【技术实现步骤摘要】
一种基于全局特征与局部特征融合的点云配准方法
[0001]本专利技术属于点云配准
，具体涉及一种基于全局特征与局部特征融合的点云配准方法。
技术介绍
[0002]点云配准作为三维数据处理中非常关键的环节，已经被广泛应用于三维重建、三维分类、三维分割和自动驾驶等领域。点云配准技术是指将不同时刻、不同视角或者不同传感器获取的同一场景的两个或者多个点云进行空间坐标变换以对准的过程。
[0003]传统的点云配准方法可以分为基于概率密度的配准方法和基于ICP(IterativeClosest Point，迭代最近点)的配准方法。基于概率密度的配准方法将两个点云的匹配关系用概率模型进行表示，从而将两个点云之间变换关系的求解转化为概率模型的参数求解，其中，CPD(Coherent Point Drift，相干点漂移法)是最具有代表性的算法， CPD通过采用高斯混合模型拟合点云间的匹配关系，使用期望最大化算法寻找出参数最大似然估计，从而获得点云间的变换参数。基于ICP的配准方法以迭代最近点为基础，在两个待配准点云数据中按照一定...
【技术保护点】
【技术特征摘要】
1.一种基于全局特征与局部特征融合的点云配准方法，其特征在于，包括：S1：获取基准点云和待配准点云；S2：分别提取所述基准点云与所述待配准点云的点云特征，构成初始基准点云特征集和初始待配准点云特征集；S3：基于所述初始基准点云特征集和所述初始待配准点云特征集，通过引入自注意力机制与交叉注意力机制，同时引入所述基准点云与所述待配准点云之间的相关性信息，构成最终基准点云特征集和最终待配准点云特征集；S4：对所述最终基准点云特征集和所述最终待配准点云特征集进行相似度计算，获得每一个点对之间的相似度信息；S5：根据每一个点对之间的相似度信息构建匹配点对关系矩阵；S6：根据所述匹配点对关系矩阵获取所述基准点云和所述待配准点云的变换模型参数；S7：根据所获得变换模型参数对所述基准点云和所述待配准点云进行配准。2.根据权利要求1所述的基于全局特征与局部特征融合的点云配准方法，其特征在于，所述S2包括：S2.1：利用多层感知机分别对所述基准点云和所述待配准点云进行编码，在不同层级间通过跳跃连接为最终特征引入多维度特征信息，以分别得到所述基准点云和所述待配准点云对不同维度数据信息感知的全局特征；S2.2：对所述基准点云和所述待配准点云通过使用k最近邻算法构建点云内部的局部结构，分别获得所述基准点云和所述待配准点云的局部特征；S2.3：采用自适应融合策略对获得的点云全局特征与点云局部特征进行融合，分别获得融合后的初始基准点云特征集和初始待配准点云特征集。3.根据权利要求2所述的基于全局特征与局部特征融合的点云配准方法，其特征在于，所述S2.2包括：S2.21：对所述基准点云和所述待配准点云通过使用k最近邻算法构建点云内部的局部结构，获得边信息，所述边信息表示为：其中，表示所述基准点云或所述待配准点云中心点x
i
与第k个点所构成的边，表示所述基准点云或所述待配准点云中心点x
i
经由K最近邻算法所找到的第k个点；S2.22：通过对所述基准点云或所述待配准点云的边信息分别进行卷积网络提取，获得所述基准点云和所述待配准点云的局部特征。4.根据权利要求2所述的基于全局特征与局部特征融合的点云配准方法，其特征在于，在步骤S2.3中，融合后的初始基准点云特征集或初始待配准点云特征集表示为：F
mix
＝α1F
global
+α2F
local
其中，F
mix
为基准点云或待配准点云的融合特征，F
global
为基准点云或待配准点云的全局特征，F
local
为基准点云或待配准点云的局部特征，α
i
为归一化权重，∑α
i
＝1，w
i
和w
j
表示初始化权重参数。5.根据权利要求1所述的基于全局特征与局部特征融合的点云配准方法，其特征在于，所述S3包...
【专利技术属性】
技术研发人员：武越，朱晨卓，马文萍，苗启广，公茂果，谢飞，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
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。