一种基于RANSAC测度优化的三维点云配准方法技术

本发明专利技术涉及一种基于RANSAC测度优化的三维点云配准方法，包括从数据库中读取点云数据；给点云数据添加噪声；计算点云的匹配集合，获取候选匹配集；对匹配集合进行迭代随机采样，计算场景点云与目标点云之间的位姿矩阵；在时间消耗和RMSE两方面进行评价算法的优劣。本方法计算得出的位姿仍然能使场景点云与目标点云有较高的吻合度和重叠率，抗干扰能力更强。强。强。

【技术实现步骤摘要】
一种基于RANSAC测度优化的三维点云配准方法


[0001]本专利技术属于计算机视觉领域，具体涉及一种基于随机抽样一致性(RANdom SAmple Consensus，RANSAC)测度优化的三维点云配准方法。

技术介绍

[0002]点云是一种由若干离散、无序、无拓扑结构的三维点组成，它能够精确的反映三维物体的真实尺寸和形状结构，且具有抗光照和尺度变化的等优点。随着科技的发展，三维点云配准广泛应用于计算机视觉、计算机图形学、遥感、机器人等领域。具体的，不同视角下的两组点云序列配准可应用于三维目标重建、三维场景重建以及三维数据融合；不同时刻的两组点云序列配准可应用于三维运动物体姿态跟踪；模型
‑
场景点云之间的配准则广泛应用于三维目标检测于识别，如机器人领域的物体抓取与摆放，以及空对地精准目标打击等。现有的基于RANSAC的三维点云配准及其变种算法是一种比较有效的点云配准算法，且这些算法在工业界已有相应的应用。这种算法的主要思想是采用随机抽样一致性算法，迭代的估计出最优的变换位姿，进而实现配准的目的。但是目前的基于RANSAC及本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于RANSAC测度优化的三维点云配准方法，其特征在于步骤如下：S1：对输入的场景点云和目标点云进行降采样，依据降采样后点云的关键点和描述子，计算场景与目标的匹配集合，再将匹配集合进行排序，筛选出K根候选匹配；S2：设置初始位姿得分Score和初始迭代次数Iterators；S3：在候选匹配中随机选取三根匹配，并依此生成假设；S4：采用优化测度评估生成的假设，评估得分记作Score Iterator；S5：根据评估得分更新Score，迭代步骤S3和S4，直至迭代次数。2.根据权利要求1所述的一种基于RANSAC测度优化的三维点云配准方法，其特征在于所述S1中的K根候选匹配的具体过程包括：S11：建立三维体素网格，计算每个体素的重心，将体素的重心作为降采样的值；S12：计算每根匹配在场景点云和目标点云中索引的对应关系：其中，与分别表示场景点云与目标点云中第i和第j个关键点处的描述子，n表示目标点云中关键点的个数；S13：记场景点云关键点为P
s
，目标点云关键点为P
t
，依据公式(1)中的对应关系计算两点云之间的匹配集合为C＝{c
i
}，其中且S14：将匹配集合按照距离从小到大排列，选取较小的K根匹配作为候选匹配集合。3.根据权利要求1所述的一种基于RANSAC测度优化的三维点云配准方法，其特征在于S2中初始化参数具体为设置初始得分Score为0，迭代次数Iterators为1000。4.根据权利要求1所述的一种基于RANSAC测度优化的三维点云配准方法，其特征在于S3中生成假设的具体步骤包括：S31：生成3个不同的0到K
‑
1的随机数，作为候选匹配的索引；S32：根据随机生成的三根匹配，计算...

【专利技术属性】
技术研发人员：杨佳琪，黄志强，张艳宁，陈家豪，权思文，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：