陈 文，岳惊涛，李 华，韩栋斌，齐 尧

(1.陆军军事交通学院 研究生管理大队，天津 300161； 2.军事交通运输研究所，天津 300161； 3.陆军军事交通学院 军用车辆系，天津 300161)

● 基础科学与技术BasicScience&Technology

基于图优化方法的点云三维环境重构

陈 文1，岳惊涛2，李 华3，韩栋斌1，齐 尧1

(1.陆军军事交通学院 研究生管理大队，天津 300161； 2.军事交通运输研究所，天津 300161； 3.陆军军事交通学院 军用车辆系，天津 300161)

点云的三维重构对无人车感知和高精度地图的制作具有重要作用。为得到与真实环境一致的点云三维环境，提出以GPS差分状态良好的点云为参考，将闭环图优化延伸到非闭环条件下，分别对局部差分不好的路段进行ICP配准和图优化，在此基础上建立全局图结构实施精细优化的算法。通过实验发现，运用该算法消除了配准的累积误差和轨迹重合区域的点云误差，得到全局相对位置一致的点云，达到与真实环境一致的三维重构效果。

配准；图优化；点云；三维重构；无人车

Abstract: Three-dimensional reconstruction of point cloud plays an important role in perceiving unmanned vehicles and making high precision maps. In order to obtain three-dimensional environment of point cloud which is consistent with real environment, the paper firstly proposes a method that extending the closed-loop graph to non-closed-loop graph with point cloud of good GPS differential state as reference. Then, it conducts ICP registration and graph optimization on partial bad differential section respectively, and establishes global graph structure to implement fine optimization. The experiment shows that this algorithm eliminates cumulative error of the registration and point cloud error in the intersection area, and it obtains the point cloud which has relative position in global and achieves three-dimensional reconstruction effect consistent with real environment.

Keywords: registration; graph optimization; point cloud; three-dimensional reconstruction; unmanned vehicles

三维环境重构对无人车的感知和高精度地图的制作具有重要作用。目前，三维环境重构的方法主要有基于视觉和激光雷达[1-2]。视觉易受环境因素的影响，比如光线、天气等，而激光雷达则具有较高的环境适应性和精准的测距精度。因此，本文主要是基于激光雷达点云数据来离线构建无人车三维道路环境。

基于点云的三维重构主要是将相对位置有偏差的点云进行纠正，使所有点云间的相对位置达到全局一致。对于相对位置有偏差的点云常采用配准的方法解决，目前国内外配准算法的研究已经很成熟，主要包括基于几何特征、RANSAC的初始配准和基于ICP、改进ICP的精细配准以及多种算法融合的配准[3-5]。……