一种基于曲率密度特征的激光点云自动配准方法技术

本发明专利技术公开了一种基于曲率密度特征的激光点云自动配准方法，包括利用三维点云数据的三个坐标值进行法线和曲率的计算；统计任意一点在单位半径R下的邻域点云个数作为其点云密度，计算点云曲率和点云密度的关系构建一种点云曲率密度特征的参数，利用此参数提取出点云特征点来充分的表达原始点云的形状和轮廓；对该特征点进行快速点特征直方图计算来综合描述特征点信息，利用点特征直方图来查找对应点的方法实现点云的粗配准；在此基础上通过最小二乘法迭代计算最佳变换矩阵，完成点云的精配准。该方法提取的特征点能够充分表达原始点云数据的形状和轮廓，极大的减少了点云数据量，且计算方法简单、效率高。效率高。效率高。

【技术实现步骤摘要】
一种基于曲率密度特征的激光点云自动配准方法


[0001]本专利技术涉及点云数据处理中对原始点云数据的形状和轮廓和提取和表达，更具体的说是一种根据点云曲率和密度的关系来构建曲率密度参数来提取点云特征点。

技术介绍

[0002]随着三维激光扫描技术和LIDAR(Light Laser Detection and Ranging)技术的快速发展，三维激光点云数据被广泛地应用在三维建模，遥感测绘、导航定位、自动驾驶等诸多领域。点云配准的目的是将同一目标的两个点云数据经过三维刚体变换，得到同一坐标系下的点云，进而完成点云的拼接、融合、测量等步骤。但激光点云自动配准时的精度和效率在一定程度上制约着激光点云数据后续的应用。
[0003]目前点云配准分为初始配准和精配准。初始配准也称粗配准，主要是大致对其待配准的三维点云数据，使点云具有较好的初始姿态。初始配准因需要计算快速点特征直方图(FPFH)而使得算法用时过长，因此初始配准大多依赖于点云的特征点，为此诸多学者提出多种方法提取点云特征点来表达原始庞大的三维点云数据，Sipiran等提出了三维角点检测算法(Harris3D),此算法对设置的阈值参数敏感，不同的点云数据合适的参数不同，有时特征点将会过少而不能充分体现源点云的特征。Lowe将在图像配准中的二微尺度不变特征算法(SIFT)引用到三维点云数据中提取点云关键点，但该算法的参数较多，参数调整复杂。Papon提出利用体素与点云配准相结合的配准方法，该方法提高了点云鲁棒性，却没提升配准速度。而在精配准中应用最广泛的是Besl和Mckay等提出的迭代最近点算法(Iterative Closest Point,ICP)，该算法配准精度较高，但该算法要求点云具有良好的初始位置才行。王志等在对ICP算法中的阈值进行分析，结合测距精度和分辨率提出了一种基于自适应阈值的迭代最近点算法。孙文潇等提出将点云的法线信息进行计算得到快速点特征直方图(FPFH)，然后使用K
‑
D树来加快对应点的搜索实现点云精配准但此方法的阈值难以控制。陈华伟等根据点云曲率的突变变化关系，提出了一种点云特征线的提取算法，但此方法仅适用于直线型特征的点云。所以在实际点云自动配准时，有必要设计一种阈值设置简单而又稳健的算法，来提高点云自动配准的效率。

技术实现思路

[0004]为解决
技术介绍
中所存在的问题，本专利技术提出一种基于曲率密度特征的激光点云自动配准方法，首先构建一种曲率密度特征(CDF)的参数，然后提取点云物体的轮廓和特征信息对原始点云数据进行表达，最后利用采样一致性初始配准算法和迭代最近点算法完成点云配准，同时为验证本文算法在不同的点云数据上的适用性，分别使用普通点云数据和实物点云数据，用多种点云配准方法做了对比试验并进行配准误差和配准效率的分析。
[0005]有鉴于此，本专利技术提出了一种基于曲率密度特征的激光点云自动配准方法。
[0006]实现本专利技术目的的技术解决方案为：一种基于曲率密度特征的激光点云自动配准方法。，包括以下步骤：
[0007]S1：利用三维点云数据的三个坐标值进行法线和曲率的计算；
[0008]S2：统计任意一点在单位半径R下的邻域点云个数作为其点云密度；
[0009]S3：计算点云曲率和点云密度的关系构建一种点云曲率密度特征的参数；
[0010]S4：利用此参数提取出点云特征点来充分的表达原始点云的形状和轮廓；
[0011]S5：对该特征点进行快速点特征直方图计算来综合描述特征点信息；
[0012]S6：利用点特征直方图来查找对应点的方法实现点云的粗配准；
[0013]S7：在粗配准点云的基础上进行点云精配准；
[0014]S8：结束。
[0015]优选的，在步骤3中利用曲率和点云密度特征构建的曲率密度特征参数，此参数为式中：σ
i
为m
i
的邻域曲率，k为半径R内邻域点的数量，其中前者和后者相比，前者的阈值相对灵敏，后者的阈值相对稳定。
[0016]优选的，在步骤4中，根据曲率密度特征参数获得的特征点能够充分的表达原始点云的形状和轮廓信息。
[0017]与现有技术相比，本专利技术的显著优点为：本专利技术提出一种基于曲率密度特征的激光点云自动配准方法，该方法根据点云曲率和密度特征构建一种曲率密度特征参数，然后设置阈值进行判断从而得到点云曲率密度特征点，此特征点能够充分的表达点云的形状和轮廓信息，方法简单易于实施。
附图说明
[0018]下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0019]图1为本专利技术提供的一种基于曲率密度特征的激光点云自动配准方法的流程图；
[0020]图2为本专利技术提取原始点云特征点时不同的阈值结果示意图；
[0021]图3为本专利技术提取的特征点进行Chair点云配准的效果对比图；
[0022]图4为本专利技术提取的特征点进行Desk点云配准的效果对比图；
[0023]图5为本专利技术进行Chair和Desk点云配准时不同方法对比的量化表；
具体实施方式
[0024]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0025]参见附图1，本专利技术实施例公开了一种基于曲率密度特征的激光点云自动配准方法，包括：
[0026]S1：利用三维点云数据的三个坐标值进行法线和曲率的计算；
[0027]S2：统计任意一点在单位半径R下的邻域点云个数作为其点云密度；
[0028]S3：计算点云曲率和点云密度的关系构建一种点云曲率密度特征的参数；
[0029]S4：利用此参数提取出点云特征点来充分的表达原始点云的形状和轮廓；
[0030]S5：对该特征点进行快速点特征直方图计算来综合描述特征点信息；
[0031]S6：利用点特征直方图来查找对应点的方法实现点云的粗配准；
[0032]S7：在粗配准点云的基础上进行点云精配准；
[0033]S8：结束。
[0034]为了进一步优化上述技术方案，在步骤3中利用曲率和点云密度特征构建的曲率密度特征参数，此参数为式中：σ
i
为m
i
的邻域曲率，k为半径R内邻域点的数量。其中前者和后者相比，前者的阈值相对灵敏，后者的阈值相对稳定。
[0035]为了进一步优化上述技术方案，在步骤4中，根据曲率密度特征参数获得的特征点能够充分的表达原始点云的形状和轮廓信息。
[0036]下面对本专利技术中涉及到的方法做进一步说明。
[0037]实施例
[0038]本专利技术选择构建一种曲率密度特征参本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于曲率密度特征的激光点云自动配准方法，其特征在于，包括：S1：利用三维点云数据的三个坐标值进行法线和曲率的计算；S2：统计任意一点在单位半径R下的邻域点云个数作为其点云密度；S3：计算点云曲率和点云密度的关系构建一种点云曲率密度特征的参数；S4：利用此参数提取出点云特征点来充分的表达原始点云的形状和轮廓；S5：对该特征点进行快速点特征直方图计算来综合描述特征点信息；S6：利用点特征直方图来查找对应点的方法实现点云的粗配准；S7：在粗配准点云的基础上进行点云精配准；S8：结束。2.根据专利要求1所述的一种基于曲率密度特征的激光点云自动配准方法，其特征在...

【专利技术属性】
技术研发人员：魏冠军，赵丰炯，吴志才，
申请(专利权)人：兰州交通大学，
类型：发明
国别省市：