一种基于特征匹配的三维点云全局配准方法及系统技术方案

本发明专利技术涉及一种基于特征匹配的三维点云全局配准方法及系统，其方法包括以下步骤，S1，分别对源点云和目标点云中的所有点利用旋转投影统计的特征算法进行特征描述，生成对应的源点云特征描述子集和目标点云特征描述子集；S2，基于所述源点云特征描述子集和目标点云特征描述子集，对源点云和目标点云中的所有点采用双向最近邻匹配，得到源点云和目标点云中对应点对的集合，并所述集合进行筛选；S3，采用快速全局配准变换关系估计方法对筛选后的所述集合进行渐进迭代优化，实现三维点云全局配准。本发明专利技术具有高准确性与强鲁棒性的优势，且适用于不同场景下的点云全局配准问题。

【技术实现步骤摘要】
一种基于特征匹配的三维点云全局配准方法及系统
本专利技术涉及点云处理
，具体涉及一种基于特征匹配的三维点云全局配准方法及系统。
技术介绍
由于三维测量技术以及计算机技术的不断进步，三维扫描设备在功能以及精度方面愈加完善。利用三维扫描设备进行物体的扫描建模时，能够获得物体的三维离散点集合，即点云数据。点云数据因为具有表现形式直观、几何结构准确、存储成本低的优势获得越来越多的关注，以此为基础的三维建模技术也广泛应用于逆向工程、文物考古、工业检测、影视娱乐、灾害应对等诸多领域。但在真实的数据采集过程中，由于受到物体表面被遮挡、物体尺寸过大或三维扫描设备的扫描角度限制等因素的影响，对被测物体利用三维扫描设备进行单次扫描时通常不能获得物体完整的几何信息。因此，需要对被测物体的表面进行多次扫描并将不同视角即不同坐标系下的两组或多组点云数据统一到相同的坐标系下，即点云配准技术。点云配准的过程按照先后顺序一般分为全局配准和局部配准两个步骤。全局配准是指在点云相对位姿相差较大且完全未知的情况下对点云进行配准，是点云配准问题的关键所在。根据参与配准的点云数目不同，点云配准可分为单对点云配准和多点云配准；根据待配准点云间的尺寸形状变化情况，点云配准可分为刚性配准和非刚性配准。当前较为通用的点云全局配准方法可分为两类：基于穷举搜索的配准方法和基于特征匹配的配准方法。基于穷举搜索的配准算法通常遍历整个变换空间以选取使误差函数最小化的变换关系或者列举出使最多点对满足的变换关系。现有的基于穷举搜索的配准方法最大的问题在于对具有对称曲面结构的物体配准准确性不高且配准速度慢。基于特征匹配的配准方法主要通过被测物体本身所具备的形态特性构建点云间的匹配对应，然后采用相关算法对变换关系进行估计，从而完成待匹配点云间的配准问题。现有的基于特征匹配的配准方法最大的问题一是准确性不高，由于被测物的表面结构复杂，特征匹配过程中可能存在较多的错误对应，基于此对应结果进行变换关系估计得到的配准结果准确性欠佳。二是鲁棒性不强，现有方法对点云数据具有一定的要求，如点云表面纹理特征与几何特征的丰富度、点云的噪声程度、分辨率、重叠率和初始位姿差异等，否则难以得到满意的配准结果。
技术实现思路
本专利技术所要解决的技术问题是针对现有的三维点云全局配准方法存在的缺点，提供一种基于特征匹配的三维点云全局配准方法及系统，能够准确且鲁棒地实现对三维点云的全局配准。本专利技术解决上述技术问题的技术方案如下：一种基于特征匹配的三维点云全局配准方法，包括以下步骤，S1，分别对源点云和目标点云中的所有点利用旋转投影统计的特征算法进行特征描述，生成对应的源点云特征描述子集和目标点云特征描述子集；S2，基于所述源点云特征描述子集和目标点云特征描述子集，对源点云和目标点云中的所有点采用双向最近邻匹配，得到源点云和目标点云中对应点对的集合，并对所述集合进行筛选；S3，采用快速全局配准变换关系估计方法对筛选后的所述集合进行渐进迭代优化，实现三维点云全局配准。在上述技术方案的基础上，本专利技术还可以做如下改进。进一步，所述S1具体为，S11，分别对所述源点云和目标点云进行三角网格化处理，生成源点云网格和目标点云网格，且分别对源点云网格和目标点云网格中的每个点利用对应支撑域内的局部表面计算局部参考坐标系，并进行局部表面姿态归一化；S12，分别对所述源点云网格和目标点云网格中的每个点所对应的支撑域内的局部表面依次进行绕轴旋转、投影至二维平面和提取统计量信息，生成所述源点云特征描述子集和目标点云特征描述子集。进一步，所述S11具体为，S111，利用开源代码库PCL分别对所述源点云和目标点云利用贪心投影三角化算法进行三角网格化处理，生成源点云网格和目标点云网格；S112，分别提取出所述源点云网格和目标点云网格中每个点的局部表面，并分别计算出每个所述局部表面的总散布矩阵；S113，分别求解出每个所述总散布矩阵的特征向量；S114，利用散布向量和每个所述总散布矩阵的特征向量的内积符号来分别确定每个所述总散布矩阵的特征向量的不模糊方向；S115，以所述源点云网格和目标点云网格中每个点为原点，以对应的所述特征向量的不模糊方向为轴，分别为所述源点云网格和目标点云网格中每个点建立不模糊且唯一的局部参考坐标系；S116，分别将所述源点云网格和目标点云网格中每个点所对应的局部表面与对应的所述局部参考坐标系对齐，实现所述源点云网格和目标点云网格中每个点的局部表面姿态归一化。进一步，所述S12具体为，S121，分别将所述源点云网格和目标点云网格中每个点所对应且归一化后的局部表面内所有三角形网格的顶点所构成的局部点云多次绕所述局部参考坐标系中的x坐标轴旋转，每次旋转一预设角度；把每次绕x坐标轴旋转一预设角度后的每个所述局部点云均分别投影到所述局部参考坐标系中的xy、yz与xz三个二维坐标平面内，分别获取每个所述局部点云的三个投影点云；S122，分别计算每个所述局部点云的每个投影点云在对应的二维坐标平面上的分布范围，并分别以每个投影点云在对应的二维坐标平面上的分布范围建立一个二维矩形包围盒；分别把每个所述二维矩形包围盒等分成Nb×Nb个单元格，并分别统计出每个所述局部点云的每个投影点云落入到对应所述二维矩形包围盒的每个单元格内的点数目，分别得到每个所述局部点云的每个投影点云的一个Nb×Nb的分布矩阵；分别将每个所述分布矩阵进行归一化处理，使每个所述分布矩阵中所有元素的数值和为1；S123，将归一化后的每个所述分布矩阵的四个低阶中心矩和一个香农熵进行组合，获得一个统计向量；分别将每个所述局部点云在xy、yz和xz三个坐标平面内投影的三个投影点云所对应的三个所述统计向量进行串连，分别得到每个所述局部点云多次绕x坐标轴旋转后的一个特征描述子；S124，分别将所述源点云网格和目标点云网格中每个点所对应的局部表面内所有三角形网格的顶点所构成的局部点云多次绕所述局部参考坐标系中的y坐标轴旋转，每次旋转一预设角度；把每次绕y坐标轴旋转一预设角度后的每个所述局部点云均分别投影到所述局部参考坐标系中的xy、yz与xz三个二维坐标平面内，以分别获取每个所述局部点云的三个投影点云；重复上述步骤S122-S123，分别得到每个所述局部点云多次绕y坐标轴旋转后的一个特征描述子；S125，分别将所述源点云网格和目标点云网格中每个点所对应的局部表面内所有三角形网格的顶点所构成的局部点云多次绕所述局部参考坐标系中的z坐标轴旋转，每次旋转一预设角度；把每次绕z坐标轴旋转一预设角度后的每个所述局部点云均分别投影到所述局部参考坐标系中的xy、yz与xz三个二维坐标平面内，以分别获取每个所述局部点云的三个投影点云；重复上述步骤S122-S123，分别得到每个所述局部点云多次绕z坐标轴旋转后的一个特征描述子；S126，将所述源点云网格中所有局部点云分别多次绕x、y、z坐标轴旋转后得到的一个特征描述子进行融合，生成最终的源点云特征描述子集；将所述目标点云网格中所有局部点云分别多次绕x、y、z坐标轴旋转后得到的一个特征描述子进行融合，生成最终的目标点云特征描述子集。进一步，所述S2具体为，S21，对于源点云中的任一点，利用最近邻方法在目标点云特征描述子集构成的特征空本文档来自技高网...

【技术保护点】
1.一种基于特征匹配的三维点云全局配准方法，其特征在于：包括以下步骤，S1，分别对源点云和目标点云中的所有点利用旋转投影统计的特征算法进行特征描述，生成对应的源点云特征描述子集和目标点云特征描述子集；S2，基于所述源点云特征描述子集和目标点云特征描述子集，对源点云和目标点云中的所有点采用双向最近邻匹配，得到源点云和目标点云中对应点对的集合，并对所述集合进行筛选；S3，采用快速全局配准变换关系估计方法对筛选后的所述集合进行渐进迭代优化，实现三维点云全局配准。

【技术特征摘要】
1.一种基于特征匹配的三维点云全局配准方法，其特征在于：包括以下步骤，S1，分别对源点云和目标点云中的所有点利用旋转投影统计的特征算法进行特征描述，生成对应的源点云特征描述子集和目标点云特征描述子集；S2，基于所述源点云特征描述子集和目标点云特征描述子集，对源点云和目标点云中的所有点采用双向最近邻匹配，得到源点云和目标点云中对应点对的集合，并对所述集合进行筛选；S3，采用快速全局配准变换关系估计方法对筛选后的所述集合进行渐进迭代优化，实现三维点云全局配准。2.根据权利要求1所述的一种基于特征匹配的三维点云全局配准方法，其特征在于：所述S1具体为，S11，分别对所述源点云和目标点云进行三角网格化处理，生成源点云网格和目标点云网格，且分别对源点云网格和目标点云网格中的每个点利用对应支撑域内的局部表面计算局部参考坐标系，并进行局部表面姿态归一化；S12，分别对所述源点云网格和目标点云网格中的每个点所对应的支撑域内的局部表面依次进行绕轴旋转、投影至二维平面和提取统计量信息，生成所述源点云特征描述子集和目标点云特征描述子集。3.根据权利要求2所述的一种基于特征匹配的三维点云全局配准方法，其特征在于：所述S11具体为，S111，利用开源代码库PCL分别对所述源点云和目标点云利用贪心投影三角化算法进行三角网格化处理，生成源点云网格和目标点云网格；S112，分别提取出所述源点云网格和目标点云网格中每个点的局部表面，并分别计算出每个所述局部表面的总散布矩阵；S113，分别求解出每个所述总散布矩阵的特征向量；S114，利用散布向量和每个所述总散布矩阵的特征向量的内积符号来分别确定每个所述总散布矩阵的特征向量的不模糊方向；S115，以所述源点云网格和目标点云网格中每个点为原点，以对应的所述特征向量的不模糊方向为轴，分别为所述源点云网格和目标点云网格中每个点建立不模糊且唯一的局部参考坐标系；S116，分别将所述源点云网格和目标点云网格中每个点所对应的局部表面与对应的所述局部参考坐标系对齐，实现所述源点云网格和目标点云网格中每个点的局部表面姿态归一化。4.根据权利要求2或3所述的一种基于特征匹配的三维点云全局配准方法，其特征在于：所述S12具体为，S121，分别将所述源点云网格和目标点云网格中每个点所对应且归一化后的局部表面内所有三角形网格的顶点所构成的局部点云多次绕所述局部参考坐标系中的x坐标轴旋转，每次旋转一预设角度；把每次绕x坐标轴旋转一预设角度后的每个所述局部点云均分别投影到所述局部参考坐标系中的xy、yz与xz三个二维坐标平面内，分别获取每个所述局部点云的三个投影点云；S122，分别计算每个所述局部点云的每个投影点云在对应的二维坐标平面上的分布范围，并分别以每个投影点云在对应的二维坐标平面上的分布范围建立一个二维矩形包围盒；分别把每个所述二维矩形包围盒等分成Nb×Nb个单元格，并分别统计出每个所述局部点云的每个投影点云落入到对应所述二维矩形包围盒的每个单元格内的点数目，分别得到每个所述局部点云的每个投影点云的一个Nb×Nb的分布矩阵；分别将每个所述分布矩阵进行归一化处理，使每个所述分布矩阵中所有元素的数值和为1；S123，将归一化后的每个所述分布矩阵的四个低阶中心矩和一个香农熵进行组合，获得一个统计向量；分别将每个所述局部点云在xy、yz和xz三个坐标平面内投影的三个投影点云所对应的三个所述统计向量进行串连，分别得到每个所述局部点云多次绕x坐标轴旋转后的一...

【专利技术属性】
技术研发人员：姚剑，陈龙，涂静敏，龚烨，
申请(专利权)人：武汉尺子科技有限公司，
类型：发明
国别省市：湖北,42