一种基于深度学习的稀疏点云配准模型及配准方法技术

本申请实施例公开了一种基于深度学习的稀疏点云配准模型及配准方法，其中基于深度学习的稀疏点云配准模型包括：刚性变换模块，用于利用初始化的配准矩阵对获取的若干术前配准点进行刚性变换；特征提取模块，用于提取经过刚性变换后的若干所述术前配准点之间的相互关系，得到第一混合特征，以及用于提取获取的若干术中配准点之间的相关关系，得到第二混合特征；参数预测模块，所述参数预测模块的输入端与所述特征提取模块的输出端连接，用于分别对输入的所述第一混合特征和第二混合特征进行特征融合，以及基于特征融合后的所述第一混合特征和第二混合特征，进行变换矩阵的计算，得到目标配准矩阵。得到目标配准矩阵。得到目标配准矩阵。

【技术实现步骤摘要】
一种基于深度学习的稀疏点云配准模型及配准方法


[0001]本申请涉及点云数据配准
，具体涉及一种基于深度学习的稀疏点云配准模型及配准方法。

技术介绍

[0002]由于应用机器人进行髋关节等手术的普及，对髋关节等部位的术前与术中的配准精度的要求越来越高。但是，由于病变的多样性，如骨折、股骨头坏死、关节炎等，造成配准的误差存在较大的不确定性。同时，因为髋关节等部位的配准过程中配准点的个数较少(即稀疏点云)，因此配准难度较传统的点云配准更高。因此，需要一种基于术前和术中稀疏点云的高精度配准方案。

技术实现思路

[0003]本申请实施例的目的在于提供一种基于深度学习的稀疏点云配准模型及配准方法，用以解决现有技术中缺少基于术前和术中稀疏点云的高精度配准方案的问题。
[0004]为实现上述目的，本申请实施例提供一种基于深度学习的稀疏点云配准模型，包括：刚性变换模块，用于利用初始化的配准矩阵对获取的若干术前配准点进行刚性变换；
[0005]特征提取模块，用于提取经过刚性变换后的若干所述术前配准点之间的相互关系，得到第一混本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的稀疏点云配准模型，其特征在于，包括：刚性变换模块，用于利用初始化的配准矩阵对获取的若干术前配准点进行刚性变换；特征提取模块，用于提取经过刚性变换后的若干所述术前配准点之间的相互关系，得到第一混合特征，以及用于提取获取的若干术中配准点之间的相关关系，得到第二混合特征；参数预测模块，所述参数预测模块的输入端与所述特征提取模块的输出端连接，用于分别对输入的所述第一混合特征和第二混合特征进行特征融合，以及基于特征融合后的所述第一混合特征和第二混合特征，进行变换矩阵的计算，得到目标配准矩阵。2.根据权利要求1所述的基于深度学习的稀疏点云配准模型，其特征在于，所述特征提取模块包括：共享多层感知机单元，用于基于输入的经过刚性变换后的若干所述术前配准点或者若干所述术中配准点中当前的某个配准点、该配准点与所在点云中其他各个配准点之间的平移值和该配准点与所在点云中其他各个配准点之间的角度，进行特征转换和特征提取操作。3.根据权利要求2所述的基于深度学习的稀疏点云配准模型，其特征在于，所述特征提取模块还包括：池化层单元，所述池化层单元的输入端与所述共享多层感知机单元的输出端连接，用于对所述共享多层感知机单元输出的特征进行平均与最大池化操作，得到整体池化特征。4.根据权利要求3所述的基于深度学习的稀疏点云配准模型，其特征在于，所述特征提取模块还包括：多层感知机单元，所述多层感知机单元的输入端与所述池化层单元的输出端连接，用于对所述池化层单元输出的所述整体池化特征进行特征融合。5.根据权利要求4所述的基于深度学习的稀疏点云配准模型，其特征在于，所述特征提取模块还包括：归一化单元，用于对所述多层感知机单元输出的特征进行归一化操作，得到所述第一混合特征或者所述第二混合特征。6.根据权利要求1所述的基于深度学习的稀疏点云配准模型，其特征在于，所述参数预测模块...

【专利技术属性】
技术研发人员：张逸凌，刘星宇，
申请(专利权)人：张逸凌，
类型：发明
国别省市：