【技术实现步骤摘要】
一种基于特征概率的复杂场景地面站点云自动配准方法
本专利技术涉及激光点云测量数据智能处理与地理信息数据应用研究领域，尤其涉及一种基于特征概率的复杂场景地面站点云自动配准方法。
技术介绍
地面站激光扫描(TerrestrialLaserScanning,TLS)是一种高效采集场景表面丰富、精准三维点云的有效技术，已被广泛使用于诸多复杂混乱的场景中，包括：山区、城区、林区。其采集的点云在三维建模、地形分析、文化遗产保护、林区生物量估计等应用中发挥着重要作用。为全面描述复杂混乱场景的表面信息，通常需要设置多个站点从不同视角描述表面信息。点云配准可实现不同点云间的空间基准统一，是相关应用的前提。然而复杂场景地面测量点云中存在点密度、噪声、遮挡等数据质量差异，给自动配准方法带来严峻挑战，实现复杂混乱场景地面点云的稳健配准是本专利技术的重点。目前，点云配准已得到国内外一些学者的研究。在点云配准中需要解决两大难题：点云间初始转换参数的确定和转换参数的进一步优化。为确定初始转换参数，Chen等将RANSAC算法与配准算法结合起来取得...
【技术保护点】
1.一种基于特征概率的复杂场景地面站点云自动配准方法，其特征在于，包括如下步骤：/n步骤1：对采集的相邻站激光点云进行去噪、均匀采样处理，得到两站样本近似均匀分布的采样点云；/n步骤2：对各采样点，搜索原始点中的邻域点，根据邻域点计算几何变量构建协方差矩阵描述子，描述局部区域的几何特征；在构建协方差矩阵描述子时，根据各邻域点的点密度赋予相应权重；/n步骤3：对两个协方差矩阵描述子，采用相似性度量衡量相似度；通过矩阵对数之差简化计算，并采用指数函数将相似度归一化；/n步骤4：构建点云配准的概率目标函数：由法向量和协方差矩阵描述子构建一个新的特征空间，并引入两个高斯混合模型GM...
【技术特征摘要】
1.一种基于特征概率的复杂场景地面站点云自动配准方法，其特征在于，包括如下步骤：
步骤1：对采集的相邻站激光点云进行去噪、均匀采样处理，得到两站样本近似均匀分布的采样点云；
步骤2：对各采样点，搜索原始点中的邻域点，根据邻域点计算几何变量构建协方差矩阵描述子，描述局部区域的几何特征；在构建协方差矩阵描述子时，根据各邻域点的点密度赋予相应权重；
步骤3：对两个协方差矩阵描述子，采用相似性度量衡量相似度；通过矩阵对数之差简化计算，并采用指数函数将相似度归一化；
步骤4：构建点云配准的概率目标函数：由法向量和协方差矩阵描述子构建一个新的特征空间，并引入两个高斯混合模型GMM分别表示欧式空间和特征空间中的匹配概率，通过约束高斯混合模型以压缩求解空间；根据高斯混合模型构建新的目标函数，简化目标函数并优化后验匹配概率；
步骤5：构建反馈机制以嵌入地面站点云的几何先验知识：对各采样点，搜索采样点云中的邻域点计算点密度反馈值，调整匹配概率；对任两对匹配点计算距离和角度的反馈值，衡量几何一致性，优化匹配概率；
步骤6：根据构建的目标函数和初始转换参数迭代求解转换参数和方差值：通过偏导数计算平移向量，根据旋转矩阵引理变换、简化目标函数计算旋转矩阵，最后分别计算对应于欧式空间和特征空间的两个方差值，控制下一步迭代的步幅。
2.根据权利要求1所述的基于特征概率的复杂场景地面站点云自动配准方法，其特征在于，所述步骤4中对待配准的两站点云Y3×M和X3×N，在欧式空间和特征空间中的配准概率均服从高斯混合模型分布，表示为P(x)和F(x)，只有当两者同时满足时，两站点云才能够有效配准；配准概率函数表达式如下：
其中，为两站点云的配准概率函数,p(xn)和f(xn)为各点在欧式空间和特征空间中的概率密度函数，0≤w≤1是粗差的权重，是指噪声或粗差均匀分布的概率,Pf(m)为特征空间中点ym的分布概率，f(xn|zn＝m)为点xn和点ym间匹配的高斯密度函数构造如下：
其中，λ2为高斯混合模型的方差，为各点的法向量，R为当前的迭代的旋转矩阵，为两点的协方差描述子的相似性，df(xn,ym)表示两点在特征空间中的差异，用来标明两点在特征空间中的匹配概率，两点云间的配准参数通过最大化所述配准概率函数求解；简化计算，该步骤等同于最小化配准概率函数的负对数函数，将连乘运算转换为求和运算，将所述配准概率函数的负对数似然函数作为概率期望函数。
3.根据权利要求2所述的基于特征概率的复杂场景地面站点云自动配准方法，其特征在于，进一步简化概率期望函数的无关项得到目标函数，所述目标函数中后验匹配概率决定着本次迭代中潜在...
【专利技术属性】
技术研发人员：臧玉府，王贲文，
申请(专利权)人：南京信息工程大学，
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。