【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 ...
【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...
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。