一种3D图像点云匹配方法、系统、设备及介质技术方案

本发明专利技术公开一种3D图像点云匹配方法、系统、设备及介质，涉及数字图像处理领域，包括：获取室内真实场景的3D图像点云数据集，包括：待匹配的第一点云和第二点云；根据第一点云和第二点云，以最小化点云指派代价为目标函数，构建基于最优传输的点云匹配模型；点云指派代价由正交变换矩阵、拉伸变换矩阵和点云间指派矩阵确定；采用交替迭代求解算法，对点云匹配模型进行求解，得到最优解，包括：最优正交变换矩阵、最优拉伸变换矩阵和最优点云间指派矩阵；根据最优点云间指派矩阵，对第一点云和第二点云进行匹配，得到匹配后点云；匹配后点云用于重建室内真实场景的3D图像。本发明专利技术能够提高室内真实场景3D图像点云匹配的精确性和鲁棒性。棒性。棒性。

【技术实现步骤摘要】
一种3D图像点云匹配方法、系统、设备及介质


[0001]本专利技术涉及数字图像处理领域，特别是涉及一种3D图像点云匹配方法、系统、设备及介质。

技术介绍

[0002]在室内3D场景建模、室内机器人空间定位等实际问题中，3D图像点云匹配技术得到了广泛应用。尽管3D图像点云匹配方法的研究取得了显著进展，但大多数方法对3D图像点云特征具有较高的要求，如旋转不变、高输出维度等，否则难以取得良好的效果。然而，在室内3D场景建模等实际问题中，由于3D图像点云数据无序、不规则等特性，以及扫描过程中传感器自身的旋转、平移等变换，容易使图像点云产生密度(density)失真、噪音(noise)失真以及变换(transformation)失真等问题，难以满足3D图像点云特征旋转不变、高输出维度等具体要求，给室内3D场景图像点云匹配方法的精确性和鲁棒性带来了严重挑战。

技术实现思路

[0003]本专利技术的目的是提供一种3D图像点云匹配方法、系统、设备及介质，以提高室内真实场景3D图像点云匹配的精确性和鲁棒性。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种3D图像点云匹配方法，所述方法包括：
[0006]获取室内真实场景的3D图像点云数据集；所述3D图像点云数据集包括待匹配的第一点云和第二点云；所述第一点云与所述第二点云部分重叠；
[0007]根据所述第一点云和所述第二点云，以最小化点云指派代价为目标函数，构建基于最优传输的点云匹配模型；所述点云指派代价由正交变换矩阵、拉伸变换矩阵和点云间指派矩阵确定；
[0008]采用交替迭代求解算法，对所述点云匹配模型进行求解，得到最优解；所述最优解包括：最优正交变换矩阵、最优拉伸变换矩阵和最优点云间指派矩阵；
[0009]根据所述最优点云间指派矩阵，对所述第一点云和所述第二点云进行匹配，得到匹配后点云；所述匹配后点云用于重建所述室内真实场景的3D图像。
[0010]可选地，所述点云匹配模型的具体公式为：
[0011][0012][0013]B∈∧(3)＝{diag(λ1,λ2,λ3)|λ
q
∈[
‑
1,1]}
[0014][0015]其中：A为正交变换矩阵；B为拉伸变换矩阵；γ为点云间指派矩阵；γ
ij
为第一点云X中的第i个点X
i
与第二点云Y中的第j个点Y
j
的匹配程度，i＝1,
…
,n，n为第一点云X中点的
总数，j＝1,
…
,m，m为第二点云Y中点的总数；Ω(γ)为正则项，且ε为正则化系数，且ε＞0；O(3)为3阶正交矩阵的集合；∧(3)为3阶对角矩阵的集合；Π为点云间指派矩阵的集合；I为分量全为1的列向量；为3
×
3的实矩阵的集合；为n
×
m的正实矩阵的集合；μ为第一点云X的概率分布；ν为第二点云Y的概率分布；λ
q
为对角矩阵中第q行第q列元素的值，且q＝1,2,3。
[0016]可选地，所述采用交替迭代求解算法，对所述点云匹配模型进行求解，得到最优解，具体包括：
[0017]根据拉伸变换矩阵第k
‑
1次迭代的迭代解和点云间指派矩阵第k
‑
1次迭代的迭代解确定正交变换矩阵第k次迭代的迭代解；其中，k为从1开始的整数；当k＝1时，拉伸变换矩阵第k
‑
1次迭代的迭代解为初始拉伸变换矩阵，点云间指派矩阵第k
‑
1次迭代的迭代解为初始点云间指派矩阵；
[0018]对正交变换矩阵第k次迭代的迭代解进行变形和奇异值分解，得到正交变换矩阵第k次迭代的显示解；
[0019]根据正交变换矩阵第k次迭代的显示解和点云间指派矩阵第k
‑
1次迭代的迭代解确定拉伸变换矩阵第k次迭代的迭代解；
[0020]对拉伸变换矩阵第k次迭代的迭代解进行变形，得到拉伸变换矩阵第k次迭代的显示解；
[0021]采用Sinkhorn
‑
knopp算法，根据正交变换矩阵第k次迭代的显示解和拉伸变换矩阵第k次迭代的显示解，确定点云间指派矩阵第k次迭代的迭代解；
[0022]判断k是否达到设定迭代次数，得到判断结果；
[0023]若所述判断结果为否，则更新k的值，并返回“根据拉伸变换矩阵第k
‑
1次迭代的迭代解确定正交变换矩阵第k次迭代的迭代解”的步骤；
[0024]若所述判断结果为是，则将点云间指派矩阵第k次迭代的迭代解确定为最优点云间指派矩阵，将正交变换矩阵第k次迭代的显示解确定为最优正交变换矩阵，将拉伸变换矩阵第k次迭代的显示解确定为最优拉伸变换矩阵。
[0025]可选地，所述根据拉伸变换矩阵第k
‑
1次迭代的迭代解和点云间指派矩阵第k
‑
1次迭代的迭代解确定正交变换矩阵第k次迭代的迭代解，具体公式为：
[0026][0027]其中：A为正交变换矩阵，A
k
为正交变换矩阵A第k次迭代的迭代解；O(3)为3阶正交矩阵的集合；为第一点云X中的第i个点X
i
与第二点云Y中的第j个点Y
j
的匹配程度γ
ij
的第k
‑
1次迭代的迭代解；X
i
为第一点云X中的第i个点，i＝1,
…
,n，n为第一点云X中点的总数；Y
j
为第二点云Y中的第j个点，j＝1,
…
,m，m为第二点云Y中点的总数；B
k
‑1为拉伸变换矩阵第k
‑
1次迭代的迭代解。
[0028]可选地，所述根据正交变换矩阵第k次迭代的显示解和点云间指派矩阵第k
‑
1次迭代的迭代解确定拉伸变换矩阵第k次迭代的迭代解，具体公式为：
[0029][0030]其中：B为拉伸变换矩阵，B
k
为拉伸变换矩阵B第k次迭代的迭代解；∧(3)为3阶对角矩阵的集合；为第一点云X中的第i个点X
i
与第二点云Y中的第j个点Y
j
的匹配程度γ
ij
的第k
‑
1次迭代的迭代解；X
i
为第一点云X中的第i个点，i＝1,
…
,n，n为第一点云X中点的总数；Y
j
为第二点云Y中的第j个点，j＝1,
…
,m，m为第二点云Y中点的总数；A
k'
为正交变换矩阵第k次迭代的显示解。
[0031]可选地，所述采用Sinkhorn
‑
knopp算法，根据正交变换矩阵第k次迭代的显示解和拉伸变换矩阵第k次迭代的显示解，确定点云间指派矩阵第k次迭代的迭代解，具体公式为：
[0032][0033]其中：γ本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种3D图像点云匹配方法，其特征在于，所述方法包括：获取室内真实场景的3D图像点云数据集；所述3D图像点云数据集包括待匹配的第一点云和第二点云；所述第一点云与所述第二点云部分重叠；根据所述第一点云和所述第二点云，以最小化点云指派代价为目标函数，构建基于最优传输的点云匹配模型；所述点云指派代价由正交变换矩阵、拉伸变换矩阵和点云间指派矩阵确定；采用交替迭代求解算法，对所述点云匹配模型进行求解，得到最优解；所述最优解包括：最优正交变换矩阵、最优拉伸变换矩阵和最优点云间指派矩阵；根据所述最优点云间指派矩阵，对所述第一点云和所述第二点云进行匹配，得到匹配后点云；所述匹配后点云用于重建所述室内真实场景的3D图像。2.根据权利要求1所述的3D图像点云匹配方法，其特征在于，所述点云匹配模型的具体公式为：公式为：B∈∧(3)＝{diag(λ1,λ2,λ3)|λ
q
∈[
‑
1,1]}其中：A为正交变换矩阵；B为拉伸变换矩阵；γ为点云间指派矩阵；γ
ij
为第一点云X中的第i个点X
i
与第二点云Y中的第j个点Y
j
的匹配程度，i＝1,
…
,n，n为第一点云X中点的总数，j＝1,
…
,m，m为第二点云Y中点的总数；Ω(γ)为正则项，且ε为正则化系数，且ε＞0；O(3)为3阶正交矩阵的集合；∧(3)为3阶对角矩阵的集合；Π为点云间指派矩阵的集合；I为分量全为1的列向量；为3
×
3的实矩阵的集合；为n
×
m的正实矩阵的集合；μ为第一点云X的概率分布；ν为第二点云Y的概率分布；λ
q
为对角矩阵中第q行第q列元素的值，且q＝1,2,3。3.根据权利要求1所述的3D图像点云匹配方法，其特征在于，所述采用交替迭代求解算法，对所述点云匹配模型进行求解，得到最优解，具体包括：根据拉伸变换矩阵第k
‑
1次迭代的迭代解和点云间指派矩阵第k
‑
1次迭代的迭代解确定正交变换矩阵第k次迭代的迭代解；其中，k为从1开始的整数；当k＝1时，拉伸变换矩阵第k
‑
1次迭代的迭代解为初始拉伸变换矩阵，点云间指派矩阵第k
‑
1次迭代的迭代解为初始点云间指派矩阵；对正交变换矩阵第k次迭代的迭代解进行变形和奇异值分解，得到正交变换矩阵第k次迭代的显示解；根据正交变换矩阵第k次迭代的显示解和点云间指派矩阵第k
‑
1次迭代的迭代解确定拉伸变换矩阵第k次迭代的迭代解；对拉伸变换矩阵第k次迭代的迭代解进行变形，得到拉伸变换矩阵第k次迭代的显示解；
采用Sinkhorn
‑
knopp算法，根据正交变换矩阵第k次迭代的显示解和拉伸变换矩阵第k次迭代的显示解，确定点云间指派矩阵第k次迭代的迭代解；判断k是否达到设定迭代次数，得到判断结果；若所述判断结果为否，则更新k的值，并返回“根据拉伸变换矩阵第k
‑
1次迭代的迭代解确定正交变换矩阵第k次迭代的迭代解”的步骤；若所述判断结果为是，则将点云间指派矩阵第k次迭代的迭代解确定为最优点云间指派矩阵，将正交变换矩阵第k次迭代的显示解确定为最优正交变换矩阵，将拉伸变换矩阵第k次迭代的显示解确定为最优拉伸变换矩阵。4.根据权利要求3所述的3D图像点云匹配方法，其特征在于，所述根据拉伸变换矩阵第k
‑
1次迭代的迭代解和点云间指派矩阵第k
‑
1次迭代的迭代解确定正交变换矩阵第k次迭代的迭代解，具体公式为：其中：A为正交变换矩阵，A
k
为正交变换矩阵A第k次迭代的迭代解；O(3)为正交矩阵的集合；为第一点云X中的第i个点X
i
与第二点云Y中的第j个点Y
j
的匹配程度γ
ij
的第k
‑
1次迭代的迭代解；X
i
为第一点云X中的第i个点，i＝1,
…
,n，n为第一点云X中点的总数；Y
j
为第二点云Y中的第j个点，j＝1,
…
,m，m为第二点云Y中点的总数；B
k
‑1为拉伸变换矩阵第k
‑
1次迭...

【专利技术属性】
技术研发人员：马丽涛，陈继强，
申请(专利权)人：河北工程大学，
类型：发明
国别省市：