二进制形状上下文特征描述子构建方法及点云配准方法技术

本发明专利技术提供了一种二进制形状上下文特征描述子构建方法及点云配准方法，其中，二进制形状上下文特征描述子构建方法步骤主要包括：1）点云数据关键点检测，2）局部坐标系构建；3）坐标系转换与格网化；4）高斯距离加权格网投影特征计算，5）投影特征高效二值化。BSC描述子编码三个正交投影平面上的投影点密度、距离和回波强度特征，包含了更丰富的局部信息。另一方面，通过构造一个稳定的局部坐标系，并利用高斯核密度估计方法计算加权投影特征，提高了BSC描述子对噪声、点密度变化、目标遮挡和重叠的鲁棒性。的鲁棒性。的鲁棒性。

【技术实现步骤摘要】
二进制形状上下文特征描述子构建方法及点云配准方法


[0001]本专利技术涉及计算机视觉和激光扫描数据处理的交叉领域，尤其涉及二进制形状上下文特征描述子构建方法及点云配准方法。

技术介绍

[0002]三维激光点云特征描述是计算机视觉、摄影测量、机器人等学科中非常活跃的研究方向，也是多平台激光点云数据融合、三维目标提取、三维模型重建、同步定位和制图 (SLAM) 等应用的基础和前提。三维激光点云具有数据量大、点密度不均、目标多样、场景复杂、目标间存在遮挡和重叠等特性，这给三维激光点云特征描述带来巨大的挑战。虽然近年来三维激光点云特征描述方法的研究取得了一定的进展，但仍然存在以下问题：
①ꢀ
大多数现有的特征描述子只利用局部形状信息，导致特征表达能力不足；且对噪声、点密度变化、数据遮挡和重叠等干扰的鲁棒性差(Bariya et al., 2012)；
②ꢀ
现有特征描述子维数通常很高，如Spin Image (225维)、3D Shape Context (1980维)、Intrinsic Shape Signatur本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.二进制形状上下文特征描述子构建方法，其特征在于，包括：S1：对初始点云数据进行关键点检测；S2：针对检测得到的每个关键点，构建以关键点为中心，以特征向量为坐标轴的局部坐标系；S3：将关键点及其邻域点集转换到局部坐标下，得到转换后的局部点云，将转换后的局部点云投影到三个坐标平面，再将投影后的点云划分成若干个格网；S4：采用高斯距离加权的方式累积每个格网的投影特征，每个格网的投影特征包括加权投影密度、投影距离以及回波强度特征；S5：利用特征差异测试随机选择两个格网并计算它们特征的差异性，根据特征差异测试结果将投影特征转换为一个二进制字符串，根据局部坐标系和投影特征的二进制字符串构建二进制形状上下文特征描述子。2.如权利要求1所述的二进制形状上下文特征描述子构建方法，其特征在于，步骤S1包括：S1.1：计算初始点云数据每个点p和其半径R内的邻域点组成的协方差矩阵M，并对协方差矩阵M做特征值分解得到特征值，协方差矩阵M的计算公式为：(1)其中，i为邻域点的索引号，k为邻域点个数，为当前点，为的邻域点，为的转置；S1.2：根据公式（2）和（3）计算特征值比值和，并根据公式（4）计算点p的曲率c；(2) (3) (4)、分别为特征值与的比值，特征值与的比值；S1.3：遍历点云中的所有点，将满足条件的点存入集合Q，其中，为特征值比值阈值；S1.4：从集合Q中选择曲率最大的点作为关键点存入集合，并从集合Q中删除曲率最
大的点以及邻域R范围内的点；S1.5：重复步骤S1.4，直到集合Q为空，将集合中的点作为检测得到的关键点。3.如权利要求1所述的二进制形状上下文特征描述子构建方法，其特征在于，步骤S2包括：S2.1：分别根据公式（5），（6）计算点密度权值和点距离权值；(5)(6)其中，是关键点的邻域点，是 的邻域点，表示它们之间的欧氏距离，表示半径范围内的点个数，是点密度权值，是点距离权值；S2.2： 根据公式（7），利用关键点、邻域点集合N、点密度权值以及点距离权值构建加权的协方差矩阵；(7)S2.3：对协方差矩阵做特征值和特征向量分解得到特征值和对应的特征向量；S2.4：以...

【专利技术属性】
技术研发人员：董震，范雯，李筱睿，王思恒，
申请(专利权)人：深圳市规划和自然资源数据管理中心，
类型：发明
国别省市：