一种点云模型描述符构建方法及点云模型匹配方法组成比例

本发明专利技术公开了一种点云模型描述符构建方法及点云模型匹配方法。所公开的方案包括首先对模型进行分层；然后计算每层的中心距离，构建模型的分层中心距离矩阵；再使用离散傅里叶变换得到各模型的傅里叶系数矩阵；最后计算两个傅里叶系数矩阵的相似度，根据阈值判定匹配结果。本发明专利技术的描述符具有旋转平移缩放不变性，对于模型得细节比较敏感，相比于其他传统描述符此描述符可直接确定模型的相似性。

【技术实现步骤摘要】
一种点云模型描述符构建方法及点云模型匹配方法
本专利技术设计三维模型处理技术，具体涉及一种基于分层中心描述符的点云形状描述及三维模型的匹配方法。
技术介绍
三维模型(点云模型)的识别匹配是指通过对模型特征的采集整合，使用相应的算法，在一定的阈值范围之下识别两个物体的异同性。识别主要包括形状描述与形状相似性度量两个主要工作：首先形状描述是指如何使模型的特征信息相对完整的刻画，同时，形状描述子要对具有平移，旋转和缩放的尺度不变性。同样的三维物体的特征信息比较复杂，需要从某一角度进行考量，而且对于特征维度的也需要控制，维度信息越高，虽说所含的特征就多，但是处理就更困难，并且高维特征下往往只有部分有用信息，高维度特征提取也会产生信息冗余；形状的相似性度量需要根据三维模型的特征进行刻画，基于形状的相似性度量，确定三维模型的匹配关系。现有三维模型匹配方法有些是从局部信息考虑，损失了模型的全局特征；或者从全局信息考虑，对于局部的细节部分又刻画不到位等；还有些现有技术是将三维模型投影到二维平面进行处理，会损失三维模型的深度信息。
技术实现思路
针对现有技术的缺陷或不足，本专利技术首先提供了一种点云模型描述符构建方法。为此，本专利技术所提供的点云模型描述符构建方法包括：步骤1，沿一固定方向将点云模型分成M层，M大于等于2；步骤2，确定每层的中心点，并计算每层中的每个点云与所属层中心点的中心距离，每层中所有点云对应的中心距离构成相应层的中心距离向量；步骤3，对每层的中心距离向量进行归一化处理；步骤4，构建M行*N列的分层中心距离矩阵，N取所有中心矩阵向量中元素个数最大的数值Nmax，分层中心距离矩阵的行向量为每层的中心距离向量，且对于向量元素个数小于N的中心距离向量用0作为元素填充至Nmax个元素，所有中心距离向量行排列顺序为步骤1中的分层顺序；所构建的分层中心距离矩阵为点云模型的描述符。优选的，采用局部归一化对每层的中心距离向量进行归一化处理。优选的，每层使用该层中所有点云对应中心距离中的最大值作为归一化标准。进一步，本专利技术提供了一种点云模型匹配方法。为此，本专利技术提供的点云模型匹配方法包括：步骤一，对待匹配的两个点云模型进行标定，使两个点云模型的轮廓方位一致；步骤二，沿轮廓方位上一固定方向分别对两个点云模型进行权利要求1、2或3所述方法的处理，分别构建两个点云模型的描述符，处理时两个点云模型的分层层数相同，同时两个描述符的列数相同且取两个点云模型的所有中心距离向量中向量元素个数最多的向量的元素个数值；步骤三，分别获取两个描述符的离散傅里叶系数矩阵；步骤四，计算两个离散傅里叶系数矩阵的相似度，所得相似度值小于等于阈值时，两个模型匹配，所述阈值的取值范围为0-1。优选的，所述标定采用四点标定。进一步，进行步骤一之前对两个点云模型简化处理，使两个点云模型的点云数量属于同一量级。本专利技术的方法考虑了三维模型的全局形状信息及局部特征信息，具有综合全局信息的效果；另外，该方法使用傅里叶系数差的均值作为相似性度量的准则，能够准确地将两个模型的相似度转化为数值，通过阈值判定聚类结果。附图说明图1为本专利技术的点云模型四点标定法及分层过程示意图；图2为实施例中的匹配对象示意图。具体实施方式除非另有说明，本文中所述术语根据本领域常规认识理解。本专利技术所述点云模型为本领域常规理解的概念，是一种常用的三维模型数据格式，例如以.ply、.pcd和.obj为后缀的三维模型均为点云模型。所述点云模型上的特征点通常是指具有大尺度曲面梯度的点，例如常见的曲率较大的点，利用特征点提取方法均可得到特征点，本专利技术所述的特征点为本领域常规理解的特征点。两个点云模型上的相应特征点是指在整体外形上看两个模型上的两个特征点曲率接近且位于各自模型整体轮廓中相同或相近位置。例如，图1所示待匹配的两个点云模型轮廓为圆帽形，两个点云模型上的最高点对应的特征点为相应特征点。所述轮廓方位一致是指两个点云模型的高度和宽度方向一致，或轴向和径向方向一致，或者相应特征点的角度方向或相应特征点之间的相对位置关系一致，例如，图1所示待匹配的两个点云模型轮廓为圆帽形，两个点云模型的外轮廓最高点位于顶部，轮廓平面与水平面平行位于底部，即两个点云模型的轮廓方向一致，当然，也可以两个点云模型的外轮廓最高点位于底部，轮廓平面与水平面平行位于顶部，这样两个点云模型就有了相同的高度方向、宽度方向、轴向或/和径向。所述沿轮廓方位上一固定方向是指按照轮廓方位一致的两个点云模型的高度、宽度、轴向、径向或其他可表征点云模型形状特征的方向。由于缩放尺度的变化，导致模型因不同的缩放尺度产生不一致的描述符，为了克服这种缺点，对矩阵描述符进行归一化处理，本专利技术所述的归一化处理可采用现有的归一化方法，优选局部归一化方法，局部归一化具有各层之间互不干扰的优点，归一化后中的每个向量元素的值在[0,1]区间。进一步优选的方案是，每层的归一化标准为该层中所有点云对应中心距离中的最大值。本专利技术的中心距离矩阵是按分层顺序将各层的中心距离向量整合而得，由于散乱点云的采样密度不均匀，且给定的点云模型可能含有不同的点规模，分层得到的每一层模型中点云的个数不同，导致矩阵不对齐，为了解决该问题，本专利技术方法使用0填充法，即：把每一层的中心距离向量元素个数设置为所有层的中心距离向量中向量元素最多的向量的元素个数Nmax，不足层空余部分用0距离代替直至元素个数为Nmax，填充距离值为0的点表示此点是个虚点。为了能让得到的分层描述符刻画模型的分类结果，本专利技术对得到的描述符进行了离散傅里叶变换，因为离散傅里叶变换会把时域信号转换为频率信息，而本专利技术采用的分层中心描述符就会把相应的同距离的描述子放在同一个频域信息中，进一步形成离散傅里叶系数矩阵，更能刻画出切片后的表面点云距离切片中心的情况。所述离散傅里叶系数矩阵的获取方法采用现有的离散傅里叶变换方法。本专利技术所述阈值的取值范围为0-1,具体数值与点云模型的形状和差异度(相似度)相关，具体可根据实验确定。本专利技术所述逇简化处理是指去掉点云模型中不必要的点，具体可在现有工具软件上进行操作，且使得两个点云模型的点云个数为同一量级，确保匹配结果的可靠性。所述同一量级如同为千级，例如1000个点云和9000个点云。实施例：该实施例的点云模型描述符构建方法如下：首先，对点云模型进行分层；接着，计算各层点云中心，设模型S分为M层，第m层的模型有Nm点，m＝1,2,...,M；Pmn＝(Xmn,Ymn,Zmn),n＝1,2,...,Nm表示第m层所有的点集，求该点集中所有点的中心Cm＝(Xcm,Ycm,Zcm)：之后，计算每层中各点云的中心距离，得到各层的中心距离向量，所有中心距距离构成了描述此层的中心距离向量；Distm′＝(Distm1′,Distm2′,.本文档来自技高网...

【技术保护点】
1.一种点云模型描述符构建方法，其特征在于，方法包括：/n步骤1，沿一固定方向将点云模型分成M层，M大于等于2；/n步骤2，确定每层的中心点，并计算每层中的每个点云与所属层中心点的中心距离，每层中所有点云对应的中心距离构成相应层的中心距离向量；/n步骤3，对每层的中心距离向量进行归一化处理；/n步骤4，构建M行*N列的分层中心距离矩阵，N取所有中心矩阵向量中元素个数最大的数值N

【技术特征摘要】
1.一种点云模型描述符构建方法，其特征在于，方法包括：
步骤1，沿一固定方向将点云模型分成M层，M大于等于2；
步骤2，确定每层的中心点，并计算每层中的每个点云与所属层中心点的中心距离，每层中所有点云对应的中心距离构成相应层的中心距离向量；
步骤3，对每层的中心距离向量进行归一化处理；
步骤4，构建M行*N列的分层中心距离矩阵，N取所有中心矩阵向量中元素个数最大的数值Nmax，分层中心距离矩阵的行向量为每层的中心距离向量，且对于向量元素个数小于N的中心距离向量用0作为元素填充至Nmax个元素，所有中心距离向量行排列顺序为步骤1中的分层顺序；所构建的分层中心距离矩阵为点云模型的描述符。


2.如权利要求1所述的点云模型描述符构建方法，其特征在于，采用局部归一化对每层的中心距离向量进行归一化处理。


3.如权利要求2所述的点云模型描述符构建方法，其特征在于，每层使用该层中所有点云对应中心距...

【专利技术属性】
技术研发人员：刘喆，李纯辉，张雨禾，耿国华，
申请(专利权)人：西北大学，
类型：发明
国别省市：陕西;61