【技术实现步骤摘要】
一种基于分支定界的多视点三维点云数据的粗配准方法
[0001]本专利技术属于三维点云数据配准
，特别涉及一种基于分支定界的多视点三维点云数据的粗配准方法。
技术介绍
[0002]目前，三维重建技术在AR/VR、机器人导航、数字图书馆/博物馆建设和无人自动驾驶等领域中有较为广泛的应用场景，当前的技术背景下，多视点的三维重建成为研究的热点和应用的热点之一，三维点云数据的配准技术是其中的重要环节。三维点云数据的配准技术的重要性主要展现在以下的几个方面：
[0003]首先，点云数据的配准环节是三维重建过程中的重要流程。从整个重建过程来看，三维点云数据的配准步骤之前是三维点云数据的获取过程，三维点云数据的配准步骤之后是三维点云数据的融合过程。
[0004]其次，当前的三维重建过程大多数是基于多个深度传感器采集二维图像信息，多个深度传感器处于不同的坐标系之下，这使得必须获得精准的坐标变换关系才能实现精准的三维点云数据融合，三维点云数据成为精准的呈现三维重建模型的关键之处。
[0005]最后，除了在三维重建技...
【技术保护点】
【技术特征摘要】
1.一种基于分支定界的多视点三维点云数据的粗配准方法，其特征在于，包括：第一步：对待配准的三维点云数据特征点进行提取并得到点集；第二步：将第一步中得到的点集进行处理初步获取三维点云数据中的匹配点；第三步：将第二步中初步获得的匹配点集作为输入数据，进行特征点的进一步筛选，精确获取三维点云数据中匹配点；第四步：将第三步中得到的精确匹配点集作为输入数据，进行相机位姿参数估计。2.根据权利要求1所述的一种基于分支定界的多视点三维点云数据的粗配准方法，其特征在于，所述第一步中输入两片待配准三维点云数据并计算三维点云数据中每个点的K
‑
邻域内的每个点到其切平面的距离，将此距离大于预先设定阈值的点保留，将此距离小于预先设定阈值的点剔除，得到点集。3.根据权利要求2所述的一种基于分支定界的多视点三维点云数据的粗配准方法，其特征在于，定义三维点云数据中某一点P
i
处其K
‑
邻域内点到该点切平面的平均距离即特征距离g
i
作为判定点P
i
是否为特征点的依据，计算公式为：其中，d
ij
指点P
i
邻域某点到P
i
点切平面的距离，g
i
为点P
i
的邻域点到点切平面的平均距离，根据该定义，特征距离越大的点表示该区域起伏变化大，选择阈值σ1，去掉点三维点云数据中平坦的点，保留g
i
＞σ1三维点云数据的点，对于保留的点中任意一个点P
n
，若满足，g(P
n
)＝max[g(P
n1
)，g(P
n2
)，...，g(P
nk
)]则将P
n
作为特征点，其中g(P
n1
)，g(P
n2
)，...，g(P
nk
)为点P
n
的K
‑
邻近点的特征距离，假设两片三维点云数据分别为P和Q，其中P为目标点集，Q为参考点集，分别对两片三维点云数据进行特征提取，得到P的特征点集为P
t
＝{P
t1
，P
t2
，...，P
tm
}，Q的特征点集为Q
t
＝{Q
t1
，Q
t2
，...，Q
tn
}，其中m和n分别为P和Q的特征点个数。4.根据权利要求1所述的一种基于分支定界的多视点三维点云数据的粗配准方法，其特征在于，所述第二步中获取三维点云数据中匹配点步骤包括：
①
分别计算两片点云中每个点的四种特征量；
②
根据特征量相同或相似的原则获得匹配点集。5.根据权利要求4所述的一种基于分支定界的多视点三维点云数据的粗配准方法，其特征在于，第一种所述特征量是点集P
t
中每个点P
ti
的K
‑
邻近点的特征距离，计算公式如下：f1(P
ti
)＝g(P
ti
)；第二种特征量是根据点集P
t
中的每一个点P
ti
，计算的该点的K
‑
邻近点重心O(P
ti
)，以该点与其K邻近点重心O(P
ti
)之间的距离值，计算公式如下：f2(P
ti
)＝P
ti
‑
O(P
ti
)；
p
第三种特征量是根据点集...
【专利技术属性】
技术研发人员：郭松杰，
申请(专利权)人：北京容积视觉科技有限公司，
类型：发明
国别省市：
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。