一种基于多特征融合的点云配准方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种基于多特征融合的点云配准方法、装置及存储介质，所述方法包括：分别从源点云和目标点云中提取若干源点云特征点以及若干目标点云特征点；提取每一特征点的局部深度特征、法线角度特征、点云密度特征以及局部颜色特征，继而根据每一特征点的局部深度特征、法线角度特征、点云密度特征以及局部颜色特征生成每一特征点对应的特征描述子；其中，特征点包括源点云特征点和目标点云特征点；根据特征描述子，将源点云特征点与目标点云特征点进行配对，生成特征点对；根据特征点对生成变换矩阵，并根据变换矩阵对源点云进行变换，生成第二源点云，继而对第二源点云以及目标点云进行精配准。通过实施本发明专利技术实施例能够提高特征描述子的表达能力，从而提高整体配准精度。

A point cloud registration method, device and storage medium based on multi feature fusion

【技术实现步骤摘要】
一种基于多特征融合的点云配准方法、装置及存储介质
本专利技术涉及三维点云配准
，尤其涉及一种基于多特征融合的点云配准方法、装置及计算机可读存储介质。
技术介绍
使用三维扫描设备获取物体表面数据是近年来发展迅速的热点问题，其中最重要的技术就是对点云数据的处理，由于受到设备本身扫描范围的限制，要想得到高精度的全方位点云数据，需要对不同视角获取的点云数据进行配准。将多视角的获取数据转换到同一坐标系下，得到物体完整的表面信息，进而可以实现对物体的表面重建及目标识别等应用。迭代最近点算法及其改进算法是点云配准最经典，使用最广泛的方法，但是它有两个不可忽视的缺点，第一，如果两片点云位置差异较大，则算法很容易陷入局部最优，第二，在计算过程中效率较低，迭代收敛速度慢，因此，通常在配准过程中分为两个步骤，粗配准和精配准，在粗配准中，首先利用点云的几何属性和空间关系进行特征点匹配，进而得到初始变换矩阵，初始变换后再使用迭代最近点或其他精配准方法对变换矩阵进行准确估计，最后变换后得到完整的点云。在使用迭代最近点算法实现配准时，特征描述子在粗匹配中起到了决定性的作用，一个好的特征描述子应该是具有高度的描述性，用于对点云数据中指定特征点的局部区域几何形状提供一个全面而且明确的描述，并且为了保证整体的效率，该特征描述子需要具有计算简单、高效，结构紧凑，鲁棒性强等优点。CN110211163中使用EPFH作为点云特征，提取后进行粗配准，然后再完成整个配准过程。CN110335297中使用最大曲率和最小曲率计算点云的特征指数，并根据该点和邻域点的特征指数的关系作为特征，来进行对应特征点的匹配，完成点云配准。CN105654422中使用SIFT算法对栅格化的点云数据进行特征检测，生成特征描述子，然后进行特征匹配，完成初始变换，上述技术对于点云的特征提取方法单一，使用全局特征作为特征点的描述，鲁棒性差，对特征点的描述不足，不能全面的表征特征点的属性，因此容易产生大量的误匹配，进而影响整体的配准精度。
技术实现思路
本专利技术实施例提供一种基于多特征融合的点云配准方法、装置及计算机可读存储介质，从多个维度提取特征点的特征，提高特征描述子的表达能力，从而提高整体配准精度。本专利技术一实施例提供一种基于多特征融合的点云配准方法，包括：分别从源点云和目标点云中提取若干源点云特征点以及若干目标点云特征点；提取每一特征点的局部深度特征、法线角度特征、点云密度特征以及局部颜色特征，继而根据每一特征点的局部深度特征、法线角度特征、点云密度特征以及局部颜色特征生成每一特征点对应的特征描述子；其中，所述特征点包括源点云特征点和目标点云特征点；根据所述特征描述子，将所述源点云特征点与所述目标点云特征点进行配对，生成特征点对；根据所述特征点对生成变换矩阵，并根据所述变换矩阵对源点云进行变换，生成第二源点云，继而对所述第二源点云以及所述目标点云进行精配准。进一步的，通过以下方式提取一特征点的局部深度特征：以一所述特征点为选定特征点，并以所述选定特征点为圆心，以r为半径构建球状邻域；以与所述选定特征点的法线相垂直且包含所述选定特征点的球体切面为投影面，分别计算其余特征点到所述投影面的投影距离，生成局部深度直方图，获得所述选定特征点的局部深度特征，其中，所述其余特征点为所述球状邻域内除所述选定特征点外的特征点。进一步的，通过以下方式提取一特征点的法线角度特征：分别计算所述其余特征点的法线与所述选定特征点的夹角值，生成法线夹角直方图，获得所述选定特征点的法线角度特征。进一步的，通过以下方式提取一特征点的点云密度特征：分别计算所述其余特征点，在所述投影面的投影点到所述选定特征点的距离，生成点云密度直方图，获得所述点云密度特征。进一步的，通过以下方式提取一特征点的局部颜色特征：将所述球状邻域分为若干统计区域，并提取各所述统计区域的顶点的颜色信息；继而根据所述选定特征点的颜色信息以及各所述统计区域的顶点的颜色信息，生成局部颜色直方图，获得所述局部颜色特征。在上述专利技术实施例的基础上，对应提供了装置项实施例；本专利技术一实施例提供了一种基于多特征融合的点云配准装置、包括特征点提取模块、特征描述子生成模块、特征点对生成模块以及配准模块；所述特征点提取模块，用于分别从源点云和目标点云中提取若干源点云特征点以及若干目标点云特征点；所述特征描述子生成模块、用于提取每一特征点的局部深度特征、法线角度特征、点云密度特征以及局部颜色特征，继而根据每一特征点的局部深度特征、法线角度特征、点云密度特征以及局部颜色特征生成每一特征点对应的特征描述子；其中，所述特征点包括源点云特征点和目标点云特征点；所述特征点对生成模块，用于根据所述特征描述子，将所述源点云特征点与所述目标点云特征点进行配对，生成特征点对；所述配准模块，用于根据所述特征点对生成变换矩阵，并根据所述变换矩阵对源点云进行变换，生成第二源点云，继而对所述第二源点云以及所述目标点云进行精配准。在上述方法项实施例的基础上对应提供了存储介质项实施例，本专利技术另一实施例提供了一种存储介质，所述存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述存储介质所在设备执行本专利技术任意一项方法项实施例所述的基于多特征融合的点云配准方法。通过实施本专利技术实施例具有如下有益效果：本专利技术实施例提供了一种基于多特征融合的点云配准方法、装置及存储介质，所述方法首先提取出源点云以及目标点云的特征点，然后提取特征点的局部深度特征、法线角度特征、点云密度特征以及局部颜色特征，然后根据这4个维度的特征融合成对应的特征描述子，最后根据特征描述子进行配准。相比与现有的直接以全局特征作为特征点的描述来讲，采用本专利技术的方法生成的特征描述子能从多个方面对特征点进行描述，提高了特征点的表达能力，能够全面的表征特征点的属性，进而能够在配准时减少误匹配，提高整体配准精度。附图说明图1是本专利技术一实施例提供的一种基于多特征融合的点云配准方法的流程示意图。图2是本专利技术一实施例提供的一种基于多特征融合的点云配准装置的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。如图1所示，本专利技术一实施例提供的一种基于多特征融合的点云配准方法，包括：步骤S101:分别从源点云和目标点云中提取若干源点云特征点以及若干目标点云特征点；步骤S102:提取每一特征点的局部深度特征、法线角度特征、点云密度特征以及局部颜色特征，继而根据每一特征点的局部深度特征、法线角度特征、点云密度特征以及局部颜色特征生成每一特征点对应的特征描述子；其中，所述特征本文档来自技高网...

【技术保护点】
1.一种基于多特征融合的点云配准方法，其特征在于，包括：/n分别从源点云和目标点云中提取若干源点云特征点以及若干目标点云特征点；/n提取每一特征点的局部深度特征、法线角度特征、点云密度特征以及局部颜色特征，继而根据每一特征点的局部深度特征、法线角度特征、点云密度特征以及局部颜色特征生成每一特征点对应的特征描述子；其中，所述特征点包括源点云特征点和目标点云特征点；/n根据所述特征描述子，将所述源点云特征点与所述目标点云特征点进行配对，生成特征点对；/n根据所述特征点对生成变换矩阵，并根据所述变换矩阵对源点云进行变换，生成第二源点云，继而对所述第二源点云以及所述目标点云进行精配准。/n

【技术特征摘要】
1.一种基于多特征融合的点云配准方法，其特征在于，包括：
分别从源点云和目标点云中提取若干源点云特征点以及若干目标点云特征点；
提取每一特征点的局部深度特征、法线角度特征、点云密度特征以及局部颜色特征，继而根据每一特征点的局部深度特征、法线角度特征、点云密度特征以及局部颜色特征生成每一特征点对应的特征描述子；其中，所述特征点包括源点云特征点和目标点云特征点；
根据所述特征描述子，将所述源点云特征点与所述目标点云特征点进行配对，生成特征点对；
根据所述特征点对生成变换矩阵，并根据所述变换矩阵对源点云进行变换，生成第二源点云，继而对所述第二源点云以及所述目标点云进行精配准。


2.如权利要求1所述的基于多特征融合的点云配准方法，其特征在于，通过以下方式提取一特征点的局部深度特征：
以一所述特征点为选定特征点，并以所述选定特征点为圆心，以r为半径构建球状邻域；
以与所述选定特征点的法线相垂直且包含所述选定特征点的球体切面为投影面，分别计算其余特征点到所述投影面的投影距离，生成局部深度直方图，获得所述选定特征点的局部深度特征，其中，所述其余特征点为所述球状邻域内除所述选定特征点外的特征点。


3.如权利要求2所述的基于多特征融合的点云配准方法，其特征在于，通过以下方式提取一特征点的法线角度特征：
分别计算所述其余特征点的法线与所述选定特征点的夹角值，生成法线夹角直方图，获得所述选定特征点的法线角度特征。


4.如权利要求2所述的基于多特征融合的点云配准方法，其特征在于，通过以下方式提取一特征点的点云密度特征：
分别...

【专利技术属性】
技术研发人员：赵常均，林贞琼，李博，
申请(专利权)人：广州智能装备研究院有限公司，
类型：发明
国别省市：广东;44