激光雷达和相机的点云数据融合方法、装置

技术领域

本发明涉及数据处理技术领域，具体涉及一种激光雷达和相机的点云数据融合方法、一种激光雷达和相机的点云数据融合装置、一种计算机设备和一种非临时性计算机可读存储介质。

背景技术

随着人工智能、大数据的不断发展，无人驾驶同样得到了广泛的关注，无人驾驶技术未来在辅助驾驶、解决城市问题、减少交通事故等起到关键的作用。

目前无人驾驶领域的定位和导航，主要使用的传感器有很多种，使用较广泛的是摄像机和三维激光雷达，在使用激光雷达进行定位和导航的过程中，需要将激光雷达与视觉传感器进行标定，将激光雷达的点云投影到图像进行激光雷达和相机的点云数据融合。

相关技术中，融合方式又主要是根据激光雷达点云在图像中的投影位置，推测激光雷达点云的色彩信息，利用带颜色信息的点云数据，完成后续的目标检测、识别、跟踪等应用；或者基于激光雷达点云在图像中的投影位置，根据激光雷达点云的三维坐标信息，推测其周围的图像像素的三维坐标信息，利用带三维坐标信息的图像数据，完成后续的目标检测、跟踪、识别等应用。

然而，上述数据融合的性能主要取决于激光雷达与视觉传感器间相对位姿标定的准确程度，即使静态标定可以取得足够的标定精度，但在用于无人驾驶车辆时，车辆行驶过程中的震动、颠簸会导致相对位姿的改变，进而影响数据融合的性能。

发明内容

本发明为解决上述技术问题，提供了一种激光雷达和相机的点云数据融合方法，该方法通过获取激光雷达相邻两帧数据间相机采集的图像点云数据，可以获取高质量的点云，并以此进行激光点云数据和图像点云数据间的匹配、融合，提高了点云分辨率，且融合性能与激光雷达与视觉传感器间的相对位姿的测量精度无关，不受相机内参变化和相机与激光雷达间外参变化影响，应用于无人驾驶车辆时，针对车辆行驶过程中常见的震动、颠簸等情况具有较强的鲁棒性。

本发明还提出一种激光雷达和相机的点云数据融合装置。

本发明还提出一种计算机设备。

本发明还提出一种非临时性计算机可读存储介质。

本发明采用的技术方案如下：

本发明第一方面实施例提出了一种激光雷达和相机的点云数据融合方法，包括以下步骤：控制所述激光雷达以第一预设频率进行点云数据采集得到激光点云数据，并控制所述相机以第二预设频率进行点云数据采集得到图像点云数据，其中所述第一预设频率小于所述第二预设频率；获取所述激光雷达相邻两帧激光点云数据间所述相机采集的图像点云数据；对所述图像点云数据进行三维重建、视觉里程计以获取三维特征点；获取所述三维特征点处的特征点激光点云数据和所述三维特征点处的特征点图像点云数据，并建立所述特征点激光点云数据和所述特征点图像点云数据间的匹配关系；根据所述匹配关系将所述图像点云数据的坐标变换到激光雷达坐标系，并将所述图像点云数据叠加到所述激光点云数据中。

根据本发明的一个实施例，所述第一预设频率为10帧/秒，所述第二预设频率为30帧/秒。

根据本发明的一个实施例，通过EPnP(一种3d-2d位姿估计算法)方法建立所述特征点激光点云数据和所述特征点图像点云数据间的匹配关系。

本发明第二方面实施例提出了一种激光雷达和相机的点云数据融合装置，包括：采集模块，所述采集模块用于控制所述激光雷达以第一预设频率进行点云数据采集得到激光点云数据，并控制所述相机以第二预设频率进行点云数据采集得到图像点云数据，其中所述第一预设频率小于所述第二预设频率；获取模块，所述获取模块用于获取所述激光雷达相邻两帧激光点云数据间所述相机采集的图像点云数据；处理模块，所述处理模块用于对所述图像点云数据进行三维重建、视觉里程计以获取三维特征点；建立模块，所述建立模块用于获取所述三维特征点处的特征点激光点云数据和所述三维特征点处的特征点图像点云数据，并建立所述特征点激光点云数据和所述特征点图像点云数据间的匹配关系；融合模块，所述融合模块用于根据所述匹配关系将所述图像点云数据的坐标变换到激光雷达坐标系，并将所述图像点云数据叠加到所述激光点云数据中。

根据本发明的一个实施例，所述第一预设频率为10帧/秒，所述第二预设频率为30帧/秒。

根据本发明的一个实施例，所述建立模块具体通过EPnP方法建立所述特征点激光点云数据和所述特征点图像点云数据间的匹配关系。

本发明的第三方面实施例提出了一种计算机设备，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，所述处理器执行所述程序时，实现本发明第一方面实施例所述的激光雷达和相机的点云数据融合方法。

本发明的第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明第一方面实施例所述的激光雷达和相机的点云数据融合方法，。

本发明的有益效果：

本发明通过获取激光雷达相邻两帧数据间相机采集的图像点云数据，可以获取高质量的点云，并以此进行激光点云数据和图像点云数据间的匹配、融合，提高了点云分辨率，且融合性能与激光雷达与视觉传感器间的相对位姿的测量精度无关，不受相机内参变化和相机与激光雷达间外参变化影响，应用于无人驾驶车辆时，针对车辆行驶过程中常见的震动、颠簸等情况具有较强的鲁棒性。

附图说明

图1是根据本发明一个实施例的激光雷达和相机的点云数据融合方法的流程图；

图2是根据本发明一个实施例的激光雷达和相机的点云数据融合装置的方框示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1是根据本发明一个实施例的激光雷达和相机的点云数据融合方法的流程图。如图1所示，该方法包括以下步骤：

S1，控制激光雷达以第一预设频率进行点云数据采集得到激光点云数据，并控制相机以第二预设频率进行点云数据采集得到图像点云数据。其中，第一预设频率小于第二预设频率。

在本发明的一个实施例中，第一预设频率可以为10帧/秒，第二预设频率可以为30帧/秒。

S2，获取激光雷达相邻两帧激光点云数据间相机采集的图像点云数据。

例如，如果激光雷达以10帧/秒进行激光点云数据采集，相机以30帧/秒进行图像点云数据采集，那么激光雷达相邻两帧激光数据间隔100毫秒，100毫秒可以收到3帧相机采集的图像点云数据。

S3，对图像点云数据进行三维重建、视觉里程计处理以获取三维特征点。

S4，获取三维特征点处的特征点激光点云数据和三维特征点处的特征点图像点云数据，并建立特征点激光点云数据和特征点图像点云数据间的匹配关系。

S5，根据匹配关系将图像点云数据的坐标变换到激光雷达坐标系，并将图像点云数据叠加到激光点云数据中。

具体的，控制激光雷达以第一预设频率进行激光点云数据采集，并控制相机以第二预设频率进行图像点云数据采集，例如，激光雷达以10帧/秒进行激光点云数据采集，相机以30帧/秒进行图像点云数据采集。获取激光雷达相邻两帧激光点云数据间相机采集的多帧图像点云数据，对此图像点云数据进行三维重建、视觉里程计等处理，以获取产生的三维特征点，特征点集中在具有显著性的位置，如指示牌的边缘、车道线的边缘、交通灯的立杆等，同样激光雷达也会在这些位置产生高质量点云，两种方式产生的点云间存在一个仿射变换(指两组匹配特征间存在的坐标变换，该变换包含平移、尺度等)，由于激光雷达和相机的FOV(Field Of View，视场角)是相似的，因此两种方式产生的点云间数据存在高度的重复性，因此很容易建立两种点云间的匹配关系，从而计算出仿射变换，根据仿射变换将图像点云数据的坐标变换到激光雷达坐标系，再将相机产生的图像点云数据叠加到激光雷达产生的激光点云数据中，由此，完成激光雷达和相机的点云数据融合。

由此，该方法通过获取激光雷达相邻两帧数据间相机采集的图像点云数据，可以获取高质量的点云，并以此进行激光点云数据和图像点云数据间的匹配、融合，提高了点云分辨率，增强了激光雷达的点云信息，且融合性能与激光雷达与视觉传感器间的相对位姿的测量精度无关，不受相机内参变化和相机与激光雷达间外参变化影响，应用于无人驾驶车辆时，针对车辆行驶过程中常见的震动、颠簸等情况具有较强的鲁棒性，并且，本发明的图像特征的三维坐标具有真实尺度。

根据本发明的一个实施例，通过EPnP方法建立特征点激光点云数据和特征点图像点云数据间的匹配关系。

具体的，可以采用EPnP方法求解激光雷达与相机之间的旋转矩阵R和平移向量t，根据旋转矩阵R和平移向量t即可建立激光点云数据和图像点云数据间的匹配关系。EPnP具体为现有技术，本发明中不再进行赘述。

综上所述，根据本发明实施例的激光雷达和相机的点云数据融合方法，控制激光雷达以第一预设频率进行激光点云数据采集，并控制相机以第二预设频率进行图像点云数据采集，其中第一预设频率小于第二预设频率，获取激光雷达相邻两帧激光点云数据间相机采集的图像点云数据，对图像点云数据进行处理以获取三维特征点，获取三维特征点处的特征点激光点云数据和三维特征点处的特征点图像点云数据，并建立特征点激光点云数据和特征点图像点云数据间的匹配关系，根据匹配关系将图像点云数据的坐标变换到激光雷达坐标系，并将图像点云数据叠加到激光点云数据中。由此，该方法通过获取激光雷达相邻两帧数据间相机采集的图像点云数据，可以获取高质量的点云，并以此进行激光点云数据和图像点云数据间的匹配、融合，提高了点云分辨率，且融合性能与激光雷达与视觉传感器间的相对位姿的测量精度无关，不受相机内参变化和相机与激光雷达间外参变化影响，应用于无人驾驶车辆时，针对车辆行驶过程中常见的震动、颠簸等情况具有较强的鲁棒性，并且，本发明的图像特征的三维坐标具有真实尺度。

与上述的激光雷达和相机的点云数据融合方法相对应，本发明还提出一种激光雷达和相机的点云数据融合装置。由于本发明的装置实施例与上述的方法实施例相对应，对于装置实施例中未披露的细节可参照上述的方法实施例，本发明中不再进行赘述。

图2是根据本发明一个实施例的激光雷达和相机的点云数据融合装置的方框示意图，如图2所示，该装置包括：采集模块1、获取模块2、处理模块3、建立模块4、融合模块5。

其中，采集模块1用于控制激光雷达以第一预设频率进行点云数据采集得到图像点云数据，并控制相机以第二预设频率进行点云数据采集得到图像点云数据，其中第一预设频率小于第二预设频率；获取模块2用于获取激光雷达相邻两帧激光点云数据间相机采集的图像点云数据；处理模块3用于对图像点云数据进行三维重建、视觉里程计处理以获取三维特征点；建立模块4用于获取三维特征点处的特征点激光点云数据和三维特征点处的特征点图像点云数据，并建立特征点激光点云数据和特征点图像点云数据间的匹配关系；融合模块5用于根据匹配关系将图像点云数据的坐标变换到激光雷达坐标系，并将图像点云数据叠加到激光点云数据中。

根据本发明的一个实施例，第一预设频率可以为10帧/秒，第二预设频率可以为30帧/秒。

根据本发明的一个实施例，建立模块4具体通过EPnP方法建立激光雷达采集的点云数据和相机采集的点云数据间的匹配关系。

根据本发明实施例的激光雷达和相机的点云数据融合装置，通过采集模块控制激光雷达以第一预设频率进行点云数据采集得到激光点云数据，并控制相机以第二预设频率进行点云数据采集得到图像点云数据，其中第一预设频率小于第二预设频率，获取模块获取激光雷达相邻两帧激光点云数据间相机采集的图像点云数据，处理模块对图像点云数据进行处理以获取三维特征点，建立模块获取三维特征点处的特征点激光点云数据和三维特征点处的特征点图像点云数据，并建立特征点激光点云数据和特征点图像点云数据间的匹配关系，融合模块根据匹配关系将图像点云数据的坐标变换到激光雷达坐标系，并将图像点云数据叠加到激光点云数据中。由此，该装置通过获取激光雷达相邻两帧数据间相机采集的图像点云数据，可以获取高质量的点云，并以此进行激光点云数据和图像点云数据间的匹配、融合，提高了点云分辨率，且融合性能与激光雷达与视觉传感器间的相对位姿的测量精度无关，不受相机内参变化和相机与激光雷达间外参变化影响，应用于无人驾驶车辆时，针对车辆行驶过程中常见的震动、颠簸等情况具有较强的鲁棒性，并且，本发明的图像特征的三维坐标具有真实尺度。

此外，本发明还提出一种计算机设备，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程序时，实现本发明上述的激光雷达和相机的点云数据融合方法。

根据本发明实施例的计算机设备，存储在存储器上的计算机程序被处理器执行时，控制激光雷达以第一预设频率进行激光点云数据采集，并控制相机以第二预设频率进行图像点云数据采集，其中第一预设频率小于第二预设频率，获取激光雷达相邻两帧激光点云数据间相机采集的图像点云数据，对图像点云数据进行处理以获取三维特征点，获取三维特征点处的特征点激光点云数据和三维特征点处的特征点图像点云数据，并建立特征点激光点云数据和特征点图像点云数据间的匹配关系，根据匹配关系将图像点云数据的坐标变换到激光雷达坐标系，并将图像点云数据叠加到激光点云数据中。由此，通过获取激光雷达相邻两帧数据间相机采集的图像点云数据，可以获取高质量的点云，并以此进行激光点云数据和图像点云数据间的匹配、融合，提高了点云分辨率，且融合性能与激光雷达与视觉传感器间的相对位姿的测量精度无关，不受相机内参变化和相机与激光雷达间外参变化影响，应用于无人驾驶车辆时，针对车辆行驶过程中常见的震动、颠簸等情况具有较强的鲁棒性，并且，本发明的图像特征的三维坐标具有真实尺度。

本发明还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明上述的激光雷达和相机的点云数据融合方法。

根据本发明实施例的非临时性计算机可读存储介质，存储在其上的计算机程序被处理器执行时，控制激光雷达以第一预设频率进行激光点云数据采集，并控制相机以第二预设频率进行图像点云数据采集，其中第一预设频率小于第二预设频率，获取激光雷达相邻两帧激光点云数据间相机采集的图像点云数据，对图像点云数据进行处理以获取三维特征点，获取三维特征点处的特征点激光点云数据和三维特征点处的特征点图像点云数据，并建立特征点激光点云数据和特征点图像点云数据间的匹配关系，根据匹配关系将图像点云数据的坐标变换到激光雷达坐标系，并将图像点云数据叠加到激光点云数据中。由此，通过获取激光雷达相邻两帧数据间相机采集的图像点云数据，可以获取高质量的点云，并以此进行激光点云数据和图像点云数据间的匹配、融合，提高了点云分辨率，且融合性能与激光雷达与视觉传感器间的相对位姿的测量精度无关，不受相机内参变化和相机与激光雷达间外参变化影响，应用于无人驾驶车辆时，针对车辆行驶过程中常见的震动、颠簸等情况具有较强的鲁棒性，并且，本发明的图像特征的三维坐标具有真实尺度。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。