本發(fā)明涉及數(shù)據(jù)處理，具體涉及一種點云配準(zhǔn)方法、裝置、設(shè)備及介質(zhì)。
背景技術(shù)：
1、點云配準(zhǔn)是計算機視覺和機器人導(dǎo)航領(lǐng)域中的關(guān)鍵技術(shù)之一，其主要目的是通過將來自不同視角或時間點的點云數(shù)據(jù)進(jìn)行對齊，以實現(xiàn)環(huán)境建模、物體識別等功能。隨著自動駕駛、無人機導(dǎo)航等應(yīng)用的發(fā)展，對于點云配準(zhǔn)算法的速度與魯棒性提出了更高的要求。
2、然而，當(dāng)前廣泛使用的點云配準(zhǔn)算法，如迭代最近點（iterative?closest?point，icp）及其變種，雖然在精度上表現(xiàn)良好，但在處理大規(guī)模點云數(shù)據(jù)時計算效率低下，而一些輕量級算法雖速度快但犧牲了部分準(zhǔn)確性。
3、因此，如何在保證點云配準(zhǔn)高精度的同時縮短響應(yīng)時間成為目前業(yè)界亟待解決的問題。
技術(shù)實現(xiàn)思路
1、有鑒于此，本發(fā)明實施例提供了一種點云配準(zhǔn)方法、裝置、設(shè)備及介質(zhì)，以此解決處理大規(guī)模點云數(shù)據(jù)時效果不好的問題。
2、根據(jù)第一方面，本發(fā)明實施例提供了一種點云配準(zhǔn)方法，所述方法包括：
3、獲取待處理點云數(shù)據(jù)以及待處理任務(wù)的點云配準(zhǔn)請求；
4、利用訓(xùn)練好的配準(zhǔn)匹配模型確定待處理點云數(shù)據(jù)的點云配準(zhǔn)算法，并利用點云配準(zhǔn)算法對待處理點云數(shù)據(jù)進(jìn)行配準(zhǔn)，得到變換矩陣；配準(zhǔn)匹配模型利用決策樹算法訓(xùn)練得到；
5、根據(jù)點云配準(zhǔn)請求將待處理點云數(shù)據(jù)分割為若干的子點云數(shù)據(jù)；
6、采用并行處理的方式，將每一個子點云數(shù)據(jù)均轉(zhuǎn)換為預(yù)設(shè)形狀的齊次坐標(biāo)矩陣并利用變換矩陣對齊次坐標(biāo)矩陣進(jìn)行坐標(biāo)變換，得到每一個子點云數(shù)據(jù)的還原點云矩陣；
7、確定子點云數(shù)據(jù)的編號，根據(jù)編號對還原坐標(biāo)矩陣進(jìn)行拼接，得到配準(zhǔn)后點云數(shù)據(jù)。
8、結(jié)合第一方面，在第一方面第一實施方式中，所述配準(zhǔn)匹配模型通過以下步驟訓(xùn)練得到：
9、獲取不同場景下配準(zhǔn)完成的歷史點云數(shù)據(jù)，并確定歷史點云數(shù)據(jù)使用的點云配準(zhǔn)算法；
10、對歷史點云數(shù)據(jù)進(jìn)行特征提取，提取得到預(yù)設(shè)的歷史點云特征；
11、對歷史點云特征進(jìn)行預(yù)處理；預(yù)處理的方式包括了標(biāo)準(zhǔn)化以及歸一化；
12、將歷史點云特征作為影響因子，建立歷史點云數(shù)據(jù)的影響因子與點云配準(zhǔn)算法之間的映射關(guān)系，得到歷史點云數(shù)據(jù)的歷史訓(xùn)練數(shù)據(jù)；
13、利用歷史訓(xùn)練數(shù)據(jù)構(gòu)建決策樹，并基于構(gòu)建完成的決策樹得到配準(zhǔn)匹配模型；配準(zhǔn)匹配模型用于得到待處理點云數(shù)據(jù)的點云配準(zhǔn)算法。
14、結(jié)合第一方面第一實施方式，在第一方面第二實施方式中，所述利用歷史訓(xùn)練數(shù)據(jù)構(gòu)建決策樹，并基于構(gòu)建完成的決策樹得到配準(zhǔn)匹配模型，具體包括：
15、匯集所有的歷史訓(xùn)練數(shù)據(jù)，得到歷史訓(xùn)練集，將歷史訓(xùn)練集置于決策樹的根節(jié)點上，并計算根節(jié)點的信息熵；
16、遍歷每種影響因子，確定每種影響因子的條件熵，并根據(jù)根節(jié)點的信息熵以及影響因子的條件熵，確定每種影響因子的信息增益；
17、確定每種影響因子的分裂信息，并根據(jù)分裂信息以及信息增益確定每種影響因子的信息增益率；
18、將信息增益率最大的影響因子作為根節(jié)點的分裂特征，并根據(jù)分裂特征對根節(jié)點進(jìn)行分裂，得到根節(jié)點的子節(jié)點；
19、對子節(jié)點遞歸進(jìn)行分裂，直至滿足預(yù)設(shè)停止條件，得到?jīng)Q策樹；
20、確定子節(jié)點以及由子節(jié)點構(gòu)成的子樹的分類效果，并根據(jù)分類效果自底向上對決策樹進(jìn)行剪枝，得到配準(zhǔn)匹配模型。
21、結(jié)合第一方面，在第一方面第三實施方式中，所述利用訓(xùn)練好的配準(zhǔn)匹配模型確定待處理點云數(shù)據(jù)的點云配準(zhǔn)算法，并利用點云配準(zhǔn)算法對待處理點云數(shù)據(jù)進(jìn)行配準(zhǔn)，得到變換矩陣，具體包括：
22、對待處理點云數(shù)據(jù)進(jìn)行特征提取，提取得到預(yù)設(shè)的待處理點云特征；
23、對待處理點云特征進(jìn)行預(yù)處理，并將待處理點云特征輸入至配準(zhǔn)匹配模型中，得到由配準(zhǔn)匹配模型輸出的待處理點云數(shù)據(jù)的點云配準(zhǔn)算法；
24、利用點云配準(zhǔn)算法對待處理點云數(shù)據(jù)進(jìn)行配準(zhǔn)，得到每一幀點云數(shù)據(jù)的變換矩陣；
25、在確定點云配準(zhǔn)算法對待處理點云數(shù)據(jù)配準(zhǔn)失敗的情況下，利用預(yù)設(shè)算法對待處理點云數(shù)據(jù)進(jìn)行配準(zhǔn)，得到每一幀點云數(shù)據(jù)的變換矩陣。
26、結(jié)合第一方面，在第一方面第四實施方式中，所述采用并行處理的方式，將每一個子點云數(shù)據(jù)均轉(zhuǎn)換為預(yù)設(shè)形狀的齊次坐標(biāo)矩陣并利用變換矩陣對齊次坐標(biāo)矩陣進(jìn)行坐標(biāo)變換，得到每一個子點云數(shù)據(jù)的還原點云矩陣，具體包括：
27、采用并行處理的方式，將每一個子點云數(shù)據(jù)均轉(zhuǎn)換為預(yù)設(shè)形狀的齊次坐標(biāo)矩陣；
28、對齊次坐標(biāo)矩陣進(jìn)行矩陣轉(zhuǎn)置，得到轉(zhuǎn)置坐標(biāo)矩陣；
29、根據(jù)子點云數(shù)據(jù)最開始幀以及最末尾幀的點云數(shù)據(jù)，從變換矩陣中提取對應(yīng)的子變換矩陣，利用子變換矩陣對子點云數(shù)據(jù)的轉(zhuǎn)置坐標(biāo)矩陣進(jìn)行矩陣變換，得到變換坐標(biāo)矩陣；
30、對變換坐標(biāo)矩陣還原回預(yù)設(shè)形狀，得到還原點云矩陣。
31、結(jié)合第一方面，在第一方面第五實施方式中，所述確定子點云數(shù)據(jù)的編號，根據(jù)編號對還原坐標(biāo)矩陣進(jìn)行拼接，得到配準(zhǔn)后點云數(shù)據(jù)，具體包括：
32、匯集所有的還原點云矩陣；
33、確定子點云數(shù)據(jù)的編號，根據(jù)編號對所有的還原坐標(biāo)矩陣進(jìn)行還原點云矩陣按行進(jìn)行拼接，得到拼接點云矩陣；
34、將拼接點云矩陣轉(zhuǎn)換為點云數(shù)據(jù)，得到配準(zhǔn)后點云數(shù)據(jù)。
35、結(jié)合第一方面，在第一方面第六實施方式中，所述方法還包括以下步驟：
36、確定待處理點云數(shù)據(jù)的首幀點云數(shù)據(jù)的網(wǎng)絡(luò)地址，根據(jù)網(wǎng)絡(luò)地址生成哈希值，將哈希值與預(yù)設(shè)數(shù)據(jù)庫中存儲的緩存數(shù)據(jù)進(jìn)行匹配，在確定緩存命中的情況下，從預(yù)設(shè)數(shù)據(jù)庫中調(diào)取相匹配的緩存數(shù)據(jù)作為待處理點云數(shù)據(jù)的變換矩陣；哈希值作為待處理點云數(shù)據(jù)的唯一標(biāo)識符，預(yù)設(shè)數(shù)據(jù)庫中存儲有若干幀的歷史變換矩陣。
37、根據(jù)第二方面，本發(fā)明實施例還提供一種點云配準(zhǔn)裝置，所述裝置包括：
38、配準(zhǔn)請求模塊，用于獲取待處理點云數(shù)據(jù)以及待處理任務(wù)的點云配準(zhǔn)請求；
39、點云配準(zhǔn)模塊，用于利用訓(xùn)練好的配準(zhǔn)匹配模型確定待處理點云數(shù)據(jù)的點云配準(zhǔn)算法，并利用點云配準(zhǔn)算法對待處理點云數(shù)據(jù)進(jìn)行配準(zhǔn)，得到變換矩陣；配準(zhǔn)匹配模型利用決策樹算法訓(xùn)練得到；
40、數(shù)據(jù)分割模塊，用于根據(jù)點云配準(zhǔn)請求將待處理點云數(shù)據(jù)分割為若干的子點云數(shù)據(jù)；
41、坐標(biāo)變換模塊，用于采用并行處理的方式，將每一個子點云數(shù)據(jù)均轉(zhuǎn)換為預(yù)設(shè)形狀的齊次坐標(biāo)矩陣并利用變換矩陣對齊次坐標(biāo)矩陣進(jìn)行坐標(biāo)變換，得到每一個子點云數(shù)據(jù)的還原點云矩陣；
42、矩陣拼接模塊，用于確定子點云數(shù)據(jù)的編號，根據(jù)編號對還原坐標(biāo)矩陣進(jìn)行拼接，得到配準(zhǔn)后點云數(shù)據(jù)。
43、根據(jù)第三方面，本發(fā)明實施例還提供一種電子設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執(zhí)行所述程序時實現(xiàn)如上述任一種所述點云配準(zhǔn)方法的步驟。
44、根據(jù)第四方面，本發(fā)明實施例還提供了一種非暫態(tài)計算機可讀存儲介質(zhì)，其上存儲有計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)如上述任一種所述點云配準(zhǔn)方法的步驟。
45、本發(fā)明的點云配準(zhǔn)方法、裝置、設(shè)備及介質(zhì)，利用訓(xùn)練好的配準(zhǔn)匹配模型確定待處理點云數(shù)據(jù)的點云配準(zhǔn)算法，再利用點云配準(zhǔn)算法對待處理點云數(shù)據(jù)進(jìn)行配準(zhǔn)，得到變換矩陣，配準(zhǔn)匹配模型利用決策樹算法訓(xùn)練得到，通過智能決策支持下的靈活切換每次待處理點云數(shù)據(jù)的點云配準(zhǔn)算法提高了整體系統(tǒng)的響應(yīng)速度和可靠性，通過將主進(jìn)程的待處理點云數(shù)據(jù)分割為若干的子點云數(shù)據(jù)，每個子點云數(shù)據(jù)均分配至一個子進(jìn)程處進(jìn)行處理，在處理子點云數(shù)據(jù)時可以采取多進(jìn)程并行處理方式，以此充分利用了現(xiàn)代處理器架構(gòu)的優(yōu)勢，大幅提升了數(shù)據(jù)處理效率，進(jìn)一步增強了吞吐量，這樣后續(xù)可以采用并行處理的方式，將每一個子點云數(shù)據(jù)均轉(zhuǎn)換為預(yù)設(shè)形狀的齊次坐標(biāo)矩陣并利用變換矩陣對齊次坐標(biāo)矩陣進(jìn)行坐標(biāo)變換，得到每一個子點云數(shù)據(jù)的還原點云矩陣，利用變換矩陣進(jìn)行一次的矩陣乘法就能夠進(jìn)行齊次坐標(biāo)下的正確變換，對于大規(guī)模點云處理，能夠顯著提升處理效率，并實現(xiàn)了時間均衡的點云配準(zhǔn)，進(jìn)一步提升了處理效率。本發(fā)明綜合運用多種策略能夠在保持高質(zhì)量輸出的同時大幅縮短整個配準(zhǔn)周期。