1.一种基于参照物的激光雷达点云数据配准方法,其特征在于,所述数据配准方法包括步骤:S1:制作具有逆向反射性能的参照物;所述参照物包括第一平面、第二平面和第三平面,所述第一平面、所述第二平面和所述第三平面中各个平面之间的夹角为90°;所述第一平面、所述第二平面和所述第三平面的平面表面均喷涂有灰色的反光粉,所述反光粉的粒径为400目;
S2:将所述参照物部署至待测环境中的预设位置处;所述参照物在所述预设位置处满足条件:所述参照物的各个平面在每一个激光雷达的扫描范围内;
S3:基于激光雷达获取待测环境的点云数据,依据所述点云数据中的反射强度信息进行初步滤波;
S4:采用基于密度的聚类方法对初步滤波后的点云数据进行聚类,去除噪声并获得仅由参照物所反射的点云数据;
S5:利用基于鲁棒M估计的迭代最近点方法,对步骤S4所获得点云数据进行加权配准;
其中,利用基于鲁棒M估计的迭代最近点方法包括将参照点在两个不同坐标系中的配准;配准是找到由旋转矩阵
3×3 T 3
R∈{R |RR=I,det(R)=1}和转换向量t∈R 以使点集P与目标点集Q融合;通过迭代求解下式1获得最终的旋转矩阵R和转换向量t;矩阵I表示单位矩阵;
在式1中,pi是点集P中的点,q是pi在目标点集Q中的对应点,采用ICP算法寻找对应点,N是点集P中的点的数量,k是指迭代次数,即每一次迭代利用前一次迭代结果进行计算;
根据Cauthy准则,wi的权重为pi;wi的表达式如式2所示:在式2中,r是一组点对的在空间中的距离,kca是一个使函数收敛的常数值,为4.3040;
S6:将步骤S5加权配准所获得的旋转及平移矩阵应用到全局点云数据中,观测配准结果;若配准效果良好,则步骤S6结束,若配准存在误差,则将步骤S5加权配准所获得的旋转矩阵及平移向量作为迭代最近点方法的初始值,将全局点云进行迭代最近点方法的计算;
S7:移动所述参照物至另一预设位置,重复步骤S3至S6,进行预设次数的配准,取最优配准结果时的旋转矩阵及平移向量作为配准的最终结果。
2.根据权利要求1所述的一种基于参照物的激光雷达点云数据配准方法,其特征在于,步骤S3所述初步滤波中的滤波阈值范围为150到200。