1.本技术涉及激光雷达技术领域，特别是涉及一种点云数据处理方法、装置、计算机设备和存储介质。
背景技术：2.随着激光雷达技术的发展，激光雷达里程计，即基于激光雷达的定位技术被广泛应用于自动驾驶领域。
3.传统方法中，仅采取单一的几何特征作为点云数据处理的信息源，然而，自动驾驶的场景复杂且多变，车辆在自动驾驶的过程中，很有可能会遇到几何特征不明显的场景，在这种几何特征不明显的场景中，很难根据采集的点云的单一的几何特征进行准确定位，因此，导致激光雷达里程计定位不准确、鲁棒性差。
技术实现要素：4.基于此，有必要针对上述技术问题，提供一种能够提高激光雷达里程计定位准确性的点云数据处理方法、装置、计算机设备和存储介质。
5.一种点云数据处理方法，该方法包括：
6.获取激光雷达采集的第一帧点云和第二帧点云；
7.分别从第一帧点云和第二帧点云中提取特征点；其中，特征点包括反射特征点和几何特征点；
8.将第一帧点云的反射特征点与第二帧点云的反射特征点进行关联，得到第一关联关系；
9.将第一帧点云的几何特征点与第二帧点云的几何特征点进行关联，得到第二关联关系；
10.根据第一关联关系以及第二关联关系对第一帧点云和第二帧点云进行配准，得到第一帧点云和第二帧点云的位姿变换矩阵。
11.在其中一个实施例中，分别从第一帧点云和第二帧点云中提取反射特征点，包括：
12.获取第一帧点云和第二帧点云中各点的反射强度信息；
13.根据各反射强度信息将反射强度大于预设阈值的点作为反射特征点进行提取。
14.在其中一个实施例中，将第一帧点云的反射特征点与第二帧点云的反射特征点进行关联，包括：
15.分别将第一帧点云的反射特征点和第二帧点云的反射特征点进行聚类处理，得到多个反射特征聚类对象；
16.提取各反射特征聚类对象的质心作为反射中心点；
17.将第一帧点云的反射中心点与第二帧点云的反射中心点进行关联。
18.在其中一个实施例中，将第一帧点云的反射中心点与第二帧点云的反射中心点进行关联，包括：
19.将第一帧点云的任意一个反射中心点转换至第二帧点云的坐标系，得到反射转换点；
20.从第二帧点云中的多个反射中心点中筛选与反射转换点距离最近的点作为反射对应点；
21.将第一帧点云的任意一个反射中心点与其对应的反射对应点进行关联。
22.在其中一个实施例中，几何特征点包括边缘特征点，将第一帧点云的几何特征点与第二帧点云的几何特征点进行关联，包括：
23.将第一帧点云的任意一个边缘特征点转换至第二帧点云的坐标系中，得到边缘特征转换点；
24.在第二帧点云的多个边缘特征点中选取与边缘特征转换点距离最近的点作为第一边缘特征对应点；
25.在第二帧点云的多个边缘特征点中选取与第一边缘特征对应点所在扫描线相邻的扫描线上的点作为第二边缘特征对应点；
26.将第一帧点云的任意一个边缘特征点与其对应的第一边缘特征对应点以及第二边缘特征对应点进行关联。
27.在其中一个实施例中，几何特征点包括平面特征点，将第一帧点云的几何特征点与第二帧点云的几何特征点进行关联，包括：
28.将第一帧点云中的任意一个平面特征点转换至第二帧点云的坐标系中，得到平面特征转换点；
29.在第二帧点云的多个平面特征点中选取与平面特征转换点距离最近的点作为第一平面特征对应点；
30.在第二帧点云的多个平面特征点中选取与第一平面特征对应点所在扫描线相邻的扫描线上的点作为第二平面特征对应点；
31.在第二帧点云的多个平面特征点中选取与第一平面特征对应点所在扫描线相同的扫描线上的点作为第三平面特征对应点；
32.将第一帧点云的任意一个平面特征点与其对应的第一平面特征对应点、第二平面特征对应点以及第三平面特征对应点进行关联。
33.在其中一个实施例中，根据第一关联关系以及第二关联关系对第一帧点云和第二帧点云进行配准，包括：
34.根据第一关联关系计算关联的各组第一帧点云的反射特征点与第二帧点云的反射特征点之间的误差值；
35.根据第二关联关系计算关联的各组第一帧点云的几何特征点与第二帧点云的几何特征点之间的误差值；
36.根据计算的误差值构建误差优化函数，根据误差优化函数进行点云配准。
37.一种点云数据处理装置，该装置包括：
38.点云获取模块，用于获取激光雷达采集的第一帧点云和第二帧点云；
39.特征提取模块，用于分别从第一帧点云和第二帧点云中提取特征点；其中，特征点包括反射特征点和几何特征点；
40.第一特征关联模块，用于将第一帧点云的反射特征点与第二帧点云的反射特征点
进行关联，得到第一关联关系；
41.第二特征关联模块，用于将第一帧点云的几何特征点与第二帧点云的几何特征点进行关联，得到第二关联关系；
42.点云配准模块，用于根据第一关联关系以及第二关联关系对第一帧点云和第二帧点云进行配准，得到第一帧点云和第二帧点云的位姿变换矩阵。
43.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的任一点云数据处理方法的步骤。
44.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的任一点云数据处理方法的步骤。
45.上述的点云数据处理方法、装置、计算机设备和存储介质，通过分别提取第一、第二两帧点云中的反射特征点和几何特征点，并分别对两帧中的反射特征点和几何特征点进行关联，根据两帧中各反射特征点的关联关系和两帧中各几何特征点的关联关系进行点云配准。采用本方法，点云配准处理不仅依赖于关联的几何特征点的特性还结合了反射特征点的特征，因此，即使在几何特征不明显的场景中，仍能够确保激光雷达里程计的准确性，提高激光雷达里程计的鲁棒性。
附图说明
46.图1为一个实施例中点云数据处理方法的流程示意图；
47.图2为一个实施例中将第一帧点云的反射特征点与第二帧点云的反射特征点进行关联的步骤的流程示意图；
48.图3为一个实施例中对反射特征点进行聚类处理的示意图；
49.图4为一个实施例中将第一帧点云的边缘特征点与第二帧点云的边缘特征点进行关联的步骤的流程示意图；
50.图5为一个实施例中对边缘特征点进行关联的示意图；
51.图6为一个实施例中将第一帧点云的平面特征点与第二帧点云的平面特征点进行关联的步骤的流程示意图；
52.图7为一个实施例中对平面特征点进行关联的示意图；
53.图8为一个实施例中点云数据处理装置的结构框图；
54.图9为一个实施例中计算机设备的内部结构图。
具体实施方式
55.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅用以解释本技术，并不用于限定本技术。
56.本技术提供的点云数据处理方法，可以基于计算机设备实现，计算机设备可以包括终端设备和/或服务器设备。其中，服务器可以是独立的服务器或者是多个服务器组成的服务器集群。终端可以但不限于是各种个人计算机、车载终端、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
57.在其中一个实施例中，如图1所示，提供了一种点云数据处理方法，以该方法应用于计算机设备为例进行说明，包括以下步骤：
58.步骤s102：获取激光雷达采集的第一帧点云和第二帧点云。
59.其中，激光雷达也称光学雷达，它可以通过测定传感器发射器与目标物体之间的传播距离，分析目标物体表面的反射能量大小、反射波谱的幅度、频率和相位等信息，从而呈现出目标物的三维结构信息。激光雷达的每一个扫描周期组成一帧。第一帧点云是指激光雷达扫描目标物得到的被选定的某一帧所包含的点云数据。第二帧点云是指激光雷达扫描目标物得到的不同于第一帧的另外一帧所包含的点云数据。示例性地，若应用于自动驾驶领域，目标物可以是自动驾驶车辆或包含自动驾驶车辆的场景等。
60.此处，值得注意的是，本技术中的诸如“第一”、“第二”的术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何实际的关系或者先后顺序。
61.在本步骤中，计算机设备可以接收一定时间内通过激光雷达扫描目标物而得到的点云数据，并从激光雷达的多帧中，筛选不同的两帧，分别作为第一帧和第二帧，并分别获取第一帧的点云作为第一帧点云，获取第二帧的点云作为第二帧点云。其中，第一帧和第二帧可以是相邻的两帧，也可以是不相邻的两帧，第一帧和第二帧之间的时间间隔可以自定义设置，例如，可以设置为间隔0.5秒。
62.步骤s104：分别从第一帧点云和第二帧点云中提取特征点；其中，特征点包括反射特征点和几何特征点。
63.其中，特征点包括反射特征点和几何特征点。反射特征点是指根据点的反射强度筛选的能够反映物体反射强度信息的特征点。几何特征点是指根据几何平滑度筛选的能够反映物体几何信息的特征点，例如，几何特征点可以包括边缘特征点和/或平面特征点等。
64.具体地，计算机设备可以通过特征提取算法，根据第一帧点云的几何平滑度提取第一帧点云的边缘特征点和/或平面特征点，根据第二帧点云的几何平滑度提取第二帧点云的边缘特征点和/或平面特征点。并且，根据第一帧点云中各点的反射强度的大小筛选第一帧点云的反射特征点，根据第二帧点云中各点的反射强度的大小筛选第二帧点云的反射特征点。
65.在其中一个实施例中，分别从第一帧点云和第二帧点云中提取反射特征点，包括：获取第一帧点云和第二帧点云中各点的反射强度信息；根据各反射强度信息将反射强度大于预设阈值的点作为反射特征点进行提取。在本实施例中，可以通过设置反射强度的阈值，将反射强度高于一定值的高反射点作为反射特征点进行提取，从而提高反射特征点提取的准确性。
66.步骤s106：将第一帧点云的反射特征点与第二帧点云的反射特征点进行关联，得到第一关联关系。
67.具体地，对于第一帧点云中的每个反射特征点p1，将p1转换到第二帧点云的坐标系中，假设点p1在第一帧的位姿为t1，在第二帧的位姿为t2，坐标转换后的并在第二帧点云的所有反射特征点中筛选与p'1距离小于一定阈值的点，可以选择距离最小的点p2，将点p1与点p2进行关联，得到多组反射特征点的关联对，两帧中各反射特征点之间的对应关联关系即为第一关联关系。
68.步骤s108：将第一帧点云的几何特征点与第二帧点云的几何特征点进行关联，得到第二关联关系。
69.在本步骤中，第一帧点云的几何特征点与第二帧点云的几何特征点的关联方法可以采用上述的例如反射特征点的关联方式，在此不再赘述；也可以采用本技术下述其他实施例中提出的点-特征线段(两点)和/或点-特征平面(三点)的关联方法。两帧中各几何特征点间的对应关联关系即为第二关联关系。
70.示例性地，可以将第一帧点云的任意一个几何特征点转换至第二帧点云的坐标系中，得到几何特征转换点；在第二帧点云的多个几何特征点中确定与该几何特征转换点对应的用于描述该几何特征的多个点(几何特征为边缘特征时确定两个描述边缘特征的点；几何特征为平面特征时确定三个描述平面特征的点)，将该几何特征转换点与第二帧点云中的用于描述该几何特征的多个点进行关联。
71.步骤s108：根据第一关联关系以及第二关联关系对第一帧点云和第二帧点云进行配准，得到第一帧点云和第二帧点云的位姿变换矩阵。
72.在本步骤中，计算机设备可以根据两帧的各反射特征点之间的对应关联关系以及两帧的各几何特征点间的对应关联关系，对两帧的点云进行优化配准，从而得到优化配准后的两帧点云的位姿变换矩阵。
73.上述的点云数据处理，通过分别提取第一、第二两帧点云中的反射特征点和几何特征点，并分别对两帧中的反射特征点和几何特征点进行关联，根据两帧中各反射特征点的关联关系和两帧中各几何特征点的关联关系进行点云配准。采用本方法，点云配准处理不仅依赖于关联的几何特征点的特性还结合了反射特征点的特征，因此，即使在几何特征不明显的场景中，仍能够确保激光雷达里程计的准确性，提高激光雷达里程计的鲁棒性。
74.在其中一个实施例中，如图2所示，将第一帧点云的反射特征点与第二帧点云的反射特征点进行关联，包括：
75.s202：分别将第一帧点云的反射特征点和第二帧点云的反射特征点进行聚类处理，得到多个反射特征聚类对象；
76.s203：提取各反射特征聚类对象的质心作为反射中心点；
77.s204：将第一帧点云的反射中心点与第二帧点云的反射中心点进行关联。
78.在本实施例中，通过对提取的反射特征点进行聚类处理，能够将场景中属于同一物体的反射特征点归为同一聚类对象(cluster object)，并将各反射特征聚类对象中的质心作为反射中心点，以反射中心点作为描述反射信息的特征点，关联两帧中的反射中心点。通过将大量的反射特征点进行聚类处理并提取聚类对象的质心(反射中心点)，能够减少点关联处理的量，提高点的关联效率，从而提高点云配准的效率。
79.更进一步地，在对反射特征点进行聚类处理后，还可以将不属于任何聚类对象的点作为噪点，并进行剔除，从而进一步减少数据处理量，提高点云的处理效率和准确度。
80.更为具体地，如图3所示，图3为一个实施例中对反射特征点进行聚类处理的示意图。图3中包括坐标系31、a点32以及b点33。其中，对于每一个反射特征点a和b，计算如图所示β角，β为长边ao与ab的夹角，若β接近90度，则认为a点和b点处于同一物体，归为同一个反射特征聚类对象(cluster object)，对于不在任意一个聚类对象中的反射特征点可以被作为噪点，且点数少于一定阈值的反射特征聚类对象中的所有的点也可以被作为噪点。
81.在其中一个实施例中，将第一帧点云的反射中心点与第二帧点云的反射中心点进行关联，包括：将第一帧点云的任意一个反射中心点转换至第二帧点云的坐标系，得到反射转换点；从第二帧点云中的多个反射中心点中筛选与反射转换点距离最近的点作为反射对应点；将第一帧点云的任意一个反射中心点与其对应的反射对应点进行关联。
82.在本实施例中，由于聚类处理后各反射特征聚类对象的质心(反射中心点)的分布相对较为稀疏，因此，可以将第一帧点云中的任意一个反射中心点转换至第二帧点云的坐标系中，并直接在第二帧点云的反射中心点中筛选与该转换点最近的一个点进行关联即可，从而提高关联效率。
83.在其中一个实施例中，在关联处理后，还可以进一步剔除外点。对于反射特征点，可以使用构建最大联通图谱的方法进行剔除。每一组关联点作为一个结点。若某两组关联点之间的距离小于一定阈值，则认为两组关联点的节点一致，在两组关联点的节点之间添加一条边，对各组关联点都作判断，最终得到一张描述节点一致性的图谱，在图谱中找到最大联通的子图，子图中的所有节点对应的各组关联点为内点。对于几何特征点可以使用误差分布剔除外点。通过剔除外点能够提高点云配准效率，减少对无关或错误的各组关联的特征点的处理。
84.在其中一个实施例中，参考图4所示，几何特征点可以包括边缘特征点，将第一帧点云的几何特征点与第二帧点云的几何特征点进行关联，包括：
85.s402：将第一帧点云的任意一个边缘特征点转换至第二帧点云的坐标系中，得到边缘特征转换点；
86.s404：在第二帧点云的多个边缘特征点中选取与边缘特征转换点距离最近的点作为第一边缘特征对应点；
87.s406：在第二帧点云的多个边缘特征点中选取与第一边缘特征对应点所在扫描线相邻的扫描线上的点作为第二边缘特征对应点；
88.s408：将第一帧点云的任意一个边缘特征点与其对应的第一边缘特征对应点以及第二边缘特征对应点进行关联。
89.在本实施例中，针对第一帧点云和第二帧点云的边缘特征点进行特征关联处理，为了更清晰地对关联过程进行说明，下面，请参见图5所示，在图5中，pi
′
为第一帧点云中的边缘特征点pi(未图示)转换至第二帧点云的坐标系中得到的边缘特征转换点51，pj为第一边缘特征对应点52，pl为第二边缘特征对应点53，点pj为第二帧点云中与pi
′
距离最近的边缘特征点，点pj与点pl为第二帧点云中相邻的两条扫描线54上的边缘特征点。在本实施例中，将第一特征集中的任一边缘特征点分别与其对应的第一边缘特征对应点52以及第二边缘特征对应点53进行关联，也即是，将点pi与点pj和点pl进行关联。
90.在其中一个实施例中，参考图6所示，几何特征点还可以包括平面特征点，将第一帧点云的几何特征点与第二帧点云的几何特征点进行关联，包括：
91.s602：将第一帧点云中的任意一个平面特征点转换至第二帧点云的坐标系中，得到平面特征转换点；
92.s604：在第二帧点云的多个平面特征点中选取与平面特征转换点距离最近的点作为第一平面特征对应点；
93.s606：在第二帧点云的多个平面特征点中选取与第一平面特征对应点所在扫描线
相邻的扫描线上的点作为第二平面特征对应点；
94.s608：在第二帧点云的多个平面特征点中选取与第一平面特征对应点所在扫描线相同的扫描线上的点作为第三平面特征对应点；
95.s610：将第一帧点云的任意一个平面特征点与其对应的第一平面特征对应点、第二平面特征对应点以及第三平面特征对应点进行关联。
96.在本实施例中，针对第一帧点云和第二帧点云的平面特征点进行特征关联处理，为了更清晰地对关联过程进行说明，下面，请参见图7所示，在图7中，pi
′
为第一帧点云中的平面特征点pi(未图示)转换至第二帧点云的坐标系中得到的平面特征转换点71，pj为第一平面特征对应点72，pl为第二平面特征对应点73，pm为第三平面特征点74，点pj为第二帧点云中与pi
′
距离最近的平面特征点，点pj与点pl为第二帧点云中相邻的两条扫描线75上的平面特征点，点pj与点pm为第二帧点云中相同的扫描线75上的平面特征点。在本实施例中，将第一帧点云的任意一个平面特征点pi与其对应的第一平面特征对应点72、第二平面特征对应点73以及第三平面特征对应点74进行关联，也即是，将点pi与点pj、点pl以及点pm进行关联。
97.通过上述的特征点的关联方法，能够使得某一帧点云的任意一个几何特征点与另一帧点云中的描述该几何特征的多个特征点进行关联，即，并不仅是两帧间点-点的关联，而是点与几何特征描述之间的关联，从而能够提高几何特征点关联的稳定性和准确性，更有利于后续的误差优化计算和配准精度的提高。
98.在其中一个实施例中，根据第一关联关系以及第二关联关系对第一帧点云和第二帧点云进行配准，包括：
99.根据第一关联关系计算关联的各组第一帧点云的反射特征点与第二帧点云的反射特征点之间的误差值；
100.根据第二关联关系计算关联的各组第一帧点云的几何特征点与第二帧点云的几何特征点之间的误差值；
101.根据计算的误差值构建误差优化函数，根据误差优化函数进行点云配准。
102.在本实施例中，示例性地：
103.1、对于关联后的各组反射特征点(或关联后的各反射中心点)，可以通过计算关联后的各组反射特征点之间的距离，也即是，第一帧点云中的反射特征点到第二帧点云中对应关联的反射特征点这两点之间的距离，根据两点之间的距离得到误差值。距离计算公式可以参考如下：
104.di＝|p
i-pj|
105.其中，pi和pj分别表示点pi和点pj的坐标值，点pi和点pj是一组关联的反射特征点。
106.2、对于关联后的各组边缘特征点，可以参考图5所示，可以通过计算各个边缘特征转换点51到其对应的第一边缘特征对应点52与第二边缘特征对应点53构成的线段55之间的距离56，也即是，计算点pi
′
到点pj与点pl构成的线段之间的距离de，将de作为关联后的各组第一帧点云的边缘特征点与第二帧点云的边缘特征点的误差值。具体计算公式可以参考如下：
[0107][0108]
其中，上述公式中的p
l
、pj分别表示点pl和点pj的坐标值，pi′
为pi转换到第二帧点云的坐标系中得到的转换点的坐标值。
[0109]
3、对于关联后的各组平面特征点，如图7所示，可以通过计算各个平面特征转换点71到第一平面征对应点72、第二平面特征对应点73和第三平面特征对应点74构成的平面76之间的距离77，也即是，计算点pi
′
到点pj、点pl和点pm构成的平面之间的距离d
p
，将d
p
作为关联后的各组第一帧点云的平面特征点与第二帧点云的平面特征点的误差值。具体计算公式可以参考如下：
[0110][0111]
其中，pi′
以及pj为点的坐标值，e为平面法向量e＝(p
m-pj)
×
(p
l-pj)。
[0112]
根据计算的误差值构建误差优化函数，采用最小二乘和作为误差优化函数进行位姿变换矩阵的构建，具体地，可以参考如下优化公式：
[0113][0114]
其中，为根据各组边缘特征点计算的误差值对δt的函数，为根据各组平面特征点计算的误差值，为根据各组反射特征点计算的误差值。通过调整δt，使得计算的误差值。通过调整δt，使得最小，取得此时的δt构建最优的位姿变化矩阵。
[0115]
应该理解的是，虽然图1、图2、图4和图6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1、图2、图4和图6中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
[0116]
在其中一个实施例中，如图8所示，提供了一种点云数据处理装置，包括点云获取模块802、特征提取模块804、第一特征关联模块806、第二特征关联模块808和点云配准模块810，其中：
[0117]
点云获取模块802，用于获取激光雷达采集的第一帧点云和第二帧点云；
[0118]
特征提取模块804，用于分别从第一帧点云和第二帧点云中提取特征点；其中，特征点包括反射特征点和几何特征点；
[0119]
第一特征关联模块806，用于将第一帧点云的反射特征点与第二帧点云的反射特
征点进行关联，得到第一关联关系；
[0120]
第二特征关联模块808，用于将第一帧点云的几何特征点与第二帧点云的几何特征点进行关联，得到第二关联关系；
[0121]
点云配准模块810，用于根据第一关联关系以及第二关联关系对第一帧点云和第二帧点云进行配准，得到第一帧点云和第二帧点云的位姿变换矩阵。
[0122]
在其中一个实施例中，特征提取模块804获取第一帧点云和第二帧点云中各点的反射强度信息；根据各反射强度信息将反射强度大于预设阈值的点作为反射特征点进行提取。
[0123]
在其中一个实施例中，第一特征关联模块806分别将第一帧点云的反射特征点和第二帧点云的反射特征点进行聚类处理，得到多个反射特征聚类对象；提取各反射特征聚类对象的质心作为反射中心点；将第一帧点云的反射中心点与第二帧点云的反射中心点进行关联。
[0124]
在其中一个实施例中，第一特征关联模块806将第一帧点云的任意一个反射中心点转换至第二帧点云的坐标系，得到反射转换点；从第二帧点云中的多个反射中心点中筛选与反射转换点距离最近的点作为反射对应点；将第一帧点云的任意一个反射中心点与其对应的反射对应点进行关联。
[0125]
在其中一个实施例中，第二特征关联模块808将第一帧点云的任意一个边缘特征点转换至第二帧点云的坐标系中，得到边缘特征转换点；在第二帧点云的多个边缘特征点中选取与边缘特征转换点距离最近的点作为第一边缘特征对应点；在第二帧点云的多个边缘特征点中选取与第一边缘特征对应点所在扫描线相邻的扫描线上的点作为第二边缘特征对应点；将第一帧点云的任意一个边缘特征点与其对应的第一边缘特征对应点以及第二边缘特征对应点进行关联。
[0126]
在其中一个实施例中，第二特征关联模块808将第一帧点云中的任意一个平面特征点转换至第二帧点云的坐标系中，得到平面特征转换点；在第二帧点云的多个平面特征点中选取与平面特征转换点距离最近的点作为第一平面特征对应点；在第二帧点云的多个平面特征点中选取与第一平面特征对应点所在扫描线相邻的扫描线上的点作为第二平面特征对应点；在第二帧点云的多个平面特征点中选取与第一平面特征对应点所在扫描线相同的扫描线上的点作为第三平面特征对应点；将第一帧点云的任意一个平面特征点与其对应的第一平面特征对应点、第二平面特征对应点以及第三平面特征对应点进行关联。
[0127]
在其中一个实施例中，点云配准模块810根据第一关联关系计算关联的各组第一帧点云的反射特征点与第二帧点云的反射特征点之间的误差值；根据第二关联关系计算关联的各组第一帧点云的几何特征点与第二帧点云的几何特征点之间的误差值；根据计算的误差值构建误差优化函数，根据误差优化函数进行点云配准。
[0128]
关于点云数据处理装置的具体限定可以参见上文中对于点云数据处理方法的限定，在此不再赘述。上述点云数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0129]
在其中一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内
部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种点云数据处理方法。
[0130]
本领域技术人员可以理解，图9中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0131]
在其中一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：获取激光雷达采集的第一帧点云和第二帧点云；分别从第一帧点云和第二帧点云中提取特征点；其中，特征点包括反射特征点和几何特征点；将第一帧点云的反射特征点与第二帧点云的反射特征点进行关联，得到第一关联关系；将第一帧点云的几何特征点与第二帧点云的几何特征点进行关联，得到第二关联关系；根据第一关联关系以及第二关联关系对第一帧点云和第二帧点云进行配准，得到第一帧点云和第二帧点云的位姿变换矩阵。
[0132]
在其中一个实施例中，处理器执行计算机程序实现分别从第一帧点云和第二帧点云中提取反射特征点时，具体执行以下步骤：获取第一帧点云和第二帧点云中各点的反射强度信息；根据各反射强度信息将反射强度大于预设阈值的点作为反射特征点进行提取。
[0133]
在其中一个实施例中，处理器执行计算机程序实现将第一帧点云的反射特征点与第二帧点云的反射特征点进行关联时，具体执行以下步骤：分别将第一帧点云的反射特征点和第二帧点云的反射特征点进行聚类处理，得到多个反射特征聚类对象；提取各反射特征聚类对象的质心作为反射中心点；将第一帧点云的反射中心点与第二帧点云的反射中心点进行关联。
[0134]
在其中一个实施例中，处理器执行计算机程序实现将第一帧点云的反射中心点与第二帧点云的反射中心点进行关联时，具体执行以下步骤：将第一帧点云的任意一个反射中心点转换至第二帧点云的坐标系，得到反射转换点；从第二帧点云中的多个反射中心点中筛选与反射转换点距离最近的点作为反射对应点；将第一帧点云的任意一个反射中心点与其对应的反射对应点进行关联。
[0135]
在其中一个实施例中，处理器执行计算机程序实现将第一帧点云的几何特征点与第二帧点云的几何特征点进行关联时，具体执行以下步骤：将第一帧点云的任意一个边缘特征点转换至第二帧点云的坐标系中，得到边缘特征转换点；在第二帧点云的多个边缘特征点中选取与边缘特征转换点距离最近的点作为第一边缘特征对应点；在第二帧点云的多个边缘特征点中选取与第一边缘特征对应点所在扫描线相邻的扫描线上的点作为第二边缘特征对应点；将第一帧点云的任意一个边缘特征点与其对应的第一边缘特征对应点以及第二边缘特征对应点进行关联。
[0136]
在其中一个实施例中，处理器执行计算机程序实现将第一帧点云的几何特征点与第二帧点云的几何特征点进行关联时，具体执行以下步骤：将第一帧点云中的任意一个平面特征点转换至第二帧点云的坐标系中，得到平面特征转换点；在第二帧点云的多个平面
特征点中选取与平面特征转换点距离最近的点作为第一平面特征对应点；在第二帧点云的多个平面特征点中选取与第一平面特征对应点所在扫描线相邻的扫描线上的点作为第二平面特征对应点；在第二帧点云的多个平面特征点中选取与第一平面特征对应点所在扫描线相同的扫描线上的点作为第三平面特征对应点；将第一帧点云的任意一个平面特征点与其对应的第一平面特征对应点、第二平面特征对应点以及第三平面特征对应点进行关联。
[0137]
在其中一个实施例中，处理器执行计算机程序实现根据第一关联关系以及第二关联关系对第一帧点云和第二帧点云进行配准时，具体执行以下步骤：根据第一关联关系计算关联的各组第一帧点云的反射特征点与第二帧点云的反射特征点之间的误差值；根据第二关联关系计算关联的各组第一帧点云的几何特征点与第二帧点云的几何特征点之间的误差值；根据计算的误差值构建误差优化函数，根据误差优化函数进行点云配准。
[0138]
本领域普通技术人员可以理解实现上述实施例的方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0139]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0140]
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b,可以表示：单独存在a,同时存在a和b，单独存在b这三种情况。另外，本文中字符一般表示前后关联对象是一种“或”的关系。
[0141]
本技术中的诸如“第一”、“第二”的术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何实际的前后关系或者先后顺序。
[0142]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。
技术特征：1.一种点云数据处理方法，所述方法包括：获取激光雷达采集的第一帧点云和第二帧点云；分别从所述第一帧点云和所述第二帧点云中提取特征点；其中，所述特征点包括反射特征点和几何特征点；将所述第一帧点云的反射特征点与所述第二帧点云的反射特征点进行关联，得到第一关联关系；将所述第一帧点云的几何特征点与所述第二帧点云的几何特征点进行关联，得到第二关联关系；根据所述第一关联关系以及所述第二关联关系对所述第一帧点云和所述第二帧点云进行配准，得到所述第一帧点云和所述第二帧点云的位姿变换矩阵。2.根据权利要求1所述的方法，其特征在于，分别从所述第一帧点云和所述第二帧点云中提取反射特征点，包括：获取所述第一帧点云和所述第二帧点云中各点的反射强度信息；根据各所述反射强度信息将反射强度大于预设阈值的点作为所述反射特征点进行提取。3.根据权利要求1所述的方法，其特征在于，所述将所述第一帧点云的反射特征点与所述第二帧点云的反射特征点进行关联，包括：分别将所述第一帧点云的反射特征点和所述第二帧点云的反射特征点进行聚类处理，得到多个反射特征聚类对象；提取各所述反射特征聚类对象的质心作为反射中心点；将所述第一帧点云的反射中心点与所述第二帧点云的反射中心点进行关联。4.根据权利要求3所述的方法，其特征在于，所述将所述第一帧点云的反射中心点与所述第二帧点云的反射中心点进行关联，包括：将所述第一帧点云的任意一个反射中心点转换至所述第二帧点云的坐标系，得到反射转换点；从所述第二帧点云中的多个反射中心点中筛选与所述反射转换点距离最近的点作为反射对应点；将所述第一帧点云的任意一个反射中心点与其对应的所述反射对应点进行关联。5.根据权利要求1所述的方法，其特征在于，所述几何特征点包括边缘特征点，所述将所述第一帧点云的几何特征点与所述第二帧点云的几何特征点进行关联，包括：将所述第一帧点云的任意一个边缘特征点转换至所述第二帧点云的坐标系中，得到边缘特征转换点；在所述第二帧点云的多个边缘特征点中选取与所述边缘特征转换点距离最近的点作为第一边缘特征对应点；在所述第二帧点云的多个边缘特征点中选取与所述第一边缘特征对应点所在扫描线相邻的扫描线上的点作为第二边缘特征对应点；将所述第一帧点云的任意一个边缘特征点与其对应的所述第一边缘特征对应点以及所述第二边缘特征对应点进行关联。6.根据权利要求1所述的方法，其特征在于，所述几何特征点包括平面特征点，所述将
所述第一帧点云的几何特征点与所述第二帧点云的几何特征点进行关联，包括：将所述第一帧点云中的任意一个平面特征点转换至所述第二帧点云的坐标系中，得到平面特征转换点；在所述第二帧点云的多个平面特征点中选取与所述平面特征转换点距离最近的点作为第一平面特征对应点；在所述第二帧点云的多个平面特征点中选取与所述第一平面特征对应点所在扫描线相邻的扫描线上的点作为第二平面特征对应点；在所述第二帧点云的多个平面特征点中选取与所述第一平面特征对应点所在扫描线相同的扫描线上的点作为第三平面特征对应点；将所述第一帧点云的任意一个平面特征点与其对应的所述第一平面特征对应点、所述第二平面特征对应点以及所述第三平面特征对应点进行关联。7.根据权利要求1至6任意一项所述的方法，其特征在于，所述根据所述第一关联关系以及所述第二关联关系对所述第一帧点云和所述第二帧点云进行配准，包括：根据所述第一关联关系计算关联的各组所述第一帧点云的反射特征点与所述第二帧点云的反射特征点之间的误差值；根据所述第二关联关系计算关联的各组所述第一帧点云的几何特征点与所述第二帧点云的几何特征点之间的误差值；根据计算的误差值构建误差优化函数，根据所述误差优化函数进行点云配准。8.一种点云数据处理装置，其特征在于，所述装置包括：点云获取模块，用于获取激光雷达采集的第一帧点云和第二帧点云；特征提取模块，用于分别从所述第一帧点云和所述第二帧点云中提取特征点；其中，所述特征点包括反射特征点和几何特征点；第一特征关联模块，用于将所述第一帧点云的反射特征点与所述第二帧点云的反射特征点进行关联，得到第一关联关系；第二特征关联模块，用于将所述第一帧点云的几何特征点与所述第二帧点云的几何特征点进行关联，得到第二关联关系；点云配准模块，用于根据所述第一关联关系以及所述第二关联关系对所述第一帧点云和所述第二帧点云进行配准，得到所述第一帧点云和所述第二帧点云的位姿变换矩阵。9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
技术总结本申请涉及一种点云数据处理方法、装置、计算机设备和存储介质。所述方法包括：获取激光雷达采集的第一帧点云和第二帧点云；分别从第一帧点云和第二帧点云中提取特征点；其中，特征点包括反射特征点和几何特征点；将第一帧点云的反射特征点与第二帧点云的反射特征点进行关联，得到第一关联关系；将第一帧点云的几何特征点与第二帧点云的几何特征点进行关联，得到第二关联关系；根据第一关联关系以及第二关联关系对第一帧点云和第二帧点云进行配准，得到第一帧点云和第二帧点云的位姿变换矩阵。采用本方法能够提高激光雷达里程计定位的准确性。的准确性。的准确性。
技术研发人员：李四林 孙家弼
受保护的技术使用者：广州小马智行科技有限公司
技术研发日：2022.07.01
技术公布日：2022/11/1
