基于几何特征由粗到细点云配准方法与流程

文档序号:22616757发布日期:2020-10-23 19:17阅读:来源:国知局

技术特征:

1.一种基于几何特征由粗到细点云配准方法,其特征在于包括以下步骤:

(1)粗配准阶段,首先寻找点云的最佳投影平面,将点云投影到平面上,然后在平面上提取4个轮廓点,再根据投影变换寻找轮廓点的三维对应点,计算三维点邻域内的各点的曲率,根据曲率变化率的最值寻找特征点;

(2)利用轮廓特征点对的曲率变化率和利用轮廓特征点之间的距离进行匹配,得到初始变换参数;

(3)细配准采用法向量作为点云特征匹配的度量,通过法向量夹角来启发搜索以改善点云配准速度,同时避免陷入局部最小值。

2.根据权利要求1所述的方法,其特征在于四个轮廓特征点的选取:

假设点集为通过最小化点到平面的距离平方误差之和,获得最佳拟合平面p,将点集s投影到平面p上,记为

点集s′p在平面p上的中心点为

在平面上选取的4个点如下:

第一个点fp1为距离中心点最远的点,

第二个点f2为距离f1点和中心点最远的点,

点f1到中心点c的直线和点f2到中心点c的直线形成了以c为顶点的角∠f1cf2,第三个点f3在∠f1cf2的角平分线上,并距离中心最远的点;

第四个点f4在以f3为定点的射线f3c上,并距离中心点c最远的点;

找到这4个点之后,将这4点映射到三维空间中,然后在这4个点周围选取k个最近邻点,计算k个点的曲率形状变化率,寻找这四个点邻域内的特征凹点或者特征凸点作为特征点。

3.根据权利要求1所述的方法,其特征在于步骤(2)中两个4点集匹配的相似度描述函数sp,q:

sp,q=α∑(||c(pfk)-c(qfl)||)+(1-α)∑(||dpi,j-dqi,j||)(3)

对于两个4点轮廓特征点集为点集之间的距离分别为{dpi,j}和{dqi,j},i和j是不同特征点下标k值,然后通过轮廓特征点的曲率变化率和点对之间的距离来找到匹配点。

4.根据权利要求1所述的方法,其特征在于(3)中使用法向量夹角启发icp迭代收敛,具体来说每次匹配时,选取法向量夹角较小的点作为匹配点,并根据均方误差确定下一次匹配的点,均方误差的变化有三种情况:

1)迭代后的均方误差比上一次小,则选取新的目标点;

2)迭代后的误差比上一次大,选取法向量夹角较大的一组点进行迭代;

3)如果多次出现迭代后的误差比上一次大,则减小邻域大小继续迭代直到收敛。


技术总结
本发明提供了一种基于几何特征由粗到细点云配准方法,主要涉及三维重建和计算机视觉领域中两个视角点云配准问题。该方法包括粗配准和细配准两个阶段。在粗配准阶段,通过投影法提取源点云和目标点云各4个特征点,然后利用曲率特征和匹配点之间的距离匹配稳健的特征点对,计算得到初始刚性变换参数;细配准阶段,计算点云法向量及法向量夹角,以法向量为特征进行特征匹配,然后使用法向量夹角来启发搜索,使两点云快速收敛。本发明所提出的由粗到细的配准方法在一定程度上解决了传统ICP配准方法迭代速度慢和配准精度低的问题。

技术研发人员:何小海;胡加涛;吴晓红;滕奇志;卿粼波;吴小强;王正勇
受保护的技术使用者:四川大学
技术研发日:2019.04.12
技术公布日:2020.10.23
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1