The invention discloses a fast weighted registration method of 3D point cloud data based on the curvature characteristics, including: treating the matching point cloud data P and the model point cloud data M for lower sampling according to the curvature characteristics, obtaining the sample data of the matching point cloud P 'and the model point cloud sample data M', calculating the curvature characteristics of the sampling points and according to the calculation. By using the index acceleration method, the matching points of each matching point in P 'are searched by the index acceleration method, and multiple matching points are obtained. The selection of Euclidean distance based on the Euclidean distance is used to remove the matching points of the Euclidean distance which is larger than a preset threshold. The initial rigid body transformation matrix is obtained by using the iterative re weighted least square method. The initial rigid body transformation matrix is used for rough matching of P and M, and the initial rigid transformation matrix is used as the initial rigid body transformation matrix, and the rough matching results are well matched by the Trimmed ICP algorithm which is weighted by distance.
【技术实现步骤摘要】
一种基于曲率特征的三维点云数据快速加权配准方法
本专利技术涉及三维点云数据的配准领域,尤其涉及一种基于曲率特征的三维点云数据快速加权配准方法。
技术介绍
近年来,三维点云数据广泛应用于三维建模、目标识别、物体表面检测等领域,三维点云数据的多角度快速、精确配准技术是当前研究的热点之一。三维点云数据配准的目的是寻找一个三维刚体变换,将物体不同角度的离散的三维点云数据快速、精准地匹配和融合。理论上,如果能找到两组点云上确定的不共面的三个对应的点对,点云数据的配准就可以精确快速完成,但是,由于数据获取设备分辨率和精度的有限,实际上很难找到确定的三个对应的点对,因此,点云配准问题实为数据的优化问题。传统的配准ICP(IterativeClosestPoints,迭代最近点)算法被广泛应用,然而这种方法是逐点求最小的欧氏距离,运算量巨大,耗时长,并且算法的运行速度以及收敛性在很大程度上依赖于给定的初始变换估计,初始变换估计不准确会直接导致配准结果陷入局部最优值;另外,如果点云数据只有少部分重叠也会导致配准失败;再一方面,随着技术飞速发展,获取的三维点云点数据量巨大,如何达到快速而且高精度的配准成为了研究的难点。以上
技术介绍
内容的公开仅用于辅助理解本专利技术的专利技术构思及技术方案,其并不必然属于本专利申请的现有技术,在没有明确的证据表明上述内容在本专利申请的申请日前已经公开的情况下,上述
技术介绍
不应当用于评价本申请的新颖性和创造性。
技术实现思路
本专利技术的主要目的在于克服传统ICP算法的不足,提高算法的实用性,提出一种基于曲率特征的三维点云数据快速加权配准方法,利用曲 ...
【技术保护点】
1.一种基于曲率特征的三维点云数据快速加权配准方法,用于进行两组三维点云数据的配准,其特征在于,所述配准方法包括以下步骤:S1、分别对待匹配点云数据和模型点云数据按照曲率特征进行下采样,得到待匹配点云样本数据和模型点云样本数据;S2、计算所述待匹配点云样本数据和所述模型点云样本数据中采样点的曲率特征,并根据计算得到的曲率特征,利用索引加速方法,在所述模型点云样本数据中搜索所述待匹配点云样本数据中各个待匹配点的匹配点,得到多个待匹配点对;S3、对步骤S2得到的多个待匹配点对,进行基于欧氏距离的筛选以去除欧氏距离大于一预设阈值的待匹配点对;S4、对经过步骤S3筛选后的待匹配点对,利用迭代再加权最小二乘法进行粗匹配,得到初步刚体变换矩阵;S5、利用所述初步刚体变换矩阵对所述待匹配点云数据和所述模型点云数据进行粗匹配,得到粗匹配结果;S6、以步骤S4得到的所述初步刚体变换矩阵作为初始刚体变换矩阵,利用按距离加权的Trimmed ICP算法,对步骤S5得到的所述粗匹配结果进行精匹配。
【技术特征摘要】
1.一种基于曲率特征的三维点云数据快速加权配准方法,用于进行两组三维点云数据的配准,其特征在于,所述配准方法包括以下步骤:S1、分别对待匹配点云数据和模型点云数据按照曲率特征进行下采样,得到待匹配点云样本数据和模型点云样本数据;S2、计算所述待匹配点云样本数据和所述模型点云样本数据中采样点的曲率特征,并根据计算得到的曲率特征,利用索引加速方法,在所述模型点云样本数据中搜索所述待匹配点云样本数据中各个待匹配点的匹配点,得到多个待匹配点对;S3、对步骤S2得到的多个待匹配点对,进行基于欧氏距离的筛选以去除欧氏距离大于一预设阈值的待匹配点对;S4、对经过步骤S3筛选后的待匹配点对,利用迭代再加权最小二乘法进行粗匹配,得到初步刚体变换矩阵;S5、利用所述初步刚体变换矩阵对所述待匹配点云数据和所述模型点云数据进行粗匹配,得到粗匹配结果;S6、以步骤S4得到的所述初步刚体变换矩阵作为初始刚体变换矩阵,利用按距离加权的TrimmedICP算法,对步骤S5得到的所述粗匹配结果进行精匹配。2.如权利要求1所述的配准方法,其特征在于,步骤S1中采用matlab中的按曲率特征采样函数来进行所述下采样。3.如权利要求1所述的配准方法,其特征在于,步骤S2中所述采样点的曲率特征是通过分析所述采样点的k个最近邻点的协方差矩阵而获得;其中,k为所述采样点的搜索半径内的点的数量。4.如权利要求3所述的配准方法,其特征在于,步骤S2中利用KD-...
【专利技术属性】
技术研发人员:高学海,刘兵,刘厚德,梁斌,王学谦,
申请(专利权)人:清华大学深圳研究生院,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。