未知場(chǎng)景多的應(yīng)用場(chǎng)合中存在較大的局限性。

        應(yīng)用最廣的點(diǎn)云精配準(zhǔn)算法是Besl 和Mckay[4]提出的迭代最近點(diǎn)(iterative closest point,ICP)算法,但它對(duì)點(diǎn)云初始位置要求較高,需要兩個(gè)點(diǎn)云的重疊度高且數(shù)據(jù)量相近,否則容易陷入局部最優(yōu)解,而且存在迭代速度慢、配準(zhǔn)時(shí)間長(zhǎng)等不足;Magnusson等[5]提出了另一種經(jīng)典的正態(tài)分布變換(normal distributions transform,NDT)配準(zhǔn)算法,NDT 算法的配準(zhǔn)效果與ICP 算法相似,其改進(jìn)實(shí)質(zhì)等同于將ICP算法柵格化。可以看出,ICP、NDT 算法及其變體大多需要點(diǎn)云初始位置大致對(duì)齊,這種簡(jiǎn)單的點(diǎn)與點(diǎn)對(duì)應(yīng)導(dǎo)致魯棒性較差,為此人們開(kāi)始研究更加魯棒的對(duì)應(yīng),比如點(diǎn)對(duì)面、面對(duì)面和特征對(duì)特征,常見(jiàn)的點(diǎn)云特征描述有快速點(diǎn)特征直方圖(fast point feature histograms,F(xiàn)PFH)描述子、內(nèi)部形狀描述子(intrinsic shape signature,ISS)[6]、三維Harris 描述子(harris 3D,H3D)[7]等,其中ISS是一種表示立體幾何形狀的算法,具有豐富的幾何信息,用于關(guān)鍵點(diǎn)提取時(shí)具有快速、高效、穩(wěn)定等優(yōu)點(diǎn)。同時(shí),人們研究了不同的粗配準(zhǔn)算法,比如Aiger 等[8]提出的全等四點(diǎn)集(4-points congruent sets,4PCS)經(jīng)典粗配準(zhǔn)算法,不需要提供初始位姿就能為精配準(zhǔn)提供良好的初始位姿,缺點(diǎn)是計(jì)算速度慢;為此Mellado 等[9]提出了一種Super4PCS 算法,它在提取四點(diǎn)集的同時(shí)去除錯(cuò)誤的點(diǎn)集,降低了一定的時(shí)間復(fù)雜度。Super4PCS算法的特點(diǎn)是不需要初始位姿,但計(jì)算速度仍然不快,可以作為粗配準(zhǔn)算法為ICP 等精配準(zhǔn)算法提供良好的初始位姿。為了提高點(diǎn)云配準(zhǔn)的速度和正確率,近年來(lái)人們提出了不同的點(diǎn)云配準(zhǔn)增強(qiáng)方法。李仁忠等[10]將ISS 與ICP 算法結(jié)合,提高了ICP 算法的配準(zhǔn)精度,但仍然依賴初始位姿;宗曉萍和吳巖[11]提出一種基于FPFH 特征的ICP 改進(jìn)算法,可以提高配準(zhǔn)的精確度;單麗杰等[12]利用法向量夾角提取特征點(diǎn),提高ICP 算法的配準(zhǔn)速度;王月海等[13]采用自適應(yīng)體素網(wǎng)格濾波法對(duì)點(diǎn)云進(jìn)行處理,一定程度上提升了配準(zhǔn)效率;范強(qiáng)等[14]將H3D 與NDT 相結(jié)合,提升了配準(zhǔn)精度,但魯棒性不高。綜合來(lái)看,已有改進(jìn)ICP 配準(zhǔn)算法雖然在一定程度上提高了配準(zhǔn)精度和速度,但目前大多數(shù)4PCS 和ICP 變體算法仍無(wú)法滿足自動(dòng)駕駛等實(shí)時(shí)性要求高的應(yīng)用場(chǎng)合[15]。

        進(jìn)一步分析可知,限制4PCS 和ICP 及其變體算法配準(zhǔn)速度的主要原因在于尋找?guī)缀涡螤钕嗨频狞c(diǎn)集以及驗(yàn)證其變換矩陣均比較費(fèi)時(shí)。為此,本文引入點(diǎn)云雙重下采樣來(lái)快速減少點(diǎn)云數(shù)目,并融合ISS、Super4PCS 和ICP 算法的優(yōu)點(diǎn),研究一種改進(jìn)的快速點(diǎn)云配準(zhǔn)方法,其特點(diǎn)是采用雙重下采樣快速降低點(diǎn)云數(shù)據(jù),同時(shí)利用ISS 算法來(lái)優(yōu)化Super4PCS算法,降低時(shí)間復(fù)雜度,同時(shí)提供良好的初始位姿,以提高整個(gè)算法的配準(zhǔn)速度和精度,最后利用斯坦福點(diǎn)云數(shù)據(jù)集和自動(dòng)駕駛點(diǎn)云數(shù)據(jù)集進(jìn)行驗(yàn)證。

        1 改進(jìn)配準(zhǔn)算法的基本框架

        針對(duì)已有點(diǎn)云配準(zhǔn)算法存在速度低的問(wèn)題,本文提出的改進(jìn)型雙重下采樣增強(qiáng)的點(diǎn)云快速配準(zhǔn)算法基本框架如圖1 所示,主要包括以下3 個(gè)步驟:點(diǎn)云數(shù)據(jù)雙重下采樣、ISS-Super4PCS粗配準(zhǔn)和線性最小二乘優(yōu)化ICP 精配準(zhǔn)。在雙重下采樣階段,首先使用體素下采樣對(duì)原始點(diǎn)云數(shù)據(jù)進(jìn)行粗采樣,快速減少點(diǎn)云數(shù)目,然后使用基于法向量的鄰域夾角進(jìn)行精采樣,充分保留點(diǎn)云數(shù)據(jù)的原始特征;在粗配準(zhǔn)階段,首先提取雙重下采樣后兩個(gè)點(diǎn)云的ISS 特征點(diǎn),減少Super4PCS 算法的一致性4 點(diǎn)搜索范圍,然后基于ISS 特征點(diǎn)利用Super4PCS 算法求出粗配準(zhǔn)變換矩陣;在精配準(zhǔn)階段,利用線性最小二乘優(yōu)化ICP 配準(zhǔn)算法對(duì)粗配準(zhǔn)的結(jié)果進(jìn)一步優(yōu)化,實(shí)現(xiàn)精配準(zhǔn)。

        圖1 改進(jìn)型配準(zhǔn)算法基本框架

        上述點(diǎn)云配準(zhǔn)改進(jìn)算法的優(yōu)點(diǎn)在于:通過(guò)雙重下采樣操作可以快速減少點(diǎn)云的數(shù)據(jù)量,從而大大降低后續(xù)配準(zhǔn)過(guò)程的時(shí)間復(fù)雜度;同時(shí),保留了Super4PCS算法的魯棒性。因此,該算法同時(shí)具有魯棒性好、配準(zhǔn)精度高、配準(zhǔn)速度更快的優(yōu)點(diǎn)。

        2 點(diǎn)云數(shù)據(jù)雙重下采樣

        實(shí)際應(yīng)用中點(diǎn)云的數(shù)據(jù)量往往很大,直接進(jìn)行處理不僅計(jì)算量大,而且配準(zhǔn)效率低。為此本文提出對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行雙重下采樣,包括粗采樣和精采樣,以降低后續(xù)點(diǎn)云配準(zhǔn)的時(shí)間復(fù)雜度。

        2.1 基于體素下采樣的粗采樣

        已有研究表明,體素格濾波器在進(jìn)行向下采樣的同時(shí)不會(huì)破壞點(diǎn)云的數(shù)據(jù)結(jié)構(gòu)[16],故采用體素下采樣方法進(jìn)行粗采樣。體素下采樣是根據(jù)輸入點(diǎn)云數(shù)據(jù)創(chuàng)建一個(gè)三維的體素柵格,每個(gè)體素柵格用柵格內(nèi)全部點(diǎn)的質(zhì)心來(lái)表示,其計(jì)算表達(dá)式為

        式中:Xi、Yi、Zi分別是第i點(diǎn)的3 個(gè)坐標(biāo);m是體素柵格內(nèi)點(diǎn)的數(shù)量。

        2.2 基于鄰域點(diǎn)云法向夾角下采樣的精采樣

        體素下采樣雖然不破壞點(diǎn)云的數(shù)據(jù)結(jié)構(gòu),但是如果體素柵格過(guò)大就會(huì)損失點(diǎn)云的特征。為此,采用基于鄰域點(diǎn)云法向夾角的下采樣方法對(duì)粗采樣點(diǎn)進(jìn)行精采樣,進(jìn)一步減少點(diǎn)云數(shù)量,且保留點(diǎn)云原始特征。

        基于法向夾角的下采樣是計(jì)算一個(gè)點(diǎn)在一個(gè)鄰域內(nèi)與其他所有點(diǎn)法向夾角的平均值,如果該均值大于設(shè)置的閾值,則認(rèn)為該點(diǎn)是特征點(diǎn),需要保留,計(jì)算公式為

        式中:θ是平均夾角;m是鄰域內(nèi)所有點(diǎn)的數(shù)量;α是選取點(diǎn)的法向量;β是鄰域內(nèi)其他點(diǎn)的法向量。需要指出的是,這里閾值的選取是精采樣中的重要環(huán)節(jié),需要考慮兩個(gè)因素:一是后續(xù)配準(zhǔn)速度要求精采樣后的點(diǎn)數(shù)不能太多,故閾值不能過(guò)大;二是后續(xù)配準(zhǔn)精度要求精采樣后的點(diǎn)數(shù)不能太多,故閾值不能過(guò)小。但目前如何具體設(shè)置閾值仍缺乏統(tǒng)一標(biāo)準(zhǔn),往往需要針對(duì)實(shí)際點(diǎn)云數(shù)據(jù)大小及其配準(zhǔn)性能要求采用嘗試方式來(lái)確定。

        3 改進(jìn)配準(zhǔn)算法設(shè)計(jì)

        3.1 ISS-Super4PCS粗配準(zhǔn)

        由于Super4PCS 算法對(duì)初始位姿具有很好的魯棒性,故選用它進(jìn)行粗配準(zhǔn)。但為了保留點(diǎn)云的原始特征信息,雙重下采樣后的點(diǎn)云數(shù)據(jù)不可能降到最低,直接進(jìn)行配準(zhǔn)計(jì)算量仍然較大。針對(duì)此問(wèn)題,常用的解決方法是提取特征點(diǎn)集后再進(jìn)行配準(zhǔn),可以大幅減少點(diǎn)云數(shù)量、降低時(shí)間復(fù)雜度。特別是在常見(jiàn)的幾種特征描述子中,ISS 具有豐富的幾何信息,有利于提高點(diǎn)云配準(zhǔn)精度。為此本文提出將ISS和Super4PCS 結(jié)合起來(lái)進(jìn)行粗配準(zhǔn),其改進(jìn)之處在于引入ISS 算法將下采樣后的初始點(diǎn)云縮減到ISS特征點(diǎn)集,使得Super4PCS 粗配準(zhǔn)在特征點(diǎn)集上進(jìn)行,可以大大縮短四點(diǎn)對(duì)提取和匹配時(shí)間。

        3.1.1 ISS特征點(diǎn)提取

        針對(duì)雙重下采樣后的點(diǎn)云數(shù)據(jù),ISS特征點(diǎn)提取的主要步驟如下。

        (1)對(duì)每一個(gè)點(diǎn)Pi設(shè)定一個(gè)搜索半徑r。

        (2)計(jì)算查詢點(diǎn)Pi與鄰域內(nèi)各點(diǎn)的歐氏距離,并設(shè)定權(quán)值Wij,權(quán)值表達(dá)式為

        (3)計(jì)算每個(gè)查詢點(diǎn)Pi與鄰域內(nèi)所有點(diǎn)的協(xié)方差矩陣cov(Pi):

        3.1.2 Super4PCS粗配準(zhǔn)

        與已有方法不同,這里Super4PCS 粗配準(zhǔn)是在ISS特征點(diǎn)集上進(jìn)行的。記點(diǎn)云P、Q分別為源ISS特征點(diǎn)集和目標(biāo)ISS 特征點(diǎn)集,則Super4PCS 粗配準(zhǔn)主要步驟如下。

        (1)在源ISS 特征點(diǎn)集中選取4 個(gè)共面不共線的4 個(gè)點(diǎn)a、b、c、d作為點(diǎn)基(必須是P、Q重疊區(qū)域中的點(diǎn)),且ab和cd相交于點(diǎn)e,夾角為θ,利用式(6)計(jì)算兩個(gè)比率和兩個(gè)點(diǎn)距。

        對(duì)于Q中每個(gè)點(diǎn)qi,以它為球心分別以λ1、λ2半徑做球面,設(shè)置閾值ε、qi與球面[λ1-ε,λ1+ε]范圍內(nèi)的點(diǎn)滿足S1,qi與球面[λ2-ε,λ2+ε]范圍內(nèi)的點(diǎn)滿足S2。

        (3)針對(duì)S1和S2中的每個(gè)對(duì)點(diǎn),連線并存儲(chǔ)對(duì)應(yīng)的方向向量角,再基于仿射不變性原理分別計(jì)算由比率r1、r2確定的交點(diǎn)e1、e2。

        (4)在S1和S2中搜索與e1、e2近似對(duì)等的點(diǎn),且兩點(diǎn)對(duì)連線的夾角近似等于θ,則在目標(biāo)ISS 特征點(diǎn)集中找到點(diǎn)基對(duì)應(yīng)的四點(diǎn)集。

        (5)根據(jù)對(duì)應(yīng)點(diǎn)集和點(diǎn)基計(jì)算變換矩陣T,利用T對(duì)源ISS 特征點(diǎn)進(jìn)行變換,統(tǒng)計(jì)變換后的點(diǎn)云與目標(biāo)ISS 特征點(diǎn)集中最近點(diǎn)距離小于某個(gè)閾值δ的點(diǎn)的數(shù)目,該數(shù)目表征T的質(zhì)量。迭代進(jìn)行上述4個(gè)步驟,直至找到最優(yōu)的T使得兩個(gè)ISS特征點(diǎn)集足夠接近,此時(shí)T即是粗配準(zhǔn)的結(jié)果。

        3.2 線性最小二乘優(yōu)化ICP精配準(zhǔn)

        經(jīng)過(guò)ISS-Super4PCS粗配準(zhǔn)后,源點(diǎn)云和目標(biāo)點(diǎn)云具有良好的初始位姿,再采用點(diǎn)到面ICP 算法進(jìn)行精配準(zhǔn),可以減少對(duì)點(diǎn)云初始位姿的依賴,提高配準(zhǔn)精度。具體來(lái)說(shuō),就是將雙重下采樣后的點(diǎn)云(以下稱D-源點(diǎn)云和D-目標(biāo)點(diǎn)云)和粗配準(zhǔn)變換矩陣T輸入到ICP 配準(zhǔn)算法中,用于源點(diǎn)云與目標(biāo)點(diǎn)云的精配準(zhǔn)。

        經(jīng)典的點(diǎn)到面ICP 配準(zhǔn)算法中常使用非線性最小二乘法來(lái)求解,但當(dāng)兩個(gè)點(diǎn)云之間相對(duì)旋轉(zhuǎn)角度小于30°時(shí),可以采用線性最小二乘優(yōu)化逼近非線性最小二乘優(yōu)化。本文中經(jīng)過(guò)上述粗配準(zhǔn)后,D-源點(diǎn)云與D-目標(biāo)點(diǎn)云之間的位置已經(jīng)非常接近,相對(duì)旋轉(zhuǎn)角度可近似為0,為此本文采用了線性最小二乘優(yōu)化求解方法,它不但可以加快ICP 配準(zhǔn)速度,而且可以進(jìn)一步提高配準(zhǔn)精度。具體步驟如下。

        (1)利用粗配準(zhǔn)變換矩陣T對(duì)D-源點(diǎn)云進(jìn)行變換,得到精配準(zhǔn)的初始D-源點(diǎn)云。

        (2)對(duì)D-源點(diǎn)云中的任意點(diǎn)pi,在D-目標(biāo)點(diǎn)云中搜索與pi相應(yīng)的最近點(diǎn)qi,pi與qi構(gòu)成對(duì)應(yīng)點(diǎn)對(duì),從而形成對(duì)應(yīng)點(diǎn)對(duì)集。

        (3)以對(duì)應(yīng)點(diǎn)對(duì)平均距離最小為目標(biāo)函數(shù),采用線性最小二乘優(yōu)化計(jì)算得到D-源點(diǎn)云與D-目標(biāo)點(diǎn)云之間的旋轉(zhuǎn)矩陣R和平移矩陣Γ,由R和??梢缘玫絼傮w變換矩陣M。

        (4)利用剛體變換矩陣M對(duì)初始D-源點(diǎn)云進(jìn)行變換,得到新的D-源點(diǎn)云,再重復(fù)步驟(2)。

        (5)設(shè)定閾值ε與迭代次數(shù)k,當(dāng)對(duì)應(yīng)點(diǎn)相對(duì)平均距離小于閾值或總迭代次數(shù)大于k時(shí),則迭代結(jié)束;否則依次執(zhí)行步驟(2)~步驟(5),直至獲得最優(yōu)的剛體變換矩陣M,從而完成精配準(zhǔn)。

        4 基于標(biāo)準(zhǔn)點(diǎn)云數(shù)據(jù)集的算法驗(yàn)證

        為了驗(yàn)證本文提出的點(diǎn)云改進(jìn)配準(zhǔn)算法,分別選取公開(kāi)的斯坦福點(diǎn)云數(shù)據(jù)集和自動(dòng)駕駛場(chǎng)景Kitti數(shù)據(jù)集作為目標(biāo)點(diǎn)云。硬件環(huán)境為Intel(R)Core(TM)i5-10400F CPU@ 2.90GHz 處理器/8GB 內(nèi)存/64位win10操作系統(tǒng),軟件環(huán)境為Visual Studio2019/開(kāi)源點(diǎn)云庫(kù)PCL1.11.1/C++語(yǔ)言。

        4.1 基于斯坦福點(diǎn)云數(shù)據(jù)的配準(zhǔn)算法驗(yàn)證

        采用的斯坦福點(diǎn)云數(shù)據(jù)包括兔子(bunny)點(diǎn)云模型、龍(dragon)點(diǎn)云模型和犰狳(armadillo)點(diǎn)云模型,再人工對(duì)上述點(diǎn)云模型進(jìn)行變換作為源點(diǎn)云。兔子點(diǎn)云模型1 為沿X軸平移0.4 m、繞Y軸旋轉(zhuǎn)45°;兔子點(diǎn)云模型2 為沿X軸反方向平移0.2 m,繞Y軸旋轉(zhuǎn)30°;龍點(diǎn)云模型1 為沿Y軸平移0.4 m、繞X軸旋轉(zhuǎn)45°;龍點(diǎn)云模型2 為沿X軸反方向平移0.2 m,繞Y軸旋轉(zhuǎn)30°;犰狳點(diǎn)云模型1 為沿X軸平移0.4 m、繞Y軸旋轉(zhuǎn)45°;犰狳點(diǎn)云模型2 為沿X軸反方向平移0.2 m,繞Y軸旋轉(zhuǎn)30°。

        為了評(píng)價(jià)點(diǎn)云配準(zhǔn)算法的性能,這里選取對(duì)應(yīng)點(diǎn)相對(duì)距離的均方根(RMSE)作為配準(zhǔn)誤差度量指標(biāo),RMSE越小,表明配準(zhǔn)精度越高;同時(shí)計(jì)算配準(zhǔn)過(guò)程所用的時(shí)間,用于度量配準(zhǔn)的速度。3 種斯坦福點(diǎn)云模型的最終配準(zhǔn)結(jié)果如表1 所示(紅色是目標(biāo)點(diǎn)云、綠色是源點(diǎn)云),且粗配準(zhǔn)和精配準(zhǔn)結(jié)果分別如表2 和表3 所示,其中精采樣的閾值設(shè)為10°。從表1~表3可以看出:對(duì)于不同初始位姿的源點(diǎn)云,均獲得了較好的配準(zhǔn)結(jié)果,驗(yàn)證了本文算法的魯棒性;針對(duì)不同的點(diǎn)云模型,均獲得了很好的配準(zhǔn)結(jié)果,從而驗(yàn)證了本文算法的配準(zhǔn)精度。

        表1 3類斯坦福點(diǎn)云模型

        表2 3類斯坦福點(diǎn)云模型粗配準(zhǔn)結(jié)果

        表3 3類斯坦福點(diǎn)云模型精配準(zhǔn)結(jié)果

        為了進(jìn)一步驗(yàn)證本文算法的優(yōu)越性,這里將本文算法與已有文獻(xiàn)中的改進(jìn)點(diǎn)云配準(zhǔn)算法進(jìn)行對(duì)比。驗(yàn)證數(shù)據(jù)集為斯坦福兔子點(diǎn)云模型,對(duì)比的算法既包括與本文算法相近的ISS+ICP 算法和Super4PCS+ICP 算法,又包括其他文獻(xiàn)里的NDTICP 算法[17]和SAC-IA+ICP 算法[18],對(duì)比驗(yàn)證計(jì)算結(jié)果如表4所示。

        由表4 可以看出:本文算法的配準(zhǔn)精度明顯高于ISS+ICP 和Super4PCS+ICP,分別提高了約2 個(gè)和3 個(gè)數(shù)量級(jí),配準(zhǔn)速度分別約為ISS+ICP、Super4 PCS+ICP 的47.66%和41.96%,配準(zhǔn)速度顯然更快;本文算法的配準(zhǔn)精度也明顯高于NDT+ICP 和SAC-IA+ICP,分別提高了2 個(gè)和1 個(gè)數(shù)量級(jí),配準(zhǔn)速度分別 約 為NDT+ICP 和SAC-IA+ICP 的33.33% 和11.11%,配準(zhǔn)速度也更快。上述對(duì)比結(jié)果充分驗(yàn)證了本文算法的優(yōu)越性。

        表4 與已有配準(zhǔn)算法對(duì)比結(jié)果

        4.2 基于自動(dòng)駕駛Kitti數(shù)據(jù)集的配準(zhǔn)算法驗(yàn)證

        Kitti數(shù)據(jù)集由德國(guó)卡爾斯魯厄理工學(xué)院和豐田美國(guó)技術(shù)研究院聯(lián)合制作的,也是目前國(guó)際上自動(dòng)駕駛場(chǎng)景下常用的評(píng)測(cè)數(shù)據(jù)集[19]。Kitti數(shù)據(jù)集的采集平臺(tái)裝配有2臺(tái)灰度攝像機(jī)、2臺(tái)彩色攝像機(jī)、1臺(tái)Velodyne 64 線3D 激光雷達(dá)、4 個(gè)光學(xué)鏡頭以及1 個(gè)GPS導(dǎo)航系統(tǒng)。這里選用Kitti數(shù)據(jù)集的街道點(diǎn)云數(shù)據(jù)集作為目標(biāo)點(diǎn)云,再將其沿X軸正方向移動(dòng)5 m、繞Y軸轉(zhuǎn)動(dòng)30°變換作為源點(diǎn)云,如圖2所示(其中綠色為源點(diǎn)云,紅色是目標(biāo)點(diǎn)云),然后利用本文提出的算法進(jìn)行配準(zhǔn)(其中精采樣的閾值設(shè)為15°),結(jié)果如表5 所示,可以看出在街道點(diǎn)云數(shù)據(jù)集上同樣驗(yàn)證了該算法的配準(zhǔn)速度快。

        圖2 街道源點(diǎn)云和目標(biāo)點(diǎn)云數(shù)據(jù)集

        表5 自動(dòng)駕駛街道點(diǎn)云模型配準(zhǔn)結(jié)果

        5 結(jié)論

        針對(duì)當(dāng)前ICP 及其變體配準(zhǔn)算法存在的對(duì)初始位姿要求較高、配準(zhǔn)速度慢等問(wèn)題,本文提出了一種雙重下采樣方法對(duì)初始點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理,在保留點(diǎn)云原始特征的同時(shí)大大減少了點(diǎn)云數(shù)據(jù)量;然后集成ISS、Super4PCS 和ICP 算法的優(yōu)點(diǎn),研究了ISS-Super4PCS粗配準(zhǔn)方法和線性最小二乘優(yōu)化ICP精配準(zhǔn)算法,并利用斯坦福點(diǎn)云數(shù)據(jù)集和自動(dòng)駕駛Kitti 點(diǎn)云數(shù)據(jù)集進(jìn)行了實(shí)驗(yàn)測(cè)試和對(duì)比驗(yàn)證,結(jié)果表明本文算法具有更高的配準(zhǔn)精度和更快的配準(zhǔn)速度,更適用于自動(dòng)駕駛領(lǐng)域的點(diǎn)云配準(zhǔn)。今后,將進(jìn)一步對(duì)本文算法中的閾值設(shè)定問(wèn)題進(jìn)行研究,降低閾值對(duì)算法配準(zhǔn)性能的影響。

        猜你喜歡
        源點(diǎn)體素位姿
        基于超體素聚合的流式細(xì)胞術(shù)自動(dòng)門控方法
        基于多級(jí)細(xì)分的彩色模型表面體素化算法
        運(yùn)用邊界狀態(tài)約束的表面體素加密細(xì)分算法
        基于體素格尺度不變特征變換的快速點(diǎn)云配準(zhǔn)方法
        隱喻的語(yǔ)篇銜接模式
        首屆“絲路源點(diǎn)·青年學(xué)者研討會(huì)”主題論壇在我校成功舉辦
        淺析井控坐崗的源點(diǎn)
        基于共面直線迭代加權(quán)最小二乘的相機(jī)位姿估計(jì)
        基于CAD模型的單目六自由度位姿測(cè)量
        小型四旋翼飛行器位姿建模及其仿真
        性感美女脱内裤无遮挡| 日韩欧美国产丝袜视频| 第九色区Aⅴ天堂| 精品人妻少妇丰满久久久免| 西西午夜无码大胆啪啪国模| 亚洲欧洲巨乳清纯| 久久精品成人亚洲另类欧美| 国产色视频在线观看了| 少妇被粗大的猛进出69影院 | 亚洲人成色777777老人头| 亚洲日韩中文字幕在线播放| 开心五月激动心情五月| 18禁止看的免费污网站| 99久久国产露脸精品竹菊传媒| 99在线国产视频| 国产精品熟女视频一区二区三区| 亚洲av无码片vr一区二区三区| 大地资源网更新免费播放视频| 国产麻豆精品久久一二三| 国产麻豆精品传媒av在线| 中文字幕人妻被公上司喝醉| 亚洲午夜精品久久久久久一区| 成人短篇在线视频夫妻刺激自拍| 大奶白浆视频在线观看| 人妻精品动漫h无码网站| 日本a级大片免费观看| 国产亚洲专区一区二区| 轻点好疼好大好爽视频| 在线高清精品第一区二区三区| 一本色道久久综合亚州精品| 男吃奶玩乳尖高潮视频| 亚洲欧美日韩综合久久久| 亚洲AV秘 无码一区二区在线| 国产麻豆久久av入口| 精品国产乱码久久久久久1区2区| 国产精品国产三级国产专播| av新型国产在线资源| 亚洲av无码一区二区三区人| 精品国产免费Av无码久久久| 久久国产精品亚洲我射av大全| 亚洲av永久中文无码精品综合|