改进ICP算法的激光雷达点云配准

doi:10.13474/j.cnki.11-2246.2024.0401

测绘通报 ›› 2024, Vol. 0 ›› Issue (4): 1-5.doi: 10.13474/j.cnki.11-2246.2024.0401

• 学术研究 •

改进ICP算法的激光雷达点云配准

许哲^1,2, 董林啸¹, 吴家跃¹

1. 上海海洋大学工程学院, 上海 201306;
2. 上海海洋可再生能源工程技术研究中心, 上海 201306

收稿日期:2023-09-01 发布日期:2024-04-29
通讯作者: 董林啸。E-mail:linxiao982022@163.com
作者简介:许哲(1970—),男,博士,副教授,主要研究方向为机器人控制、图像识别技术。E-mail:946621972@qq.com
基金资助:
上海市联盟计划(D-8006-05-0031);上海市科学技术委员会资助项目(19DZ2254800)

LiDAR point cloud registration with improved ICP algorithm

XU Zhe^1,2, DONG Linxiao¹, WU Jiayue¹

1. College of Engineering Science and Technology, Shanghai Ocean University, Shanghai 201306, China;
2. Shanghai Engineering Research Center of Marine Renewable Energy, Shanghai 201306, China

Received:2023-09-01 Published:2024-04-29

摘要/Abstract

摘要： 针对传统ICP算法在激光雷达目标点云配准中存在匹配时间长,以及受初值影响导致该算法应用在无人车SLAM技术中容易存在定位精度不高和稳健性较差的问题,本文提出了一种结合KD-tree算法的NDT-ICP算法。首先,通过Voxel Grid滤波对激光雷达获取的点云数据进行预处理,利用平面拟合参数的方法去除地面点云;然后,利用NDT算法进行点云粗匹配,缩短目标点云与待匹配点云距离;最后,通过KD-tree邻近搜索法提高对应点查找速度,并通过优化收敛阈值,完成ICP算法的精匹配。试验结果表明,本文提出的改进算法相比于NDT算法和ICP算法,在点云配准速度和精度上有明显提高,且在地图构建上精度和稳健性更好。

关键词: 无人车, 点云配准, ICP算法, NDT算法, 激光SLAM

Abstract: The traditional ICP algorithm has long matching time and is affected by initial values in LiDAR target point cloud matching, which leads to low positioning accuracy and poor robustness when applied to unmanned vehicle SLAM technology. Proposes an NDT-ICP algorithm that combines the KD-tree algorithm. Firstly, voxel grid filtering is used to preprocess the point cloud data obtained from LiDAR, and the method of plane fitting parameters is used to remove point cloud of ground. Secondly, use NDT algorithm for point cloud coarse matching to shorten the distance between the target point cloud and the point cloud to be matched. Finally, the KD-tree proximity search method is used to improve the speed of corresponding point search, and the precise matching of the ICP algorithm is completed by optimizing the convergence threshold. Through experiments, it has been shown that the improved algorithm proposed in this article has significantly improved speed and accuracy in point cloud matching compared to NDT and ICP algorithms, and has better accuracy and robustness in map construction.

Key words: unmanned vehicle, point cloud registration, ICP algorithm, NDT algorithm, laser SLAM

中图分类号:

P237

许哲, 董林啸, 吴家跃. 改进ICP算法的激光雷达点云配准[J]. 测绘通报, 2024, 0(4): 1-5.

XU Zhe, DONG Linxiao, WU Jiayue. LiDAR point cloud registration with improved ICP algorithm[J]. Bulletin of Surveying and Mapping, 2024, 0(4): 1-5.

参考文献

[1] 李枭凯,李广云,索世恒,等. 激光SLAM技术进展[J]. 导航定位学报,2023,11(4): 8-17.
[2] 李帅鑫,李九人,田滨,等. 面向点云退化的隧道环境的无人车激光SLAM方法[J]. 测绘学报,2021,50(11): 1487-1499.
[3] 马庆禄,张杰. 基于激光雷达的无人车动态避障方法[J]. 计算机仿真,2023,40(5): 197-201.
[4] 朱玉梅,邢明义,蔡静. 基于法向量权重改进的ICP算法[J]. 计量学报,2023,44(6): 852-857.
[5] 孙健,刘隆辉,李智,等. 基于RGB-D相机和激光雷达的传感器数据融合算法[J]. 湖南工程学院学报(自然科学版),2022,32(1): 18-24.
[6] 李仁忠,杨曼,田瑜,等. 基于ISS特征点结合改进ICP的点云配准算法[J]. 激光与光电子学进展,2017,54(11): 312-319.
[7] 王太学,江智,江德港,等. 融合PCA的改进ICP激光点云配准算法[J]. 遥感信息,2022,37(2): 70-76.
[8] 李艳红,闫建国,王晓燕. 基于邻域曲率改进的迭代最近点激光雷达目标点云配准[J]. 激光与光电子学进展,2023,60(2): 396-401.
[9] 岳胜杰,王红旗,刘群坡,等. 结合扩展卡尔曼滤波与基于点线的最近点迭代扫描匹配算法的机器人位姿自适应估计[J]. 测绘通报,2022(7): 49-53.
[10] 姬鹏,陈泽曰. 基于NDT和改进ICP融合的点云配准方法[J]. 工业控制计算机,2022,35(11): 111-113.
[11] ZERMAS D,IZZAT I,PAPANIKOLOPOULOS N. Fast segmentation of 3D point clouds: a paradigm on LiDAR data for autonomous vehicle applications[C]//Proceedings of 2017 IEEE International Conference on Robotics and Automation. Singapore: IEEE,2017.
[12] 杨宜林,李积英,王燕,等. 基于NDT和特征点检测的点云配准算法研究[J]. 激光与光电子学进展,2022,59(8): 198-204.
[13] 刘畅文,李波,潘江涛,等. 基于ISS-3DSC的NDT三维点云配准算法研究[J]. 激光与红外,2023,53(5): 777-783.
[14] 王庆闪,张军,刘元盛,等. 基于NDT与ICP结合的点云配准算法[J]. 计算机工程与应用,2020,56(7): 88-95.
[15] 张桂杨,苑壮,陶刚. 基于NDT和ICP融合的点云配准方法[J]. 北京测绘,2019,33(12): 1465-1469.
[16] 王珊,王春阳. 基于特征点匹配的三维点云配准算法[J]. 国外电子测量技术,2020,39(12): 23-28.
[17] 张名芳,付锐,郭应时,等. 基于三维不规则点云的地面分割算法[J]. 吉林大学学报(工学版),2017,47(5): 1387-1394.

改进ICP算法的激光雷达点云配准

LiDAR point cloud registration with improved ICP algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	牛学超. 一种基于位置识别的室内场景点云配准方法[J]. 测绘通报, 2023, 0(4): 150-153,158.
[2]	周长江, 张晨辉. 新型测绘技术在城市部件普查中的应用[J]. 测绘通报, 2023, 0(12): 147-152.
[3]	胡晓静, 刘钰, 陈延博, 李书丹, 李遥. 融合多源数据的城市三维建模方法探索[J]. 测绘通报, 2023, 0(11): 128-131.
[4]	陈恬宇, 孙立双, 车德福. 二维激光雷达的实时三维重建方法[J]. 测绘通报, 2023, 0(10): 67-73.
[5]	谢洪, 陈立波, 聂倩, 吴玮, 张沛. 利用点云配准的空地影像融合技术[J]. 测绘通报, 2022, 0(6): 82-87.
[6]	谢元, 董梦, 马新建. 多源数据在复杂场景建筑物三维重建的应用[J]. 测绘通报, 2022, 0(6): 143-147.
[7]	阮明浩, 卢永华, 刘玉贤, 汤圣君, 王伟玺, 张宇琦, 李游. 激光与倾斜点云精确配准与无缝融合[J]. 测绘通报, 2022, 0(4): 6-10.
[8]	赵彦刚, 付守健, 陈宏强, 吴波. Heron移动背包三维激光扫描系统在1∶500大比例尺测图中的精度评价及效率分析[J]. 测绘通报, 2021, 0(10): 114-116.
[9]	王树臻, 郑国强, 王光生, 胡玉民, 张德怀, 亓伟. 多源点云数据融合的建筑物精细化建模[J]. 测绘通报, 2020, 0(8): 28-32,38.
[10]	李宇翔, 郭际明, 潘尚毅, 吕丽丽, 卢主兴, 章迪. 一种基于ISS-SHOT特征的点云配准算法[J]. 测绘通报, 2020, 0(4): 21-26.
[11]	杨海舰, 徐二帅, 陈文佳, 许志华. 四元组标靶辅助下的RGB-D室内点云配准[J]. 测绘通报, 2020, 0(12): 32-36.
[12]	袁志聪, 鲁铁定, 刘瑞. 一种基于BFGS修正的正态分布变换点云配准方法[J]. 测绘通报, 2020, 0(10): 38-42.
[13]	李明峰, 陆海芳, 赵湘玉. 对偶四元数法在稳健点云配准中的应用[J]. 测绘通报, 2019, 0(9): 22-26.
[14]	孙培芪, 卜俊洲, 陶庭叶, 房兴博, 贺晗, 冯佳琪. 基于特征点法向量的点云配准算法[J]. 测绘通报, 2019, 0(8): 48-53.
[15]	郭雨, 夏永华, 杨明龙. 融合多源测量数据的钟乳石三维建模方法[J]. 测绘通报, 2019, 0(2): 49-53.