基于KMPE的图像和点云配准方法及设备技术

本申请公开了一种基于KMPE的图像和点云配准方法及设备，包括：获取待配准的目标图像和待配准的目标点云，进行特征点提取；基于提取到的特征点集建立对应坐标系之间的关系模型，并基于所述函数关系建立目标图像与目标点云的刚体配准优化模型；基于所述关系模型以及所述刚体配准优化模型，计算对应关系，以及计算目标图像与目标点云的刚体变换关系；在刚体变换后的偏差满足预设条件的情况下，输出所述目标图像和目标点云配准的最优刚体变换关系。本申请实施例提出了核均值p次幂损失函数的图像和点云刚体配准方法，充分利用KMPE损失函数对于测量噪声和外点的鲁棒特性，能够有效抑制测量噪声和外点对配准精度的影响。测量噪声和外点对配准精度的影响。测量噪声和外点对配准精度的影响。

【技术实现步骤摘要】
基于KMPE的图像和点云配准方法及设备


[0001]本申请涉及计算机
，尤其涉及一种基于KMPE的图像和点云配准方法及设备。

技术介绍

[0002]图像和三维点云配准的目的是获得图像和点云的刚体变换关系，从而将点云映射到图像中，其在计算机视觉、机器人、虚拟现实和增强现实中均有广泛的应用。
[0003]目前图像和点云配准的方法主要包括两大类：(1)传统方法。该类方法在图像和点云的特征空间中采用匹配算法估计图像和点云的刚体变换关系(Sattler T,Leibe B,Kobbelt L.Efficient&effective prioritized matching for large
‑
scale image
‑
based localization[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2017,39(9):1744
‑
1756.)。该类方法受图像和点云的刚体变换关系初值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于KMPE的图像和点云配准方法，其特征在于，包括：获取待配准的目标图像和待配准的目标点云；基于所述目标图像进行特征点提取，以及对所述目标点云进行特征点提取；基于提取到的目标点云的第一特征点集与提取到的所述目标图像的第二特征点集建立对应坐标系之间的关系模型，并基于所述函数关系建立目标图像与目标点云的刚体配准优化模型；基于所述关系模型以及所述刚体配准优化模型，计算所述第一特征点集与所述第二特征点集之间的对应关系，以及计算目标图像与目标点云的刚体变换关系；在刚体变换后第一特征点集与第二特征点集之间的偏差满足预设条件的情况下，输出所述目标图像和目标点云配准的最优刚体变换关系。2.如权利要求1所述的基于KMPE的图像和点云配准方法，其特征在于，基于提取到的目标点云的第一特征点集与提取到的所述目标图像的第二特征点集建立对应坐标系之间的关系模型，并基于所述函数关系建立目标图像与目标点云的刚体配准优化模型包括：确定第一特征点集中的特征点q，其在摄像机坐标系下的三维坐标满足：所述三维坐标在目标图像的图像坐标系下映射点的齐次坐标满足：基于所述齐次坐标确定第一特征点集中的特征点q与图像坐标系下映射点的关系模型，满足：利用KMPE损失函数建立目标图像与目标点云的刚体配准优化模型，满足：s.t.R
T
R＝I3,det(R)＝1其中，σ表示核参数，用于控制核窗口的大小，p表示幂参数，用于调整KMPE损失曲线的陡峭度，{q
j
,s
c(j)
}表示点云特征点与图像特征点的对应关系。3.如权利要求2所述的基于KMPE的图像和点云配准方法，其特征在于，基于所述关系模型以及所述刚体配准优化模型，计算所述第一特征点集与所述第二特征点集之间的对应关系，以及计算目标图像与目标点云的刚体变换关系包括：给定图像采集所用相机的内参数刚体变换后图像特征点集和点云特征点集间均方误差最小值ε
min
、刚体配准最大迭代次数k
max
、刚体变换的旋转矩阵初值R0和平移向量初值t0，令当前迭代次数k＝...

【专利技术属性】
技术研发人员：张修社，王丽华，张绍泽，李斌，汪霖，邢天璋，
申请(专利权)人：中国电子科技集团公司第二十研究所，
类型：发明
国别省市：