点云配准方法、装置、电子设备及计算机存储介质制造方法及图纸

本公开实施例公开了一种点云配准方法、装置、设备及计算机存储介质，其中，该方法包括：获取具有部分重叠数据点的两帧点云数据；针对每帧点云数据，根据每一数据点的初始特征，构建每一数据点的第一尺度特征；基于每一数据点的初始特征，进行至少一个层级的采样处理，得到在每一层级对应的多个采样点和每一采样点对应的局部特征；基于在每一层级对应的多个采样点和每一采样点对应的局部特征，确定每一数据点在每一层级的第二尺度特征；基于两帧点云数据中的每一数据点的第一尺度特征和第二尺度特征，实现两帧点云数据之间的配准。实现两帧点云数据之间的配准。实现两帧点云数据之间的配准。

【技术实现步骤摘要】
点云配准方法、装置、电子设备及计算机存储介质


[0001]本公开实施例涉及但不限于机器学习
，尤其涉及一种点云配准方法、装置、电子设备及计算机存储介质。

技术介绍

[0002]通过在例如三维重建场景、拍摄场景的各种类型的场景中部署激光雷达或深度相机，可以采集点云数据，点云数据作为一种图像的补充数据，能够更真实的获取场景信息。
[0003]然而，采用激光雷达或深度相机采集到的点云数据通常比较稀疏和残缺，例如，在对象被某一遮挡物遮挡的情况下，将无法采集到对象的被遮挡区域的点云数据，而为了确定对象的被遮挡区域的点云数据，往往需要从不同角度/位置采集扫描该对象，以得到不同的残缺点云数据。为了补全对象的残缺点云数据，如何实现不同的残缺点云数据之间的配准，是技术人员亟需解决的问题。

技术实现思路

[0004]本申请实施例提供一种点云配准技术方案。
[0005]第一方面，提供一种点云配准方法，所述方法包括：获取具有部分重叠数据点的两帧点云数据；针对所述两帧点云数据中的每帧点云数据，根据所述点云数据的每一所述数据点的初始特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种点云配准方法，其特征在于，包括：获取具有部分重叠数据点的两帧点云数据；针对所述两帧点云数据中的每帧点云数据，根据所述点云数据的每一所述数据点的初始特征，构建每一所述数据点的第一尺度特征；基于所述点云数据的每一所述数据点的初始特征，进行至少一个层级的采样处理，得到所述点云数据在每一所述层级对应的多个采样点和每一所述采样点对应的局部特征；其中，上一层级所述采样处理得到的多个采样点和每一所述采样点对应的局部特征为下一层级所述采样处理的输入特征；基于所述点云数据在每一所述层级对应的多个采样点和每一所述采样点对应的局部特征，确定每一所述数据点在每一所述层级的第二尺度特征；基于所述两帧点云数据中的每一所述数据点的多尺度特征，实现所述两帧点云数据之间的配准；所述多尺度特征包括所述第一尺度特征和每一所述层级的第二尺度特征。2.根据权利要求1所述的方法，其特征在于，所述基于所述点云数据的每一所述数据点的初始特征，进行至少一个层级的采样处理，得到所述点云数据在每一所述层级对应的多个采样点和每一所述采样点对应的局部特征，包括：将所述点云数据中的数据点作为第一层级对应的基础点，针对每一所述数据点，将所述数据点的初始特征确定为所述第一层级中与所述数据点对应的所述基础点的基础点特征；对每一所述层级对应的基础点进行采样，得到每一所述层级对应的采样点；根据每一所述层级对应的采样点的基础点特征，构建每一所述层级对应的所述采样点的局部特征；其中，所述第一层级对应的采样点为第二层级对应的基础点，所述第一层级对应的所述采样点的局部特征为所述第二层级对应的所述基础点的基础点特征。3.根据权利要求2所述的方法，其特征在于，所述根据每一所述层级对应的采样点的基础点特征，构建每一所述层级对应的所述采样点的局部特征，包括：针对每个采样点，获取所述采样点的邻域集合和所述邻域集合中多个邻域点的基础点特征；基于所述采样点的位置信息和所述采样点对应的多个邻域点的位置信息，确定所述采样点对应的多个邻域点的位置特征；基于所述采样点的基础点特征、所述采样点对应的多个邻域点的基础点特征和位置特征，确定所述采样点和对应的多个邻域点之间的关联权重；基于所述采样点和对应的多个邻域点之间的关联权重，确定所述采样点的局部特征。4.根据权利要求3所述的方法，其特征在于，所述基于所述采样点的基础点特征、所述采样点对应的多个邻域点的基础点特征和位置特征，确定所述采样点和对应的多个邻域点之间的关联权重，包括：分别对所述采样点的基础点特征和所述采样点对应的每一邻域点的基础点特征，进行线性变换和/或非线性变换，得到所述采样点的第一特征和所述采样点对应的每一邻域点的第二特征；基于所述采样点对应的每一邻域点的位置特征、所述采样点的第一特征和所述采样点
对应的每一邻域点的第二特征，确定所述采样点和对应的所述多个邻域点之间的所述关联权重。5.根据权利要求4所述的方法，其特征在于，所述分别对所述采样点的基础点特征和所述采样点对应的每一邻域点的基础点特征，进行线性变换和/或非线性变换，得到所述采样点的第一特征和所述采样点对应的每一邻域点的第二特征，包括：从特征通道的维度对所述采样点的基础点特征进行通道压缩处理，得到所述采样点的第一特征；所述采样点的第一特征的特征通道数量小于所述采样点的基础点特征的特征通道数量；从特征通道的维度对所述采样点对应的每一邻域点的基础点特征进行通道压缩处理，得到所述采样点对应的每一邻域点的第二特征；针对相同邻域点，所述采样点对应的邻域点的第二特征的特征通道数量小于所述采样点对应的邻域点的基础点特征的特征通道数量；所述第一特征的特征通道数量与所述第二特征的特征通道数量相同。6.根据权利要求3至5任一项所述的方法，其特征在于，所述基于所述采样点和对应的多个邻域点之间的关联权重，确定所述采样点的局部特征，包括：基于所述采样点和对应的多个邻域点之间的关联权重，确定所述采样点的第四特征；将所述采样点的第四特征和所述采样点的基础点特征进行合并，得到所述采样点的局部特征。7.根据权利要求6所述的方法，其特征在于，所述基于所述采样点和对应的多个邻域点之间的关联权重，确定所述采样点的第四特征，包括：针对所述采样点对应的多个邻域点中的每个邻域点，对所述邻域点的基础点特征进行线性变换和/或非线性变换，得到所述采样点对应的所述邻域点的第三特征；将所述采样点对应的所述邻域点的第三特征和所述采样点对应的所述邻域点的位置特征进行合并，得到所述采样点对应的所述邻域点的邻域融合特征；基于所述采样点和对应的多个邻域点之间的关联权重，和所述采样点对应的每一所述邻域点的邻域融合特征，确定所述采样点的第四特征。8.根据权利要求7所述的方法，其特征在于，所述对所述邻域点的基础点特征进行线性变换和/或非线性变换，得到所述采样点对应的所述邻域点的第三特征，包括：从特征通道的维度对所述采样点对应的邻域点的基础点特征进行通道压缩处理，得到所述采样点对应的邻域点的第三特征；所述采样点对应的邻域点的第三特征的特征通道数量小于所述采样点对应的邻域点的基础点特征的特征通道数量；所述第三特征的特征通道数量大于所述第二特征的特征通道数量。9.根据权利要求7或8所述的方法，其特征在于，所述基于所述采样点和对应的多个邻域点之间的关联权重，和所述采样点对应的每一所述邻域点的邻域融合特征，确定所述采样点的第四特征，包括：对所述采样点和对应的多个邻域点之间的关联权重和所述采样点对应的每一所述邻域点的邻域融合特征进行聚合，得到所述采样点对应的每一所述邻域点的关联特征；基于所述采样点对应的每一所述邻域点的关联特征，确定所述采样点的第四特征。10.根据权...

【专利技术属性】
技术研发人员：潘亮，蔡中昂，赵海宇，伊帅，刘子纬，
申请(专利权)人：南洋理工大学，
类型：发明
国别省市：