基于伪Huber损失函数的三维点云仿射配准方法及系统技术方案

本发明专利技术公开了一种基于伪Huber损失函数的三维点云仿射配准方法及系统，所述方法包括：获取形状点云和模型点云；根据所述形状点云和所述模型点云建立基于伪Huber损失函数的三维点云仿射配准模型；对所述三维点云仿射配准模型进行优化求解，得到最优仿射变换。本发明专利技术提供的基于伪Huber损失函数的三维点云仿射配准方法可以抑制数据缺失、噪声点或外点对三维点云仿射配准结果的影响，提高仿射配准的精度。

【技术实现步骤摘要】
基于伪Huber损失函数的三维点云仿射配准方法及系统
本专利技术属于三维点云数据处理
，具体涉及一种基于伪Huber损失函数的三维点云仿射配准方法及系统。
技术介绍
随着数据采集技术和计算机技术的快速发展，计算机视觉技术的研究对象已经逐渐从二维图像转换为三维点云数据。在实际中，由于三维点云数据广泛存在仿射变换，需要进行仿射配准。而现有的仿射配准方法大多存在精度不佳或需要数据额外信息的问题，如Feldmar和Ayache首先对点云进行刚体配准，然后在各个坐标点处引入法向量和主曲率用于计算仿射变换，但是该方法对于形状变形过大的数据配准精度较差，且在配准过程中需要知道数据的额外信息，如为了求法向量的方向，需要知道目标数据的内界和外界。因此，三维点云仿射配准仍是现阶段的一个难点和热点问题。目前，现有的点云仿射配准算法多数存在配准结果不佳和应用的局限性，如对于数据缺失或含有大量噪声点、外点的情况配准精度较差。由于点云数据采集传感器的物理限制和噪声等因素影响，所采集的实际点云存在数据缺失、噪声点和外点的情况，从而会影响点云的配准精度，甚至获得错误的配准结果。
技术实现思路
为了解决现有技术中存在的上述问题，本专利技术提供了一种基于伪Huber损失函数的三维点云仿射配准方法及系统。本专利技术要解决的技术问题通过以下技术方案实现：一种基于伪Huber损失函数的三维点云仿射配准方法，包括：S1：获取形状点云和模型点云；S2：根据所述形状点云和所述模型点云建立基于伪Huber损失函数的三维点云仿射配准模型；S3：对所述三维点云仿射配准模型进行优化求解，得到最优仿射变换。在本专利技术的一个实施例中，所述三维点云仿射配准模型为：其中，A表示仿射矩阵，t表示平移向量，c表示形状点云和模型点云的空间对应关系，b表示异常值阈值，pi表示形状点云中的点，mc(i)表示模型点云M中与pi点空间对应关系为c(i)的点，Np为正整数。在本专利技术的一个实施例中，步骤S3包括：S31：采用ICA法对所述三维点云仿射配准模型进行初值估计，得到仿射矩阵的初值A0和平移向量的初值t0；S32：建立所述形状点云和所述模型点云第k次优化的空间对应关系；并根据所述第k次优化的空间对应关系计算第k次优化对应的仿射矩阵Ak和平移向量tk，其中，k≥1；S33：重复步骤S32，以对所述三维点云仿射配准模型进行优化，直至优化满足预设条件；S34：将当前第k次优化对应的仿射矩阵Ak和平移向量tk作为最优仿射变换输出。在本专利技术的一个实施例中，所述形状点云和所述模型点云第k次优化的空间对应关系表示为：其中，pi表示形状点云中的点，mj表示形状点云中的点，Np和Nq均为正整数，Ak-1表示第k-1次优化对应的仿射矩阵，tk-1表示第k-1次优化对应的平移向量。在本专利技术的一个实施例中，根据所述第k次优化的空间对应关系计算第k次优化对应的仿射矩阵Ak和平移向量tk，包括：根据所述第k次优化的空间对应关系求解第k次优化对应的平移向量tk；根据所述第k次优化对应的平移向量tk求解第k次优化对应的仿射矩阵Ak；其中，所述第k次优化对应的仿射矩阵Ak和所述第k次优化对应的平移向量tk满足：在本专利技术的一个实施例中，所述第k次优化对应的平移向量tk的表达式为：其中，在本专利技术的一个实施例中，所述第k次优化对应的仿射矩阵Ak的表达式为：其中，在本专利技术的一个实施例中，所述预设条件为：优化次数k满足k≥kmax，其中，kmax表示预设最大优化次数。在本专利技术的一个实施例中，所述预设条件为：第k次优化后形状点云和模型点云间的均方误差εk满足εk≤εmin，其中，εmin表示预设最小均方误差。本专利技术的另一个实施例提供了一种种基于伪Huber损失函数的三维点云仿射配准系统，包括：数据获取模块，用于获取形状点云和模型点云；模型建立模块，用于根据所述形状点云和所述模型点云建立基于伪Huber损失函数的三维点云仿射配准模型；优化求解模块，用于对所述三维点云仿射配准模型进行优化求解，得到最优仿射变换。本专利技术的有益效果：本专利技术通过采用对噪声和外点不敏感的伪Huber损失函数建立对数据缺失或含有大量噪声点、外点数据的鲁棒三维点云仿射配准模型，可以抑制数据缺失、噪声点或外点对三维点云仿射配准结果的影响，提高仿射配准的精度。以下将结合附图及实施例对本专利技术做进一步详细说明。附图说明图1是本专利技术实施例提供的一种基于伪Huber损失函数的三维点云仿射配准方法流程图；图2是本专利技术实施例提供的另一种基于伪Huber损失函数的三维点云仿射配准方法流程图；图3是本专利技术实施例提供的另一种基于伪Huber损失函数的三维点云仿射配准系统结构示意图。具体实施方式下面结合具体实施例对本专利技术做进一步详细的描述，但本专利技术的实施方式不限于此。实施例一三维点云配准技术就是对采集回的点云数据进行匹配，找到两组点云数据集的一系列空间变换关系，并通过这些空间变换，使得两个点云数据集的对应点在空间位置上尽最大可能的一致，其主要分为刚性配准和非刚性配准，其中，最简单的非刚性配准就是仿射配准。三维点云仿射配准的目的是建立两个点云之间的空间对应关系并寻找其之间的最优仿射变换。通常，三维点云仿射配准包括求解两个内容：一是建立两个点云之间的对应关系；二是求解两个点云之间的仿射变换。给定形状点云和模型点云其中Np和Nq均为正整数，假设从点云P到M存在某种映射关系C:P→M，以及点云P到点云M的仿射变换关系T，可定义如下的相似性度量函数：J(T(P),C(P))(1)则点云仿射配准过程可看成如下的优化问题：其中，A为仿射矩阵，t为平移向量。然而，通常获取的三维点云数据中存在数据缺失或含有大量噪声点外点，影响点云的配准精度。基于此，本实施例提出了一种基于伪Huber损失函数的三维点云仿射配准算法，利用伪Huber损失函数对于噪声点或外点均具有一定的抑制作用的特性，将伪Huber损失函数引入三维点云仿射配准模型中，以提高仿射配准的精度，同时采用迭代方式对三维点云仿射配准模型进行优化求解，得到最优仿射变换。具体地，请参见图1，图1是本专利技术实施例提供的一种基于伪Huber损失函数的三维点云仿射配准方法流程图，包括：S1：获取形状点云和模型点云。本实施例以获取的形状点云P和和模型点云其具体地，本实施例分别用P和M表示获取的形状点云和模型点云，其中，Np和Nq均为正整数。在本实施例中，获取了形状点云和模型点云后，还需要对相关参数进行初始化操作，可具体为设置最大优化次数εk和仿射变换后两个点云间最小均方误差εmin。可选地，初始化参数还可以在后续优化模本文档来自技高网...

【技术保护点】
1.一种基于伪Huber损失函数的三维点云仿射配准方法，其特征在于，包括：/nS1：获取形状点云和模型点云；/nS2：根据所述形状点云和所述模型点云建立基于伪Huber损失函数的三维点云仿射配准模型；/nS3：对所述三维点云仿射配准模型进行优化求解，得到最优仿射变换。/n

【技术特征摘要】
1.一种基于伪Huber损失函数的三维点云仿射配准方法，其特征在于，包括：
S1：获取形状点云和模型点云；
S2：根据所述形状点云和所述模型点云建立基于伪Huber损失函数的三维点云仿射配准模型；
S3：对所述三维点云仿射配准模型进行优化求解，得到最优仿射变换。


2.根据权利要求1所述的基于伪Huber损失函数的三维点云仿射配准方法，其特征在于，所述三维点云仿射配准模型为：



s.t.det(A)≠0
其中，A表示仿射矩阵，t表示平移向量，c表示形状点云和模型点云的空间对应关系，b表示异常值阈值，pi表示形状点云中的点，mc(i)表示模型点云M中与pi点空间对应关系为c(i)的点，Np为正整数。


3.根据权利要求2所述的基于伪Huber损失函数的三维点云仿射配准方法，其特征在于，步骤S3包括：
S31：采用ICA法对所述三维点云仿射配准模型进行初值估计，得到仿射矩阵的初值A0和平移向量的初值t0；
S32：建立所述形状点云和所述模型点云第k次优化的空间对应关系；并根据所述第k次优化的空间对应关系计算第k次优化对应的仿射矩阵Ak和平移向量tk，其中，k≥1；
S33：重复步骤S32，以对所述三维点云仿射配准模型进行优化，直至优化满足预设条件；
S34：将当前第k次优化对应的仿射矩阵Ak和平移向量tk作为最优仿射变换输出。


4.根据权利要求3所述的基于伪Huber损失函数的三维点云仿射配准方法，其特征在于，所述形状点云和所述模型点云第k次优化的空间对应关系表示为：



其中，pi表示形状点云中的点，mj表示形状点云中的点，Np和Nq均为正整数，Ak-1表示第k-1次优化对应的仿射矩阵，tk-1表示第k-1次优化对应的平移向量。

<...

【专利技术属性】
技术研发人员：汪霖，郭佳琛，樊萍，周延，刘成，姜博，李艳艳，陈晓璇，汪照阳，高歌，
申请(专利权)人：西北大学，
类型：发明
国别省市：陕西;61