一种点云配准变换矩阵的求解方法技术

本发明专利技术公开了一种点云配准变换矩阵的求解方法，涉及计算机算法领域，包括步骤1：将源点云变换到目标点云相同的坐标系下；并定义目标函数；设置改进教学优化算法的参数；运行改进教学优化算法，搜寻点云配准所需的变换矩阵中的未知参数，通过最小化目标函数得到模型中一组未知参数的最优变量参数值；将最优变量参数值代入点云中，获得变换后的点云位姿，使其与目标点云尽可能地重合。本发明专利技术算法优化性能稳定，适合解决高维函数的优化问题，在点云配准中具有较高的鲁棒性，具有较好的应用价值。具有较好的应用价值。具有较好的应用价值。

【技术实现步骤摘要】
一种点云配准变换矩阵的求解方法


[0001]本专利技术涉及计算机算法领域，更具体地说，涉及一种点云配准变换矩阵的求解方法。

技术介绍

[0002]分为两部分介绍
技术介绍
，分别为ICP及其变体和教学优化法。
[0003]其中ICP及其变体介绍如下：标准ICP算法，即点对点—迭代最近点(point to point iterative closest point，P2P
‑
ICP)算法的数学模型基于给定的源点云和一个与之对应的目标点云其中m和n分别为源点云和目标点云的点的个数。
[0004]首先，要得到点间对应关系，例如P中的点p
i
对应的Q中最近的点为需要给出迭代式，即第一式：
[0005][0006]式中，T为变换矩阵，迭代起始的T＝I。最佳变换矩阵：的表达式为第二式：
[0007][0008]第二式求出的T
*
可以再代入第一式，通过第一式和第二式迭代寻找最近点，并通过最小化点间欧氏距离平方和估计变换矩阵，当达到要求的误差或超过设置的迭代最高次数则终止迭代，通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种点云配准变换矩阵的求解方法，其特征在于，包括如下步骤：步骤1：将源点云P(p1,p2,...,p
n
)变换到目标点云P'(p1',p1',...,p'
n
)相同的坐标系下；并定义目标函数为：其中，R,t指代旋转矩阵和平移矩阵，N
p
代表点云点的数量，代表目标点云的一个点，代表源点云的一个点；步骤2：设置改进教学优化算法的参数；步骤3：运行改进教学优化算法，搜寻点云配准所需的变换矩阵中的未知参数R,t，通过最小化目标函数得到模型中一组未知参数R,t的最优变量参数值；步骤4：将最优变量参数值代入点云中，获得变换后的点云位姿，使其与目标点云尽可能地重合。2.根据权利要求1所述点云配准变换矩阵的求解方法，其特征在于，其中，步骤2所设置的参数为：班级数量C＝5，最大进化代数G＝25、每个班级的学生数量P＝20、决策变量即优化变量个数L＝6及算法终止准则。3.根据权利要求2所述点云配准变换矩阵的求解方法，其特征在于，步骤3具体包括：步骤31：初始化每个班级X
q
，q取1到班级数量C；初始化班级的步骤：初始化学生班级X
q
＝(x1,x2,...,x
n
)，其中n是学生人数；课堂上的学生x
i
被定义为{x,y,z,α,β,γ}，x，y，z代表位置坐标，α、β和γ代表姿态角，每个决策参数的上限和下限为和总迭代次数为T，xbest是最优解；学生随机生成，如等式所示:其中和分别为第j维决策变量的上下界，rand为[0,1]间的随机数；步骤32：将课堂上的每一个学生作为点云配准中的一组参数，代入点云转换矩阵公式中，求出转换矩阵，并计算这组参数所对应的目标函数值；然后计算出所有学生的目标函数值，求出平均目标函数值Mean和学生中的最优值Teacher；步骤33：在教学阶段，模拟学生通过学习教师与班级平均水平的差异来提高自身水平，并自适应地改变教学因子来提高学习效率；对于班级q中的第i个学习者，更新机制表示如下：下：是学生的新取值，Teacher是当前所有学生的最优值，Mean是当前所有学生的平均值，TF为教学因子，教学因子随机取0或1；如果新解超过了上下限和则重新计算新解，直到取出不越界的新解；步骤34：根据教阶段求出的新解求出旋转矩阵和平移矩阵，并计算这组参数所对应的目标函数值，然后与旧解的目标函数值作对比，如果新解的目标函数值更小，则保留新解；如果旧解的目标函数值更小，则保留旧解；
步骤35：在学习阶段模拟学生之间相互讨论、展示和交流的方式进行学习，以...

【专利技术属性】
技术研发人员：贺海东，奚子杰，薛人峰，刘昕益，梁浩然，孙立宁，
申请(专利权)人：苏州大学，
类型：发明
国别省市：