点云自动配准方法技术

本发明专利技术公开了一种点云自动配准方法，包括：步骤一、获取同一街道场景的两次三维点云数据，点云P1和点云P2；步骤二、预处理得点云S1和点云S2；步骤三、进行特征提取，得到特征描述子F1和特征描述子F2；步骤四、进行特征匹配，得到系列点对Q；步骤五、计算每一点对的尺寸、旋转、平移，得到相对变换矩阵T1；步骤六、采用T1将点云S2转换至点云S1坐标系下，对应得到点云St；步骤七、匹配点云S1和点云St，对应得到相对变换矩阵T2；步骤八、将T2和T1相乘得到相对变换矩阵Tf；步骤九、将点云P2通过Tf和点云P2对齐，配准完成。本发明专利技术可以解决多次扫描城市街道点云匹配精度不高及误匹配的技术问题。道点云匹配精度不高及误匹配的技术问题。道点云匹配精度不高及误匹配的技术问题。

【技术实现步骤摘要】
点云自动配准方法


[0001]本专利技术涉及街道级别点云三维视觉运用
更具体地说，本专利技术涉及一种点云自动配准方法。

技术介绍

[0002]点云在三维视觉技术中的运用愈发广泛，点云数据采集工具发展迅速，数据采集成本降低、效率提升，在建筑、地图、等领域得到广泛应用。点云配准的主要工作是对不同坐标系下的点云进行旋转、平移，最终整合成完整且处于同一坐标系下的点云。在传统的点云配准方法中，ICP是最具有代表性的方法。比如基于全局特征匹配的Go
‑
ICP方法，利用分支界限求解出最优的旋转平移矩阵，避免了在旋转角度过大时方法容易陷入局部极小值。比如快速全局配准方法使用PFH特征和交替优化技术来加速配准，提高了配准速度。这些ICP变体使用了不同提取特征方式，虽对奇异值的鲁棒性较好，但仍存在着初始化敏感、网络复杂度高等问题。尤其是在城市街道数字孪生中，存在多次扫描同一个场景的情况，多次扫描很难保证扫描数据完全一致，同时三维点云数据需要进行高精度的配准才能维护数据一致性。采用以往的匹配方法比如说ICP或NDT算法均难以对街道级别的两次的三维点云数据进行精准匹配。存在配准速度慢、易陷入局部最优解及配准精度低的问题。

技术实现思路

[0003]本专利技术的一个目的是解决至少上述问题，并提供至少后面将说明的优点。
[0004]为了实现根据本专利技术的这些目的和其它优点，提供了一种点云自动配准方法，包括以下步骤：
[0005]步骤一、获取同一街道场景的其中两次的三维点云数据，即原始点云P1和原始点云P2；
[0006]步骤二、分别对原始点云P1和原始点云P2进行预处理分别对应得到预处理点云S1和预处理点云S2；
[0007]步骤三、分别对预处理点云S1和预处理点云S2进行特征提取，分别对应得到特征描述子F1和特征描述子F2；
[0008]步骤四、对特征描述子F1和特征描述子F2进行特征匹配，得到系列点对Q；
[0009]步骤五、计算系列点对Q每一点对的尺寸、旋转、平移，得到相对变换矩阵T1；
[0010]步骤六、采用相对变换矩阵T1将预处理点云S2转换至预处理点云S1坐标系下，对应得到转换点云St；
[0011]步骤七、匹配预处理点云S1和转换点云St，对应得到相对变换矩阵T2；
[0012]步骤八、将相对变换矩阵T2和相对变换矩阵T1相乘得到相对变换矩阵Tf；
[0013]步骤九、将原始点云P2通过相对变换矩阵Tf和原始点云P2对齐，即配准完成。
[0014]优选的是，步骤二中预处理的方法具体为：分别对原始点云P1和原始点云P2进行去噪处理、平滑处理及体素滤波下采样处理，去噪处理用于剔除原始点云P1和原始点云P2
的噪声点，平滑处理用于去除空间和平面噪点，体素滤波下采样处理用于减少数据量和均匀两组点云分布。
[0015]优选的是，步骤三中特征提取的方法为FPFH特征提取。
[0016]优选的是，完成步骤四后，采用Teaser++对系列点对Q修剪离群值，对应得到子集最优匹配点对K；
[0017]步骤五中计算子集最优匹配点对K每一点对的尺寸、旋转、平移，得到所述相对变换矩阵T1。
[0018]优选的是，步骤七中采用点面ICP算法，以S1，St作为输入匹配获得所述相对变换矩阵T2。
[0019]提供一种电子设备，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行上述任一项所述的方法。
[0020]提供一种存储介质，其上存储有计算机程序，该程序被处理器执行时，实现上述任一项所述的方法。
[0021]本专利技术至少包括以下有益效果：本专利技术的点去自动配准方法可以有效精准的匹配街道级别的两次的三维点云数据，配准速度快，且可以避免陷入局部最优解的困境中，维护三维点云数据的一致性。
[0022]本专利技术的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本专利技术的研究和实践而为本领域的技术人员所理解。
附图说明
[0023]图1为本专利技术的其中一个视角的原始点云P1示意图；
[0024]图2为本专利技术的其中一个视角的原始点云P2示意图；
[0025]图3为本专利技术的其中一个视角的原始点云P1和原始点云P2的原始相对位姿关系图；
[0026]图4为本专利技术的其中一个视角的原始点云P1变换得到预处理点云S1的对照图；
[0027]图5为本专利技术的其中一个视角的原始点云P2变换得到预处理点云S2的对照图；
[0028]图6为本专利技术的其中一个视角的预处理点云S1和预处理点云S2特征提取后的状态图；
[0029]图7为本专利技术的其中一个视角的系列点对Q(q1，q2，q3，...qn)的状态图；
[0030]图8为本专利技术的其中一个视角的系列点对K(k1，k2，k3，...kn)的状态图；
[0031]图9为本专利技术的其中一个视角的配准完成图；
[0032]图10为本专利技术的其中另一个视角的配准完成图；
[0033]图11为本专利技术对比例的其中一个视角的配准完成图；
[0034]图12为本专利技术其中一种技术方案的配准流程图。
具体实施方式
[0035]下面结合附图对本专利技术做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
[0036]需要说明的是，下述实施方案中所述实验方法，如无特殊说明，均为常规方法，所述试剂和材料，如无特殊说明，均可从商业途径获得；在本专利技术的描述中，术语指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，并不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。
[0037]<实施例>
[0038]点云自动配准方法，包括以下步骤：
[0039]步骤一、通过TLS或者扫描背包或者手持扫描仪等Slam设备获得同一城市街道场景两次扫描点云P1，P2数据。即获取同一街道场景的其中两次的三维点云数据，得到原始点云P1和原始点云P2；虽然是同一场景扫描两次，且两次扫描开始点基本一致，但是两次的三维点云数据的相对关系仍然是不同的，不能直接融合两次地图信息。如图1(原始点云P1)和图2(原始点云P2)所示。
[0040]如果将原始点云P1和原始点云P2直接融合，将得到图3所示的地图信息，原始点云P1和原始点云P2的原始相对位姿关系，显然无法融合在一起。
[0041]步骤二、分别对原始点云P1和原始点云P2进行局部均匀去噪、平滑、体素滤波下采样处理。去除空间中的杂点，树叶等影响匹配精度的噪点，留下每个场景刚性结构的信息。获得新的两组预处理后的点云，即分别对应得到预处理点云S1和预处理点云S2。如图4所示出的部分原始点云本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.点云自动配准方法，其特征在于，包括以下步骤：步骤一、获取同一街道场景的其中两次的三维点云数据，即原始点云P1和原始点云P2；步骤二、分别对原始点云P1和原始点云P2进行预处理分别对应得到预处理点云S1和预处理点云S2；步骤三、分别对预处理点云S1和预处理点云S2进行特征提取，分别对应得到特征描述子F1和特征描述子F2；步骤四、对特征描述子F1和特征描述子F2进行特征匹配，得到系列点对Q；步骤五、计算系列点对Q每一点对的尺寸、旋转、平移，得到相对变换矩阵T1；步骤六、采用相对变换矩阵T1将预处理点云S2转换至预处理点云S1坐标系下，对应得到转换点云St；步骤七、匹配预处理点云S1和转换点云St，对应得到相对变换矩阵T2；步骤八、将相对变换矩阵T2和相对变换矩阵T1相乘得到相对变换矩阵Tf；步骤九、将原始点云P2通过相对变换矩阵Tf和原始点云P2对齐，即配准完成。2.如权利要求1所述的点云自动配准方法，其特征在于，步骤二中预处理的方法具体为：分别对原始点云P1和原始点云P2进行去噪处理、平滑处理及体素滤波下采样处理，去噪...

【专利技术属性】
技术研发人员：杨祎，郑文杰，张峰达，林颖，刘萌，崔其会，李龙龙，李勇，乔木，孙艺玮，李壮壮，吕俊涛，邢海文，师伟，万磊，李杰，朱庆东，
申请(专利权)人：国网山东省电力公司电力科学研究院，
类型：发明
国别省市：