【技术实现步骤摘要】
一种基于布谷鸟优化的三维点云数据配准方法
本专利技术属于计算机图形学
，尤其涉及一种基于布谷鸟优化的三维点云数据配准方法。
技术介绍
点云数据配准是逆向工程中的一个核心问题，是计算机视觉所有后续处理的基础，其配准结果在三维测量的精度和后续数据处理中起着至关重要的作用。在三维重建过程中，获取三维物体表面的真实数据却因受测量设备、自遮挡与环境等因素的影响，如文献1：SeninN,ColosimoBM,PacellaM.PointsetaugmentationthroughfittingforenhancedICPregistrationofpointcloudsinmultisensorcoordinatemetrology[J].RoboticsandComputer-IntegratedManufacturing,2013,29(1):39-52.，提出实际测量过程中获取的点云数据只是实体表面的部分数据，且易导致平移或旋转错位，故需对被测物体在不同视角下进行多次测量，并将各个视角下的点云数据合并到统一的坐标系下...
【技术保护点】
1.一种基于布谷鸟优化的三维点云数据配准方法，其特征在于，包括如下步骤：/n步骤1，对输入的两组点云分别进行简化处理，两组点云分别记为待配准点云和目标点云，并分别获得待配准点云和目标点云的固有形状特征点；/n步骤2，根据固有形状特征点，对待配准点云和目标点云进行布谷鸟优化算法迭代优化；/n步骤3，利用ICP算法迭代进行精细配准。/n
【技术特征摘要】
1.一种基于布谷鸟优化的三维点云数据配准方法，其特征在于，包括如下步骤：
步骤1，对输入的两组点云分别进行简化处理，两组点云分别记为待配准点云和目标点云，并分别获得待配准点云和目标点云的固有形状特征点；
步骤2，根据固有形状特征点，对待配准点云和目标点云进行布谷鸟优化算法迭代优化；
步骤3，利用ICP算法迭代进行精细配准。
2.根据权利要求1所述的方法，其特征在于，步骤1包括：
步骤1-1，点云均匀采样：提取待配准点云数据和目标点云数据，对输入的待配准点云数据和目标点云数据进行读取操作，将输入的待配准点云数据和目标点云数据分别按比例参数进行均匀采样；
步骤1-2，特征点提取：将点云均匀采样获得的新的待配准点云数据和目标点云数据，分别采用固有形状特征点提取算法进行特征点的提取。
3.根据权利要求2所述的方法，其特征在于，步骤1-2包括：
步骤1-2-1，对点云上的每个点定义一个局部坐标系，并设定每个点的搜索半径rISS；第i个点记为pti，pti采用该点的三维向量表示，包含三维坐标的位置信息；
步骤1-2-2，查询点云数据中每个点pti在半径rISS周围内的所有点，计算其权值wij＝1/|pti-ptj|,|pti-ptj|＜rISS；
步骤1-2-3，计算每个点pti的协方差矩阵cov(pti)：
步骤1-2-4，计算每个点pti的协方差矩阵cov(pti)的特征值和特征向量特征值降序排列是特征向量相应的3个特征值，分别指向三个数据方差最大的方向，次特征向量总是正交于最大的特征向量
步骤1-2-5，设置阈值ε1和ε2，满足式的点即被标记为固有形状特征点。
4.根据权利要求3所述的方法，其特征在于，步骤2包括：
步骤2-1，初始化种群：设置n个宿主巢位置Xi，i＝1,2,…,n；
步骤2-2，进行适应度值评价：对于宿主巢位置的初始位置，计算其所表示的适应值函数值Fi，Fi＝f(Xi),Xi＝(xi1,xi2,…,xiD)T，即对适应度值进行评价，其中f(Xi)表示向量Xi的适应度函数，xiD为Xi在D维向量空间中的数值；
步骤2-3，莱维飞行随机游动鸟窝位置搜索：莱维飞行的随机游动搜索策略通过布谷鸟i进行更新搜索位置实现寻窝搜索路径和位置的变化，计算新的位置的适应度值Fi，适应度值Fi根据新产生的搜索位置进行点云配准适应度值的度量，公式更新如下：
式中，i∈{1,2,...,n}，n设定为布谷鸟巢穴数；第i个布谷鸟巢穴在第t代和t+1代的位置向量Xi＝xi1,xi2,xi3,...xiD分别表示为和D表示布谷鸟巢穴位置的维数，...
【专利技术属性】
技术研发人员：马卫，孙正兴，朱娴，
申请(专利权)人：南京大学，南京旅游职业学院，
类型：发明
国别省市：江苏;32
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。