特殊条件下基于点云的运动平台位置姿态确定方法研究

Position and orientation estimation for motion platform is an important foundation in navigation and positioning. GPS/INS integration and vision navigation are commonly used methods, but these methods fail when there is no radiation source whose location is known or light conditions are not suitable for imaging. Aimed at these limitations, our project studies a new method based on point cloud matching. In our method, position and orientation parameters are determined by matching real point cloud acquired by motion platform with reference point cloud. Since the point clouds are obtained by different sensors at different time and they have significant difference in volume and structure, matching for this point clouds is difficult. According to the difficulties, firstly we study an applicable point cloud feature extraction approach and evaluate point cloud matching suitability. Secondly we extract basic geometry feature from real and reference point cloud for matching. Thirdly analyze effective point cloud matching algorithm and strategy in the research. Then, acquire correspondence information through point cloud matching, the correspondence information is used to calculate position and orientation parameters based on model that real point cloud constructed. Our research involves multi-source, heterogeneous and distinctly different volume’s point cloud matching and registration. This is a theoretical basis for point cloud processing. The expected results can be applied to multi-source sensor data fusion and modeling.

运动平台位置姿态确定是导航定位的重要基础，但现在常用的GPS+惯导、视觉定姿定位等方法在特殊情况下（无已知位置辐射源、光照条件很差无法获取影像时）无法进行位姿获取。针对这种情况，本项目研究一种在此特殊环境下，基于点云的运动平台位置姿态确定方法，利用获取的实时点云与已知参考位置信息的参考点云匹配，根据匹配信息进行位置与姿态确定。针对研究的关键问题——异源、异质、数据量差异很大的点云数据匹配与配准方法，研究适用于异源、异质点云匹配的点云特征、特别是基本几何体特征提取方法，并对点云可匹配性进行评价；对数据量差异很大的点云数据快速匹配配准方法与策略进行分析；利用点云匹配获得的同名信息，根据点云或深度数据的生成模型进行运动平台位姿参数解算。研究中涉及的异源、异质、异时且数据量差异很大的点云匹配与配准方法是点云数据处理的重要理论依据，研究成果可拓展应用到异源传感器数据融合、多源点云数据建模等领域。

运动平台位置姿态确定是导航定位的重要基础，但现有的GPS+惯导、视觉定姿定位等方法在没有已知位置辐射源、光照条件很差无法获取影像时，无法进行位姿获取。为此，本项目研究一种在此特殊条件下，基于点云的移动位姿确定方法。利用移动端主动获取的实时点云与已知参考点云匹配，由匹配信息进行位姿确定。针对其关键问题——异源、异质、数据量和范围都差异很大的点云数据匹配与配准方法，项目研究了：.1、适用于异源、异质点云匹配的点云共性特征定义与提取方法，以及场景中干扰特征的剔除；2、适宜于移动端匹配定位的参考点云图生成方法，包括在点云配准解算上研究了一种改进的整体最小二乘点云配准算法和一种基于方向特征加权约束的配准方法；以及适用于导航定位的室内参考点云地图管理方法；3、基于共性特征提取的点云匹配方法与策略，以及在此基础上的移动端位姿确定，并利用场景点云中特征提取情况对场景参考点云和实时点云的可匹配性进行评价。.在项目研究基础上：1）提出并实现了室内点云场景的精简化结构特征表达，构建了一种半自动化的地图特征模式提取流程生成了室内导航地图和室内场景简化表达的模型结果，设计了一种参考点云地图数据的管理方案以提高匹配配准过程中参考点云地图的管理效率；2）提出并实现了一种适应点云精简化结构特征模式的匹配与配准策略，在此基础上提出并实现了低成本激光雷达基于精简化结构特征的回环检测方法，有效提高全局定位初始化、回环检测的效率与可靠性；3）实现了室内场景基于RGB-D相机或低成本LiDAR的全局定位初始化，确定初始位姿参数；4）最终建立了不依赖于室内光照条件和已知位置辐射源的，分别基于这两种传感器的室内定位定姿原型系统。.研究中涉及的异源异构点云间的配准方法本身是点云处理中尚未解决的关键问题之一，因此具有较大的理论研究价值；项目研究成果对于机器人导航、自动驾驶、以及室内环境信息的渐进式遥感获取具有很大应用意义。