一种点云配准方法技术

本发明专利技术提供了一种点云配准方法，包括以下步骤：步骤1，采集待配准的点云P和点云Q，其中pi∈P，i＝1,2,...,t，qj∈Q，j＝1,2,...,t，对点云P中的点pi在点云Q中寻找与点pi相配准的点qj，即得到初始匹配点对；步骤2，根据初始匹配点对，分别得到初始匹配点对点pi和qj的自适应邻域

【技术实现步骤摘要】
一种点云配准方法
本专利技术属于三维点云配准
，具体涉及一种点云配准方法。
技术介绍
近年来，用于获取三维物理物体点云模型的激光扫描技术取得了长足的发展，使得点云模型成为三维处理中的主流数据。高精度扫描设备虽然能够有效获取物理物体表面的细节特征，但是，由于受测量仪器和环境的限制，实体扫描无法一次性完成，需要在不同视角下分别进行扫描得到点云数据，然后将多视角点云进行配准，才能获得物理物体完整的点云模型。因此，点云自动配准在三维重建、逆向工程、目标识别等领域应用广泛，是点云数据处理的重要环节，点云配准的精度直接影响了后续处理技术的质量。针对点云模型的自动配准，最经典的方法是迭代最近点法(IterativeClosestPoint,ICP)及其改进算法，该方法基于点对点或点对面的搜索技术，通过最小化待配准点云间的距离实现点云配准。ICP方法步骤简单且易于实现，但要求两个待配准的点云之间存在包含关系，同时要求两片点云的相对位置比较接近，算法结果依赖于点云的初始位置，易造成快速收敛于局部最优的问题。因此有诸多工作针对ICP算法的改进展开。先粗配准再精确对齐是一种行之有效的策略，在这种策略下，基于特征点匹配的方法广为流行，其主要思想是通过提取有效的匹配特征点对，确定两个待配准点云的初始位置，然后再利用ICP算法进行精确对齐。然而，现有的特征提取方法虽然可以有效提取出特征点，但由于点云中的特征点往往被定义为具有大尺度曲面梯度的点，因此，单一离散的特征点往往具有相似的几何特征，直接利用单一特征点进行匹配，忽略了特征点局部的结构信息，易出现误匹配，影响后续精确对齐的精度。另外，由于扫描设备分辨率不同、扫描距离不同等，导致所获得的点云不在同一坐标系下，且不同视角的点云可能具有不同的缩放尺度。基于此种情况，即使利用匹配特征点对能准确定位两个待配准点云的初始位置，直接利用ICP算法精确对齐两个点云时也会陷入局部最优。而现存文献中提出的SICP(ScaledIterativeClosestPoint，SICP)算法，虽然有效解决了具有不同缩放尺度点云的配准问题，但是依然无法有效避免其陷入局部最优。
技术实现思路
针对现有技术中存在的不足，本专利技术的目的在于，提供一种点云配准方法，解决现有技术无法针对不同缩放尺度点云进行配准的技术问题。为了解决上述技术问题，本申请采用如下技术方案予以实现：一种点云配准方法，包括以下步骤：步骤1，采集待配准的点云P和点云Q，其中pi∈P，i＝1,2,...,t，qj∈Q，j＝1,2,...,t，对点云P中的点pi在点云Q中寻找与点pi相配准的点qj∈Q，即得到初始匹配点对；其中，点云Q中与点pi相配准的点qj满足式(1)：式(1)中，α为预设阈值，表示点pi的最大主曲率，表示点qj的最大主曲率，表示点pi的最小主曲率，表示点qj的最小主曲率；步骤2，根据初始匹配点对，分别得到初始匹配点对点pi和qj的自适应邻域和步骤3，若初始匹配点对点pi和qj的特征区域相同且初始匹配点对点pi和qj的自适应邻域和的GAN形状相同，则对初始匹配点对点pi和qj的自适应邻域和进行自适应领域匹配，得到初始匹配点对点pi和qj的初始位置；否则，初始匹配点对点pi和qj为非匹配点；其中，对初始匹配点对点pi和qj的自适应邻域和进行自适应领域匹配，包括：步骤31，若自适应邻域和的GAN形状均为线状，则利用曲线匹配方法判断自适应邻域和自适应邻域是否相匹配；若自适应邻域和自适应邻域相匹配，执行步骤32；若自适应邻域和的GAN形状为片状，将自适应邻域和的GAN形状分别进行三角剖分，分别得到多个三角面片构成的三角网格；所述自适应邻域的三角面片包括点pi的一阶GAN三角面片、点pi的二阶GAN三角面片、……、点pi的n阶GAN三角面片，所述点pi的一阶GAN三角面片的残差角为∠paopip′ao，点pi的二阶GAN三角面片的残差角为∠p(a+1)opip′(a+1)o，……，点pi的n阶GAN三角面片的残差角为∠p(a+n)opip′(a+n)o，即得到点pi的各阶GAN三角面片的残差角；所述自适应邻域的三角面片包括点qj的一阶GAN三角面片、点qj的二阶GAN三角面片、……、点qj的n阶GAN三角面片，所述点qj的一阶GAN三角面片的残差角为∠qaoqjq′ao，点pi的二阶GAN三角面片的残差角为∠q(a+1)oqjq′(a+1)o，……，点pi的n阶GAN三角面片的残差角为∠q(a+n)oqjq′(a+n)o，即得到点qj的各阶GAN三角面片的残差角；若点pi的各阶GAN三角面片的残差角与点qj的各阶GAN三角面片的残差角相差小于预设阈值δ，δ≤0.5，则自适应邻域和自适应邻域相匹配，执行步骤32,；否则自适应邻域和自适应邻域不匹配步骤32，若自适应邻域和的GAN形状均为线状，包括：步骤321，在自适应邻域中选取距离点pi最远的两个点作为两个第一端点，在自适应邻域中选取距离点qj最远的两个点作为两个第二端点；步骤322，将两个第一端点分别与点pi相连接，构成两个直线段，对该两个直线段进行归一化处理得到点pi的单位向量；将两个第二端点分别与点qj相连接，构成两个直线段，对该两个直线段进行归一化处理得到点qj的单位向量；步骤323，若点pi的单位向量与点qj的单位向量共线，则在自适应邻域中选取距离点pi次远的两个点作为两个第一端点，在自适应邻域中选取距离点qj次远的两个点作为两个第二端点；否则，执行步骤324；步骤324，根据点pi的单位向量和点qj的单位向量，利用奇异值分解法，对点云P和点云Q进行粗配准，即得到点云P和点云Q的初始位置；步骤4，根据点云P和点云Q的初始位置，对点云P和点云Q进行精确配准。进一步地，判断所述初始匹配点对点pi的自适应邻域的GAN形状，包括：根据点pi的自适应邻域得到点pi的局部加权协方差矩阵Mi的特征值λ0、λ1和λ2，并根据点pi的局部加权协方差矩阵Mi的特征值λ0、λ1和λ2，判断点pi的自适应邻域的GAN形状；其中，pm与pn表示点pi的邻域中的任意点，θ表示平滑函数；若则点pi的自适应邻域的GAN形状为线状；否则，点pi的自适应邻域的GAN形状为片状；若点pn分布于点pi的四周，则点pi的自适应邻域的GAN形状为第一类片状；若点pn分布于点pi的一侧，则点pi的自适应邻域的GAN形状为第二类片状。进一步地，步骤4中根据点云P和点云Q的初始位置，对点云P和点云Q进行精确配准，包括：步骤41，通过式(2)得到对点云P和点云Q进行精确配准的空间变换参数：式(2)中，hk表示第k次迭代时的尺度因子，Rk表示第k次迭代时旋转矩阵，表示第k迭代时的平移矩阵；步骤42，当|RMSk-RMSk-1|<ε2或k>Stepmax时，迭代停止，将此时得到的空间变换参数用于对点云P和点云Q进行精确配准；其中，RMSk为第k次迭代时均方根误差，ε2为相邻两次迭代的均方根误差的差值，Stepmax为最大迭代次数。本专利技术与现有技术相比，有益的技术效果是：本专利技术利用点曲率的相似度筛选出匹配点对，然后构建匹配点对的自适应邻域，结合自适应邻域的形状信息(种子点所在特征区域)及几何信息(通过定义残差角作为局本文档来自技高网...

【技术保护点】
1.一种点云配准方法，其特征在于，包括以下步骤：步骤1，采集待配准的点云P和点云Q，其中pi∈P，i＝1,2,...,t，qj∈Q，j＝1,2,...,t，对点云P中的点pi在点云Q中寻找与点pi相配准的点qj∈Q，即得到初始匹配点对；其中，点云Q中与点pi相配准的点qj满足式(1)：

【技术特征摘要】
1.一种点云配准方法，其特征在于，包括以下步骤：步骤1，采集待配准的点云P和点云Q，其中pi∈P，i＝1,2,...,t，qj∈Q，j＝1,2,...,t，对点云P中的点pi在点云Q中寻找与点pi相配准的点qj∈Q，即得到初始匹配点对；其中，点云Q中与点pi相配准的点qj满足式(1)：式(1)中，α为预设阈值，表示点pi的最大主曲率，表示点qj的最大主曲率，表示点pi的最小主曲率，表示点qj的最小主曲率；步骤2，根据初始匹配点对，分别得到初始匹配点对点pi和qj的自适应邻域和步骤3，若初始匹配点对点pi和qj的特征区域相同且初始匹配点对点pi和qj的自适应邻域和的GAN形状相同，则对初始匹配点对点pi和qj的自适应邻域和进行自适应领域匹配，得到初始匹配点对点pi和qj的初始位置；否则，初始匹配点对点pi和qj为非匹配点；其中，对初始匹配点对点pi和qj的自适应邻域和进行自适应领域匹配，包括：步骤31，若自适应邻域和的GAN形状均为线状，则利用曲线匹配方法判断自适应邻域和自适应邻域是否相匹配；若自适应邻域和自适应邻域相匹配，执行步骤32；若自适应邻域和的GAN形状为片状，将自适应邻域和的GAN形状分别进行三角剖分，分别得到多个三角面片构成的三角网格；所述自适应邻域的三角面片包括点pi的一阶GAN三角面片、点pi的二阶GAN三角面片、……、点pi的n阶GAN三角面片，所述点pi的一阶GAN三角面片的残差角为∠paopip′ao，点pi的二阶GAN三角面片的残差角为∠p(a+1)opip′(a+1)o，……，点pi的n阶GAN三角面片的残差角为∠p(a+n)opip′(a+n)o，即得到点pi的各阶GAN三角面片的残差角；所述自适应邻域的三角面片包括点qj的一阶GAN三角面片、点qj的二阶GAN三角面片、……、点qj的n阶GAN三角面片，所述点qj的一阶GAN三角面片的残差角为∠qaoqjq′ao，点pi的二阶GAN三角面片的残差角为∠q(a+1)oqjq′(a+1)o，……，点pi的n阶GAN三角面片的残差角为∠q(a+n)oqjq′(a+n)o，即得到点qj的各阶GAN三角面片的残差角；若点pi的各阶GAN三角面片的残差角与点qj的各阶GAN三角面片的残差角相差小于预设阈值δ，δ≤0.5，则自适应邻域和自适应邻域相匹配，执行步...

【专利技术属性】
技术研发人员：徐艳芝，张顺利，王梦松，张雨禾，
申请(专利权)人：西北大学，
类型：发明
国别省市：陕西,61