基于线向量成对约束匹配的异尺度点云配准方法技术

本发明专利技术公开了基于线向量成对约束匹配的异尺度点云配准方法，涉及异尺度点云配准技术领域

【技术实现步骤摘要】
基于线向量成对约束匹配的异尺度点云配准方法


[0001]本专利技术涉及异尺度点云配准
，具体为基于线向量成对约束匹配的异尺度点云配准方法
。

技术介绍

[0002]近年来，三维点云配准是点云处理中一项基础且重要的步骤，点云配准又分为同尺度点云配准和异尺度点云配准
。
同尺度点云配准主要是对同一个设备下采集到的不同帧点云进行配准，而异尺度点云配准主要是对不同设备下采集到的不同帧点云进行配准
。
但异尺度点云配准备准过程中需要考虑不同帧点云之间的尺度差异，且因其广泛灵活的适应性，在三维重建，同时定位和映射
(Simultaneous localization and mapping,SLAM)
，室内测绘，古建筑保护等领域受到越来越多的关注
。
[0003]三维点云配准就是将不同视角下的点云转换到相同的参考坐标系下，从而合成一个三维全景图
。
然而，在实际应用的过程中，由于遮挡
、
光照和距离等因素的影响，不同视角下的点云之间的转换关系未知，因此，如何精确且快速地三维点云配准是一个很困难的问题
。
[0004]迭代最近点配准
(Iterative Closest Point,ICP)
是一个流行的点云配准方法，但由于
ICP
是基于每次转换的最近距离而建立对应关系的，这就导致其性能往往过于依赖两帧点云的初始位姿
。Sahillioglu
等人提出r/>Scale
‑
Adaptive ICP
算法，它通过自适应的选择点与点的对应关系而完成异尺度的点云配准，具有一定的鲁棒性
。Chen
等人使用马氏距离建立对应关系，它潜在地显著改善配准和校准，降低了一定的误差
。
但
ICP
变种往往都不能处理具有较差初始位姿的点云，如多视图立体视觉
(MVS)
重建的点云和雷达扫描得到的点云
。
而
MVS
可以提供丰富的光谱信息，激光雷达可以提供准确的几何信息，使用
MVS
和激光雷达结合可以重建出更加真实和准确的三维场景，以提高目标检测
、
分类
、
语义分割等方法的精度
。
[0005]随着
3D
描述符的发展，基于对应关系的点云配准方法由于不需要良好的初始位姿
、
更高的计算效率等优势受到越来越多的关注
。
基于对应关系的方法首先通过关键点检测方法得到关键点，然后对关键点进行特征描述，其次通过特征的相似度建立初始对应关系，最后通过鲁棒的估计算法估计位姿关系
。
其中关键点检测方法可以分为两类，即手工关键点检测和基于学习的关键点检测
。
手工关键点检测是通过分析点的结构特征得到，例如内部形状描述
(ISS)、MeshDoG
等；基于学习的关键点是通过数据训练得到，例如
KeypointNet
和无监督稳定兴趣点
(USIP)
等
。
[0006]关键点的特征描述也可分为手工特征描述和基于学习的特征描述
。
其中，常见的手工特征描述符有
FPFH
和
SHOT
，常见的基于学习的特征描述符有
FCGF、PointDsc
等
。
特征匹配主要是通过特征描述获取匹配分数，再通过匹配分数建立一对一的对应关系，如最邻近距离比策略
。
[0007]特征匹配后可得到初始对应关系，但由于激光雷达本身的噪声和
3D
关键点检测质
量等问题，初始对应关系的异常值率非常高，常常高达
95
％
。
在如此高的异常值率的情况下，常用的鲁棒估计算法，比如
RANSAC
以及其变体，往往需要大量的随机采样才能得到令人满意的效果，但这大大地降低了模型拟合的效率，因此如何提高模型拟合的效率变得极其重要
。
[0008]在同尺度点云配准中，为了提高模型拟合效率，
Parra
等人提出将匹配点的对应关系构成一个无向图，并通过有效的最大团算法获取成对一致的对应关系，并且其算法效率优于
RASNSAC。
在异尺度点云配准中，
Yang
等人提出了
TEASER++
算法，它将异尺度点云配准问题解耦为子问题，并且对每个子问题的估计都使用了一个截断最小二乘
(TLS)。
[0009]LI
等人提出
TGRS
算法，该算法通过构造线向量并结合单点
RANSAC
算法来估计尺度信息，并且不需要其他的先验信息就可以估计尺度信息，并且效率优于其他
RANSAC
变种，但由于使用最大化共识集
(MC)
的方式估计尺度信息，导致尺度精度略低
。
范怡萍等将尺度因子与旋转和平移参数作为共同待求解的变量，利用人工蜂群算法进行求解，但是当点云较大时，计算成本较大，运行速度慢
。Gentner
等人提出将尺度
、
旋转
、
平移均构建为一个无向图，通过图的最大团算法解决最大共识问题
。
彭澍等人通过提取两片异源点云中的平面，提出使用两个平面交线的最短距离估计尺度，但是当异源点云之间具有很少的平面时，算法难以估计，因此需要对以上问题提出一种新的解决方案
。

技术实现思路

[0010]本专利技术的目的在于提供基于线向量成对约束匹配的异尺度点云配准方法，以解决
技术介绍
中提出的技术问题
。
[0011]为实现上述目的，本专利技术提供如下技术方案：基于线向量成对约束匹配的异尺度点云配准方法，至少包括以下步骤：
[0012]S1
：输入的两个点云，提取特征点并对特征点构造特征描述符；
[0013]S2
：使用特征相似度并结合
kd
‑
tree
构造初始对应关系；
[0014]S3
：构造每个特征点以及对应特征点的线向量；
[0015]S4
：使用线向量计算尺度信息；
[0016]S5
：将线向量按照其构造特点进行分组；
[0017]S6
：将每个分组的线向量对应关系结合三角约束构建无向图，通过计算每个无向图中顶点的度数，筛选出符合要求的线向量；
[0018]S7
：每个分组的对应关系通过
IRLS
估计旋转平移，得到两个点云的变换关系；
[0019]S8
：将得到的变换关系应用于原始点云，完成配准
。
[0020]优本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于线向量成对约束匹配的异尺度点云配准方法，其特征在于：至少包括以下步骤：
S1
：输入的两个点云，提取特征点并对特征点构造特征描述符；
S2
：使用特征相似度并结合
kd
‑
tree
构造初始对应关系；
S3
：构造每个特征点以及对应特征点的线向量；
S4
：使用线向量计算尺度信息；
S5
：将线向量按照其构造特点进行分组；
S6
：将每个分组的线向量对应关系结合三角约束构建无向图，通过计算每个无向图中顶点的度数，筛选出符合要求的线向量；
S7
：每个分组的对应关系通过
IRLS
估计旋转平移，得到两个点云的变换关系；
S8
：将得到的变换关系应用于原始点云，完成配准
。2.
根据权利要求1所述的基于线向量成对约束匹配的异尺度点云配准方法，其特征在于：所述
S4
至少包括以下步骤：将两个对应点构造成一个线向量来以此估计尺度信息，再给定一对点对应关系
(xi
，
yi)
和
(xj
，
yj)
，构造一组线向量的对应
(xij
＝
xi
‑
xj
，
yij
＝
yi
‑
yj)
；线向量对平移是不受影响的，受到尺度
s
和旋转
R
的影响，因此有：
yijsR(xi
‑
xj)+(ni
‑
nj)
＝
sRxij+nij
其中
nij
＝
ni
‑
nj
为向量噪声，
TGRS
将
yij
＝
sR(xi
‑
xj)+(ni
‑
nj)
＝
sRxij+nij
解析为一个共识集
Is
问题，并通过最大化共识集的方式估计尺度因子，而最大化共识集
Is
问题，转换为一个截断最小二乘估计问题：其中，代表给定内点噪声上限值，
β
为噪声阈值，
SK
＝
||Yk||/||Xk||。3.
根据权利要求1所述的基于线向量成对约束匹配的异尺度点云配准方法，其特征在于：所述
S5
至少包括以下步骤：将每个线向量按公共端点分为
...

【专利技术属性】
技术研发人员：何颖，姚朋，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：