【技术实现步骤摘要】
本申请涉及三维点云处理，具体而言，涉及一种基于改进关键点的配准方法和装置。
技术介绍
1、三维点云配准是将不同视角或时间拍摄的点云数据对齐，使它们在同一坐标系下表示相同的场景或物体。这是计算机视觉、机器人学和地图构建等领域的关键任务之一。基于关键点的点云配准是一种通过识别两个或多个点云中的显著关键点，并通过匹配这些关键点来对点云进行对齐的方法。关键点也称为兴趣点，是通过定义检测标准来获取的具有稳定性、区别性的点集。从技术上来说，关键点的数量要比原始点云的数目少很多，与局部特征描述子结合在一起，组成关键点描述子常用来形成原始数据的紧凑表示，而且不失代表性与描述性，从而加快识别、追踪数据的处理速度。故而，关键点提取成了2d和3d信息处理中不可或缺的关键技术。
2、现有的基于关键点特征的点云配准方法中，通过深度相机实际获取的点云图中，由于相机的拍摄视角，可能拍摄得到除了所需点云之外的其他对象的点云，这些点云将对配准过程造成干扰。此外，现有配准方法中，在选取点云中用于配准的关键点时，关键点缺乏代表性，在配准所需时间和配准精度上均存在不足。
技术实现思路
1、本申请的目的包括，例如，提供了一种基于改进关键点的配准方法和装置，其能够排除其他对象的干扰点云簇且提取更具几何特征的关键点，进而提高配准速度和精度。
2、本申请的实施例可以这样实现：
3、第一方面，本申请提供一种基于改进关键点的配准方法，所述方法包括：
4、对获取的源点云中的多个三维点进行
5、针对所述目标点云簇中的每个三维点，基于所述三维点以及所述三维点的多个邻近点构建协方差矩阵，对所述协方差矩阵进行分解获得所述三维点的法向量；
6、根据所述目标点云簇中每个三维点的法向量，确定出所述目标点云簇中的关键点；
7、基于所述目标点云簇中的关键点以及目的点云中的关键点实现所述目标点云簇与所述目的点云的配准。
8、在可选的实施方式中，所述基于所述三维点以及所述三维点的多个邻近点构建协方差矩阵的步骤，包括：
9、确定所述三维点以及所述三维点的多个邻近点的质心点；
10、计算所述多个邻近点中距离所述三维点的最大距离，将所述最大距离作为高斯权重；
11、基于所述多个邻近点、质心点以及高斯权重构建得到协方差矩阵。
12、在可选的实施方式中，所述对所述协方差矩阵进行分解获得所述三维点的法向量的步骤，包括：
13、对所述协方差矩阵进行特征值分解，获得多个特征值以及各所述特征值对应的特征向量；
14、确定所述多个特征值中最小特征值对应的特征向量，将确定出的特征向量作为所述三维点的法向量。
15、在可选的实施方式中，所述基于所述目标点云簇中每个三维点的法向量，确定出所述目标点云簇中的关键点的步骤，包括：
16、针对所述目标点云簇中的每个三维点，确定所述三维点的多个邻近点；
17、计算各所述邻近点的法向量与所述三维点的法向量之间的夹角，将夹角大于预设夹角的邻近点确定为关键点。
18、在可选的实施方式中，所述基于所述三维点以及所述三维点的多个邻近点构建协方差矩阵的步骤之前，所述方法还包括：
19、采用初始参数并基于所述目标点云簇中的多个三维点构建三维网格，所述三维网格包括多个网格单元，各所述三维点位于所述多个网格单元中的其中一个网格单元；
20、针对各所述网格单元，基于所述网格单元中的三维点确定所述网格单元中的目标三维点，并将所述网格单元中除所述目标三维点之外的其他三维点滤除；
21、计算滤除处理之后所述目标点云簇的点云密度，若所述点云密度大于预设密度，则更新所述初始参数得到更新参数，基于所述更新参数和滤除处理之后的目标点云簇中的目标三维点构建三维网格后继续进行滤除处理，直至得到的点云密度小于或等于所述预设密度为止。
22、在可选的实施方式中，所述基于所述网格单元中的三维点确定所述网格单元中的目标三维点的步骤，包括：
23、基于所述网格单元中的三维点确定所述网格单元的质心点；
24、计算所述网格单元中各所述三维点与所述质心点的距离，将最小距离对应的三维点作为所述网格单元的目标三维点。
25、在可选的实施方式中，所述基于所述目标点云簇中的关键点以及所述目的点云中的关键点实现所述目标点云簇与所述目的点云的配准的步骤，包括：
26、获得所述目标点云簇中各个关键点的特征描述子以及所述目的点云中各个关键点的特征描述子；
27、基于所述目标点云簇中各所述关键点的特征描述子以及所述目的点云中各所述关键点的特征描述子对所述目标点云簇和所述目的点云中的关键点进行匹配，得到多个匹配点对；
28、根据所述多个匹配点对计算得到粗变换矩阵，基于所述粗变换矩阵对所述目标点云簇进行粗配准；
29、基于粗配准后的目标点云簇和目的点云，并利用最小二乘法计算精变换矩阵，基于所述精变换矩阵对所述粗配准后的目标点云簇进行精配准。
30、在可选的实施方式中，所述获得所述目标点云簇中各个关键点的特征描述子的步骤，包括：
31、针对所述目标点云簇中的各个关键点，基于所述关键点构建包围球体，所述包围球体被划分为多个立方体；
32、计算各所述立方体相对于所述关键点的权重；
33、根据多个立方体对应的多个权重，构建所述关键点的特征描述子。
34、在可选的实施方式中，所述计算各所述立方体相对于所述关键点的权重的步骤，包括：
35、针对各所述立方体，计算得到所述立方体的体积；
36、计算所述立方体所在的半径范围内所述关键点的邻近点的点数；
37、根据所述点数和所述体积计算得到局部点密度；
38、基于所述立方体的体积以及所述局部点密度，计算得到所述立方体相对于所述关键点的权重。
39、第二方面，本申请提供一种基于改进关键点的配准装置，所述装置包括：
40、聚类模块，用于对获取的源点云中的多个三维点进行聚类处理，以将所述多个三维点聚类为多个点云簇，并确定出所述多个点云簇中的目标点云簇；
41、构建模块，用于针对所述目标点云簇中的每个三维点，基于所述三维点以及所述三维点的多个邻近点构建协方差矩阵，对所述协方差矩阵进行分解获得所述三维点的法向量；
42、确定模块，用于根据所述目标点云簇中每个三维点的法向量，确定出所述目标点云簇中的关键点；
43、配准模块，用于基于所述目标点云簇中的关键点以及目的点云中的关键点实现所述目标点云簇与所述目的点云的配准。
44、本申请实施例的有益效果包括，例如：
45、本申请提供一种基于改进关键点的配准方法和装置，本文档来自技高网...
【技术保护点】
1.一种基于改进关键点的配准方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于改进关键点的配准方法，其特征在于，所述基于所述三维点以及所述三维点的多个邻近点构建协方差矩阵的步骤，包括：
3.根据权利要求1所述的基于改进关键点的配准方法，其特征在于，所述对所述协方差矩阵进行分解获得所述三维点的法向量的步骤，包括：
4.根据权利要求1所述的基于改进关键点的配准方法，其特征在于，所述基于所述目标点云簇中每个三维点的法向量，确定出所述目标点云簇中的关键点的步骤，包括：
5.根据权利要求1所述的基于改进关键点的配准方法，其特征在于，所述基于所述三维点以及所述三维点的多个邻近点构建协方差矩阵的步骤之前，所述方法还包括：
6.根据权利要求5所述的基于改进关键点的配准方法，其特征在于，所述基于所述网格单元中的三维点确定所述网格单元中的目标三维点的步骤，包括：
7.根据权利要求1所述的基于改进关键点的配准方法，其特征在于，所述基于所述目标点云簇中的关键点以及所述目的点云中的关键点实现所述目标点云簇与所述目的点云的配
8.根据权利要求7所述的基于改进关键点的配准方法，其特征在于，所述获得所述目标点云簇中各个关键点的特征描述子的步骤，包括：
9.根据权利要求8所述的基于改进关键点的配准方法，其特征在于，所述计算各所述立方体相对于所述关键点的权重的步骤，包括：
10.一种基于改进关键点的配准装置，其特征在于，所述装置包括：
...【技术特征摘要】
1.一种基于改进关键点的配准方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于改进关键点的配准方法，其特征在于，所述基于所述三维点以及所述三维点的多个邻近点构建协方差矩阵的步骤，包括：
3.根据权利要求1所述的基于改进关键点的配准方法，其特征在于，所述对所述协方差矩阵进行分解获得所述三维点的法向量的步骤，包括：
4.根据权利要求1所述的基于改进关键点的配准方法，其特征在于，所述基于所述目标点云簇中每个三维点的法向量，确定出所述目标点云簇中的关键点的步骤，包括：
5.根据权利要求1所述的基于改进关键点的配准方法，其特征在于，所述基于所述三维点以及所述三维点的多个邻近点构建协方差矩阵的步骤之前，所述方法还包括：
【专利技术属性】
技术研发人员：杜冬晖，郭胜男，宋昱，束健，于江磊，翟晓琴，
申请(专利权)人：法奥意威苏州机器人系统有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。