The invention discloses a three-dimensional point cloud registration method based on automatic correspondence point matching, which includes the following steps: extracting the local geometric features of the model by depth mapping method, obtaining the depth matrix of the point set in the model; using convolution self-encoder to reduce the dimension of the depth matrix to extract the feature matrix; selecting the matching points by iteration method according to the feature matrix; and adopting RANS to select the matching points according to the feature matrix; AC algorithm registers two point clouds. This method can directly find the matching points in two point clouds and register them according to the matching points. At the same time, this method does not need pre-registration and is not affected by the initial position of point clouds. Compared with the existing technology, the robustness and accuracy of this method are greatly improved. In addition to the overall registration of point clouds, this method can also achieve subset registration and public part registration. The existing technology can not achieve the above functions.
【技术实现步骤摘要】
一种基于自动对应点匹配的三维点云配准方法
本专利技术涉及点云配准
,尤其涉及一种基于自动对应点匹配的三维点云配准方法。
技术介绍
点云配准在三维物体检测、分类、立体视觉、多视图重建等领域有着广泛的应用。点云配准技术可以将捕获的点云与模板进行匹配,从而对三维物体进行自动分类;该技术也可以将多个散乱的点云进行自动拼接,从而将物体进行自动复原。点云配准分为粗配准和精配准两个阶段,其中粗配准方法有LORAX、4点法等,精配准方法有DO、结合法、ICP等。点云配准中应用的最广泛的算法是ICP算法,该算法在待配准点云比较接近时配准效果良好,在没有初始配准的情况下容易收敛于局部最小化,且其效率不高,计算的复杂度随着点云的规模增大而显著提高。现有技术大多依赖于预配准,受点集初始位置的影响十分严重。比如ICP算法要求两个点集之间的初始角度相差较小,Do算法需要提前对点云的初始位置进行训练等。除此之外,现有算法只能实现点云的整体配准,无法实现子集配准和公共部分配准。
技术实现思路
根据现有技术存在的问题,本专利技术公开了一种基于自动对应点匹配的三维点云配准方法,具体采用如下步骤:采用深度映射方法提取模型的局部几何特征、获得模型中点集的深度矩阵;采用卷积自编码器对深度矩阵进行降维处理提取特征矩阵;根据特征矩阵采用迭代处理方式选取匹配点;采用RANSAC算法对两个点云进行配准。进一步的,采用深度映射方法提取模型的局部几何特征具体采用如下方式:获取模型中每个点的相邻点集合,采用PCA算法根据相邻点集合计算该点的法向量,垂直于法向量方向构建圆盘映射面,在圆盘映射面上均匀选取映射点, ...
【技术保护点】
1.一种基于自动对应点匹配的三维点云配准方法,其特征在于包括以下步骤:采用深度映射方法提取模型的局部几何特征、获得模型中点集的深度矩阵;采用卷积自编码器对深度矩阵进行降维处理提取特征矩阵;根据特征矩阵采用迭代处理方式选取匹配点;采用RANSAC算法对两个点云进行配准。
【技术特征摘要】
1.一种基于自动对应点匹配的三维点云配准方法,其特征在于包括以下步骤:采用深度映射方法提取模型的局部几何特征、获得模型中点集的深度矩阵;采用卷积自编码器对深度矩阵进行降维处理提取特征矩阵;根据特征矩阵采用迭代处理方式选取匹配点;采用RANSAC算法对两个点云进行配准。2.根据权利要求1所述的方法,其特征还在于:采用深度映射方法提取模型的局部几何特征具体采用如下方式:获取模型中每个点的相邻点集合,采用PCA算法根据相邻点集合计算该点的法向量,垂直于法向量方向构建圆盘映射面,在圆盘映射面上均匀选取映射点,以映射点为起点沿法向量方向往模型表面发射映射线,将每个映射线的长度作为该映射点处的深度值,将深度值保存在该点对应的深度矩阵中。3.根据权利要求1所述的方法,其特征还在于:采用卷积自编码器对深度矩阵进行降维处理提取特征矩阵具体方式为:构建卷积自编码器的网络模型,将卷积自编码器分为编码器和解码器,在编码器中设置三个卷积层和三个池化层,在解码器中设置三个反卷积层和三个上采样层,在三维模型中采集多个深度矩阵作为训练样本,利用训练样本对自编码器进行训练获得自编码器模型;将深度矩阵输入到训练好的自编码器模型中、得到对应的特征矩阵,并对特征矩阵进行中心化处理。4.根据权利要求1所述的方法,其特征还在于:根据特征矩阵采用迭代处理方式选取匹配点采用如下方式:计算特...
【专利技术属性】
技术研发人员:刘斌,张松,牛晓嫘,
申请(专利权)人:大连理工大学,
类型:发明
国别省市:辽宁,21
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。