一种点云精准拼接方法技术

本发明专利技术公开了一种点云精准拼接方法，其对传统的ICP算法进行了优化改进，其利用SAC‑IA初始配准后的点云关系，为接下来的点云拼接提供了良好的初始旋转平移矩阵，使其不陷入局部最小值，从而可实现正确的配准拼接；并通过对每个点集进行ISS3D关键点检测，将采用具有特征的关键点进行对应点集搜索来实现高精度的识别匹配和减少计算量；而且还通过采用点与到另一点云中最近三点所构成的三角形之间的位置关系进行判断搜索对应点，并在搜索完对应点对后，根据预设的剔除条件对错误匹配点对进行剔除。利用本发明专利技术提供的点云拼接方法，相对于基于传统ICP算法的拼接方法，其具有更高的准确性和更好的计算速度。

【技术实现步骤摘要】
一种点云精准拼接方法
本专利技术涉及点云处理
，具体涉及一种点云精准拼接方法。
技术介绍
在三维重建方法中，通常需要用到ICP(IterativeClosestPoint,迭代最近点)算法进行点云配准；点云配准，是指将多个拥有相同区域的点云片段融合到相同坐标系下。ICP算法是基于最小二乘法的最优匹配算法，它重复进行“确定对应关系点集-计算最优刚体变换”的过程，直到表示正确匹配的收敛准则被满足，最终获得目标点集与参考点之间的旋转矩阵R和平移矩阵T。该算法具有简单且计算复杂度低的优势，不过结果准确性严重依赖初始配准位置以及配准点集有无噪声点。目前，现有三维重建方法中基于传统的ICP算法的点云拼接主要存在以下几点不足之处：(1)使用传统ICP算法配准时对点云的初始位置要求很高，需要两个点云在相同坐标系内，如果两个点云距离很远，则很容易匹配错误，最终导致配准失败。(2)传统ICP算法是使点云中每个点均参与对应点的查找，在进行点云配准时，需要点与点之间组成对应点对，而如果点云内的点个数多，需要匹配的点对就多，计算量就变大，耗本文档来自技高网...

【技术保护点】
1.一种点云精准拼接方法，其特征在于：所述方法步骤包括：/n步骤S10、对物体点云分别提取ISS3D特征点和相应的FPFH特征描述子，并将提取的ISS3D特征点和FPFH特征描述子作为该物体基于RANSAC算法的初试配准，计算出用于点云拼接的初始旋转平移矩阵；/n其中，在对物体点云进行ISS3D特征点和相应的FPFH特征描述子进行提取时，先提取ISS3D关键点p

【技术特征摘要】
1.一种点云精准拼接方法，其特征在于：所述方法步骤包括：
步骤S10、对物体点云分别提取ISS3D特征点和相应的FPFH特征描述子，并将提取的ISS3D特征点和FPFH特征描述子作为该物体基于RANSAC算法的初试配准，计算出用于点云拼接的初始旋转平移矩阵；
其中，在对物体点云进行ISS3D特征点和相应的FPFH特征描述子进行提取时，先提取ISS3D关键点pf＝[x,y,z]，再通过在多维空间中构建Kdtree的方式来将构建高维向量的拓扑关系，以方便查询特征向量的近邻向量；对相邻的两帧点云Csrc与Ctgt提取关键点和提取对应的局部特征FPFH直方图，并用向量表示；对Csrc中每一个关键点pi，利用Kdtree算法在Ctgt中查找k个与pi点的FPFH特征向量相近邻的点，构成候选点集，并从候选点集中选取一点作为对应点集，构成(pi,qi)对应点集；
步骤S20、对每个(pi,qi)对应点集进行ISS3D关键点检测，采用具有特征的关键点进行对应点集搜索；
步骤S30、在对关键点进行对应点集搜索的过程中，当利用Kdtree算法搜索点对点最近邻方式出现错误匹配点对时，则采用以下搜索方式搜索对应点：将采用点与到另一点云中最近三点所构成的三角形之间的位置关系进行判断搜索对应点，并在搜索完对应点对后，根据预设的剔除条件对错误匹配点对进行剔除；
步骤S40、通过求解SVD得到旋转平移矩阵，当满足收敛条件δ＝|ΔEK-ΔEK1|/M≤ε,(ε＞0)，其中M为归一化系数，或者达到最大迭代次数TM，即可获得最优的变换矩阵TE，从而完成点云的精确拼接。


2.根据权利要求1所述的点云精准拼接方法，其特征在于：所述步骤S10中，在利用RANSAC算法的初试配准中，利用随机采样的方法计算获得含有最多内点的旋转变换模型，其利用处于两点云上不同直线上的关键点对(pi,qi),i＝1,2,3，先将则pi和qi被视为一对正确点对，利用点对估计旋转变换模型的转换参数[R|T]；对于剩余点对中任一点对(pi,qi),i＝1,2,3，计算距离：d＝||Rp+T-q||；

【专利技术属性】
技术研发人员：赵晓芳，刘华珠，肖武艺，姚娜，
申请(专利权)人：东莞理工学院，
类型：发明
国别省市：广东;44