(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211003654.0 (22)申请日 2022.08.20 (71)申请人 北京航空航天大 学 地址 100083 北京市海淀区学院路37号 申请人 北京市交通委员会 　 北京和利时系统集成有限公司 (72)发明人 于海洋　王建斌　任毅龙　邹迎　 刘宇环　黄亮　於明飞　 (74)专利代理 机构 北京佳信天和知识产权代理 事务所(普通 合伙) 11939 专利代理师 张宏伟 (51)Int.Cl. G06T 17/20(2006.01) G06T 5/00(2006.01) G06T 7/73(2017.01)G06V 10/762(2022.01) (54)发明名称 一种基于车载多激光雷达融合的封闭场景 三维重建方法 (57)摘要 本发明公开了一种基于车载多激光雷达融 合的封闭场景三维重建方法， 包括步骤一、 设置 三维扫描的车载激光雷达、 步骤二、 基于激光雷 达获取的全局点生成云地图步骤三、 基于贪婪投 影三角化重建曲面。 本发明采用上述方法克服了 单激光雷达的垂直扫描角度有限， 无法获取到完 整的封闭场景空间结构信息； 并基于激光SLAM技 术生成三维场景的重建， 这种方法能够准确和较 为快速地利用激光雷达数据在车载场景下构建 环境模型， 计算压力小、 结果 准确。 权利要求书2页 说明书4页 附图3页 CN 115423972 A 2022.12.02 CN 115423972 A 1.一种基于车 载多激光雷达融合的封闭场景三维重建方法， 其特 征在于， 包括： 步骤一、 设置三维扫描的车 载激光雷达； 步骤二、 基于 激光雷达获取的全局点 生成云地图， 所述 步骤二包括， S201地面点云分割及特征提取， 根据几何拓扑特征标记地面点和 非地面点， 并对被标 记的非地面点进行点云聚类、 滤波， 减少环境噪音点和 动态物体的干扰， 最 终保留原始 地面 点和几何特征明显的静态物体点； 然后将单帧点云均分成若干子点云， 并在每个子点云中 提取平面 点和边缘点； S202帧间特征匹配及位姿粗估计， 使用点线匹配和点面匹配进行帧间匹配， 并使用高 斯牛顿法和LM法优化变换矩阵， 得到位姿粗估计结果； S203位姿优化与全局点云配准， 将当前帧的点云特征集与全局点云地 图进行匹配； 然 后优化位姿变换矩阵得到位姿优化结果， 并根据所述位姿优化结果将当前帧的点云增加到 全局点云中； 步骤三、 基于贪婪投影三角化重建曲面， 所述 步骤三包括， S301对全局点云地图进行体素网格化并进行降采样， 并使用统计滤波进行离群点的剔 除； S302采用移动最小二乘法对S301步骤处理后的点云数据进行处理， 并通过周围数据点 之间的高阶多项式插值填补缺失部分； S 303选取S302处理后的点云数据中的一个样 本三角 片作为初始三角形， 根据 投影点云的连接关系确定各原始三维点间的拓扑连接， 不断扩张 曲面边界直至形成一张完整的三角网格曲面。 2.根据权利要求1所述的一种基于车载多激光雷达融合的封闭场景三维重建方法， 其 特征在于， 设置车载激光雷达包括， 将一个主雷达布设在车顶位置， 一个补盲 雷达布设在主 雷达正上 方以扫描空间上 方表面； 主雷达和补盲雷达在同一竖直线上， 避免扫描遮挡。 3.根据权利要求1所述的一种基于车载多激光雷达融合的封闭场景三维重建方法， 其 特征在于， 设置车载激光雷达包括， 一个主 雷达布设在车顶 位置， 两个补 盲雷达布设在车体 两侧， 呈45 °角向外倾 斜， 扫描空间斜上 方表面。 4.根据权利要求1所述的一种基于车载多激光雷达融合的封闭场景三维重建方法， 其 特征在于， 所述S201包括， 首先基于多雷达标定结果， 将补盲雷达的点云转换到主雷达坐标系下； 在地面点云分割中， 根据激光雷达竖直维度的特征标记地面点和非地面点， 并对被标记的 非地面点进行点云滤波、 聚类； 在特征提取环节， 将单帧点云均分成若干子点云， 并在每个 子点云中根据曲率 值提取预定数量的平面 点、 边缘点， 曲率值由 计算， 式中 表示第k帧第L线的第i个点， S表 示 附近一系列 连续点的集合； 选取其中c值最小的点作为特征平面点， 选取其中c值最 大的点作为特 征边缘点； 所述S202包括， 使用点线匹配和点面匹配进行帧间匹配， 针对平面特征点， 将其配准到 前一帧的对应面上， 针对边缘特征点， 将其配准到前一帧的对应线 上， 并使用高斯牛顿法和 LM法优化变换矩阵， 得到位姿粗估计结果。 5.根据权利要求2或3所述的一种基于车载多激光雷达 融合的封闭场景三维重建方法，权　利　要　求　书 1/2 页 2 CN 115423972 A 2其特征在于， 在完成雷达的安装之后， 进行雷达相对位置标定； 首先， 进行主雷达点云和补盲雷达点 云的分割， 只保留公共扫描区域， 将主 雷达点云所占的空间划分成指 定大小的网格或体素， 并计算每个网格的多维正态分布参数的均值qi和协方差矩阵Σi； 然后， 将补盲雷达的点云 通过初始欧式变换矩阵转换到主 雷达点云 网格中； 计算NDT配准得分， 可通过对每个网格计 算出的转换点概率密度相加得到 其中 score(p)代表相加结果， xi′代表第i网格的转换点空间坐标； 最后使用高斯牛顿法对目标 函数进行优化， 迭代收敛。 6.根据权利要求1所述的一种基于车载多激光雷达融合的封闭场景三维重建方法， 其 特征在于， 所述S301包括， 遍历点云， 计算每个点与最近k个点之间的平均距离 dij为与点i相 邻的第j个点之间的距离， n为点的个数， 并计算所有平均距离的均值 μ与标准 差σ， 设置距离阈值： dmax＝ μ+α *σ， 其中α 为阈值系数； 再次遍历点云， 剔除与k个最近邻点平 均距离大于dmax的点； 所述S302包括， 使用移动最小二乘法对全局点云地图中的点进行曲线拟合， 拟合函数 定义为： 其中， xnode为节点的空间坐标， x 为节点node 附近的某一点位置坐标， aj即为用于定义节点node附近拟合曲线的一组系数， pj(x)是基函 数， m为点的数量； 通过调整参数 aj使得节点node附近采样点取值与拟合函数在采样点取值 差的加权平方和最小； 经 过求解得到所有节点的系数， 即可 得到全局点云集 合上的拟合曲； 所述S303包括， 首先进行Kd ‑tree最近邻搜索， 给定参考点p， 在半径为r的球内搜索该 点的k近邻来创建点p的邻域Cr(p)； 然后使用切平面进行邻域投影， 将Cr(p)内的点云通过点 p的法向量投影到相同平面上， 该平 面与领域形成的表面大致相切， 基于可见性和距离的标 准删除Cr(p)中不可见和不满足预定距离的点； 对投影得到的点云作平面内 的三角化， 形成 满足最大角度标准和最小角度标准的三角形， 根据平面内三位点的拓扑连接关系获得一个 三角网格曲面模型； 不断寻找新的参 考点， 直至遍历全部点云， 形成完整的三角网格曲面。权　利　要　求　书 2/2 页 3 CN 115423972 A 3