一种基于几何空间一致性加权的二部图点云匹配算法的制作方法

本发明属于三维空间重建，具体为一种基于几何空间一致性加权的二部图点云匹配算法。

背景技术：

1、近年来，随着3d采集技术的迅猛发展，三维传感器逐渐从实验室走进了大众的视野，例如各种类型的3d扫描仪、激光雷达与rgb-d相机(例如微软的kinect、英特尔的realsense)；与2d图像相比，三维数据可以表达更加丰富的几何、形状等信息并能够以更好的视角描绘物体整体面貌；点云配准是将具有重叠部分、在不同视角下采集到的点云，通过变换矩阵的转化统一到同一坐标系的算法；点云配准在不同领域有很多应用，如三维重建、三维定位与姿态估计等。

2、一般来说，点云配准主要面临四个挑战：(1)点云分辨率不同；(2)点云数据量巨大且噪声较多；(3)点云结构对称、重复以及不完整；(4)点云存在部分遮挡；为了应对这些挑战，目前已经有大量算法来提高配准算法的鲁棒性、稳定性以及效率。

3、本专利提出一种基于图的优化配准方法，实现了对点云中错误对应关系的筛除以及变换矩阵的求解；结合点云对应点对的几何空间一致性，在几何空间与特征描述符的复合空间上度量特征点对的相似性；同时，从特征点对全局配准的角度出发，将点云配准问题转化为二部图的对应匹配任务并应用k-m算法求解正确的对应关系，最后通过svd分解计算变换矩阵完成点云粗配准。

技术实现思路

1、本发明的目的在于提供一种基于几何空间一致性加权的二部图点云匹配算法，以解决上述背景技术中提出的问题。

2、为了实现上述目的，本发明提供如下技术方案：一一种基于几何空间一致性加权的二部图点云匹配算法，包括以下步骤：

3、s1.采用内部形状描述子(iss)算法检测待配准点云特征点并计算其shot特征描述符以编码特征点局部信息；

4、s2.利用快速点对特征直方图(fpfh)构建点云初始候选对应点对并根据几何空间一致性确定置信度较高的基准点对，以此计算后续匹配点对的几何一致性系数；

5、s3.设计一个描述点云对应点匹配任务的代价函数，该函数在shot特征和欧式几何空间上对特征点的全局相似性进行建模；

6、s4.将s3中的代价函数与二分图相结合，利用kuhn-munkres(km)算法优化全局代价函数用以确定特征点对应关系；

7、s5.利用奇异值分解(svd)估计最优变换，将计算所得变换矩阵作用于源点云以此实现点云粗配准。

8、基于几何空间一致性加权的二部图点云配准方法从特征点对全局匹配的思路出发，将对应点对匹配与二部图完备匹配相结合；通过引入几何一致性赋权的特征点对shot描述符欧氏距离来定义二部图的权值矩阵，利用二部图匹配的k-m算法得出特征点对的对应关系并应用svd分解完成点云粗配准；所提算法为精配准icp提供优化后的位姿，提高了精配准的icp的精度；实验结果表明，与传统配准方法相比，算法在保证精度的情况下，提高了点云粗配准的速度。

9、优选地，s1中利用内部形状描述子(iss)算法提取待配准点云特征点，用提取得到的特征点代表源点云；

10、iss算法是将点云中的每个点建立一个局部坐标系，在可设置的半径r内计算范围内所有点的权值并从大到小排序。

11、优选地，s2中几何空间一致性加权依赖于匹配点云的预对应假设，本文选用快速特征点直方图(fpfh)描述子进行预匹配点云匹配对，然后通过几何空间一致性筛选候选正确对应点对；

12、从点对匹配的整体入手，结合shot描述子良好的描述能力以及点云旋转的不变性，将点云的内在几何关系以系数的表示方式与shot特征直方图欧氏距离进行加权，二者的融合表示大大提高了该点对的匹配成功率，进而得到更加稳定可靠的点云匹配对。

13、优选地，s3中的代价函数主要由匹配代价与惩罚代价组成；

14、匹配代价表征源点云与目标点云对应关键点相似性度量，而惩罚代价表征未匹配点对的数量。

15、优选地，基于kuhn-munkres(km)算法的最优化匹配方法在整体权值最小或最大的策略下求解两点集的对应点对即边的构成；

16、km算法的求解确保每个子图中的节点唯一地连接至另一个子图中的一个节点。

17、优选地，在上文中，通过构建点云对应匹配对的基于几何一致性加权全局代价函数，并利用二分图中的km算法获得了源点云与目标点云的对应关系；

18、因此，将上文中的对应关系带入求解变换矩阵，配准的变换矩阵与就可以用svd分求得。

19、本发明的有益效果如下：

20、基于几何空间一致性加权的二部图点云配准方法从特征点对全局匹配的思路出发，将对应点对匹配与二部图完备匹配相结合；通过引入几何一致性赋权的特征点对shot描述符欧氏距离来定义二部图的权值矩阵，利用二部图匹配的k-m算法得出特征点对的对应关系并应用svd分解完成点云粗配准；所提算法为精配准icp提供优化后的位姿，提高了精配准的icp的精度；实验结果表明，与传统配准方法相比，算法在保证精度的情况下，提高了点云粗配准的速度。

技术特征：

1.一种基于几何空间一致性加权的二部图点云匹配算法，其特征在于：包括以下步骤：

2.根据权利要求1的一种基于几何空间一致性加权的二部图点云匹配算法，其特征在于：s1中利用内部形状描述子(iss)算法提取待配准点云特征点，用提取得到的特征点代表源点云。

3.根据权利要求1的一种基于几何空间一致性加权的二部图点云匹配算法，其特征在于：s2中几何空间一致性加权依赖于匹配点云的预对应假设，本文选用快速特征点直方图(fpfh)描述子进行预匹配点云匹配对，然后通过几何空间一致性筛选候选正确对应点对。

4.根据权利要求1的一种基于几何空间一致性加权的二部图点云匹配算法，其特征在于：s3中的代价函数主要由匹配代价与惩罚代价组成。

5.根据权利要求1的一种基于几何空间一致性加权的二部图点云匹配算法，其特征在于：基于kuhn-munkres(km)算法的最优化匹配方法在整体权值最小或最大的策略下求解两点集的对应点对即边的构成。

6.根据权利要求1的一种基于几何空间一致性加权的二部图点云匹配算法，其特征在于：在上文中，通过构建点云对应匹配对的基于几何一致性加权全局代价函数，并利用二分图中的km算法获得了源点云与目标点云的对应关系。

技术总结
本发明属于三维空间重建技术领域，且公开了一种基于几何空间一致性加权的二部图配准算法，首先，计算点云内部形状描述子(ISS)特征点及其方向直方图(SHOT)特征与快速点直方图(FPFH)特征；然后，利用FPFH特征获取初始候选对应点对并利用几何一致性确定高置信度基准点对，同时计算任意点对的几何一致性系数；接着，将对应匹配任务定义为一个代价函数用以模拟几何一致性加权的特征点对的全局相似性；最后，通过KuhnMunkres(KM)算法优化代价函数获取全局最优对应关系并利用奇异值分解(SVD)完成点云的粗配准。实验结果表明，相较传统粗配准方法，本专利算法能在精度相似的情况下，提高20％的运行时间。

技术研发人员：陈龙,夏坎强,陈红光,卢兴中,陶佳宁
受保护的技术使用者：上海贝特威自动化科技有限公司
技术研发日：
技术公布日：2024/1/12