【技术实现步骤摘要】
本专利技术涉及人工智能，特别是涉及一种基于正则最优传输模型的点云匹配方法、系统及电子设备。
技术介绍
1、点云匹配作为点云配准的重要前提，广泛出现在机器学习、人工智能等科学和工程领域。点云匹配算法用于估计两个点集(模板点集和目标点集)之间的对应匹配关系，得到点之间的对应关系后，根据预定义的变换模型计算两个点集之间的空间变换关系进而进行点云配准。
2、然而，由于点集获取过程中经常受到一些干扰的攻击，包括刚性或非刚性变形、位置噪声和异常点，导致点云匹配问题具有较大挑战性。为了解决点匹配问题，已经提出了许多方法，如基于学习的方法和基于优化的方法，其中基于抽样的随机样本一致性(ransac)，迭代最近点(icp)和基于模型拟合的鲁棒点匹配(rpm)方法被广泛使用。
3、然而，这些方法的主要缺陷是在大规模旋转、拉伸变形噪声或异常点存在等复杂情况下点云匹配缺乏灵活性。因此，如何提高在复杂环境下匹配过程的有效性和准确性，是一个亟需解决的问题。
技术实现思路
1、本专利技术的目的是提供一种基于正则最优传输模型的点云匹配方法、系统及电子设备，提高了点云匹配的准确性。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种基于正则最优传输模型的点云匹配方法，包括：
4、获取模板点云和目标点云；所述模板点云和所述目标点云为待匹配的两个点云；
5、判断所述模板点云和所述目标点云是否存在外点，得到判断结果；
6、根据所述判
7、当最优传输模型为不带松弛正则项的多变量最优传输模型时，利用交替迭代算法对所述最优传输模型进行求解，得到最优匹配关系矩阵；
8、基于所述最优匹配关系矩阵对所述模板点云和所述目标点云进行匹配。
9、可选地，判断所述模板点云和所述目标点云是否存在外点，得到判断结果，包括：
10、当所述模板点云和所述目标点云中点的数量相等时，所述判断结果为否；
11、当所述模板点云和所述目标点云中点的数量不等时，所述判断结果为是。
12、可选地，不带松弛正则项的多变量最优传输模型，包括：
13、
14、其中，r为模板点云x和目标点云y之间的形变矩阵；s为模板点云x和目标点云y之间的拉伸矩阵；γ为模板点云x和目标点云y之间的匹配关系矩阵；γij为模板点云x中的第i个点和目标点云y中的第j个点之间的匹配程度值；xi为模板点云x中的第i个点；yj为目标点云y中的第j个点；o(d)为模板点云x和目标点云y之间的形变矩阵的集合；λ(d)为模板点云x和目标点云y之间的拉伸矩阵的集合；d为模板点云x中各点和目标点云y中各点的维度；π为模板点云x和目标点云y之间的匹配关系矩阵的集合；为实数空间；1为全1矩阵；μ为模板点云x的概率分布；ν为目标点云y的概率分布；γt为模板点云x和目标点云y之间的匹配关系矩阵的转置；[m]为模板点云x中点的序号的集合，[m]＝{1,2,…,m}，m为模板点云x中点的总数；[n]为目标点云y中点的序号的集合，[n]＝{1,2,…,n}，n为目标点云y中点的总数。
15、可选地，当最优传输模型为不带松弛正则项的多变量最优传输模型时，利用交替迭代算法对所述最优传输模型进行求解，得到最优匹配关系矩阵，包括：
16、初始化拉伸矩阵和匹配关系矩阵，得到初始化的拉伸矩阵和初始化的匹配关系矩阵；
17、基于初始化的拉伸矩阵和初始化的匹配关系矩阵，利用交替迭代算法，对形变矩阵、拉伸矩阵和匹配关系矩阵进行迭代更新，得到所述最优匹配关系矩阵；其中，第k次迭代的过程，k>1，包括：
18、根据第k-1次迭代的拉伸矩阵和第k-1次迭代的匹配关系矩阵，确定第k次迭代的形变矩阵；
19、根据第k-1次迭代的匹配关系矩阵和第k次迭代的形变矩阵，确定第k次迭代的拉伸矩阵；
20、根据第k次迭代的形变矩阵和第k次迭代的拉伸矩阵，确定第k次迭代的匹配关系矩阵；
21、判断是否满足迭代停止条件；所述迭代停止条件为达到最大迭代次数或满足优化目标；
22、若是，则将第k次迭代的匹配关系矩阵确定为所述最优匹配关系矩阵；
23、若否，则将第k-1次迭代的拉伸矩阵更新为第k次迭代的拉伸矩阵，将第k-1次迭代的匹配关系矩阵更新为第k次迭代的匹配关系矩阵，并返回“根据第k-1次迭代的拉伸矩阵和第k-1次迭代的匹配关系矩阵，确定第k次迭代的形变矩阵”。
24、可选地，带有松弛正则项的多变量最优传输模型，包括：
25、
26、其中，r为模板点云x和目标点云y之间的形变矩阵；s为模板点云x和目标点云y之间的拉伸矩阵；γ为模板点云x和目标点云y之间的匹配关系矩阵；γij为模板点云x中的第i个点和目标点云y中的第j个点之间的匹配程度值；xi为模板点云x中的第i个点；yj为目标点云y中的第j个点；α和β均为正则化参数；φ(·)为松弛项；ψ(·)为正则项；o(d)为模板点云x和目标点云y之间的形变矩阵的集合；λ(d)为模板点云x和目标点云y之间的拉伸矩阵的集合；d为模板点云x中各点和目标点云y中各点的维度；π为模板点云x和目标点云y之间的匹配关系矩阵的集合；为实数空间；1为全1矩阵；μ为模板点云x的概率分布；ν为目标点云y的概率分布；γt为模板点云x和目标点云y之间的匹配关系矩阵的转置；[m]为模板点云x中点的序号的集合，[m]＝{1,2,…,m}，m为模板点云x中点的总数；[n]为目标点云y中点的序号的集合，[n]＝{1,2,…,n}，n为目标点云y中点的总数。
27、可选地，当最优传输模型为带有松弛正则项的多变量最优传输模型时，利用交替迭代算法对所述最优传输模型进行求解，得到最优匹配关系矩阵，包括：
28、初始化拉伸矩阵和匹配关系矩阵，得到初始化的拉伸矩阵和初始化的匹配关系矩阵；
29、基于初始化的拉伸矩阵和初始化的匹配关系矩阵，利用交替迭代算法，对形变矩阵、拉伸矩阵和匹配关系矩阵进行迭代更新，得到所述最优匹配关系矩阵；其中，第k次迭代的过程，k>1，包括：
30、根据第k-1次迭代的拉伸矩阵和第k-1次迭代的匹配关系矩阵，确定第k次迭代的形变矩阵；
31、根据第k-1次迭代的匹配关系矩阵和第k次迭代的形变矩阵，确定第k次迭代的拉伸矩阵；
32、根据第k次迭代的形变矩阵和第k次迭代的拉伸矩阵，确定第k次迭代的匹配关系矩阵；
33、判断是否满足迭代停止条件；所述迭代停止条件为达到最大迭代次数或满足优化目标；
34、若是，则将第k次迭代的匹配关系矩阵确定为所述最优匹配关系矩阵；
35本文档来自技高网...
【技术保护点】
1.一种基于正则最优传输模型的点云匹配方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于正则最优传输模型的点云匹配方法，其特征在于，判断所述模板点云和所述目标点云是否存在外点，得到判断结果，包括：
3.根据权利要求1所述的基于正则最优传输模型的点云匹配方法，其特征在于，不带松弛正则项的多变量最优传输模型，包括：
4.根据权利要求3所述的基于正则最优传输模型的点云匹配方法，其特征在于，当最优传输模型为不带松弛正则项的多变量最优传输模型时，利用交替迭代算法对所述最优传输模型进行求解，得到最优匹配关系矩阵，包括：
5.根据权利要求1所述的基于正则最优传输模型的点云匹配方法，其特征在于，带有松弛正则项的多变量最优传输模型，包括：
6.根据权利要求5所述的基于正则最优传输模型的点云匹配方法，其特征在于，当最优传输模型为带有松弛正则项的多变量最优传输模型时，利用交替迭代算法对所述最优传输模型进行求解，得到最优匹配关系矩阵，包括：
7.一种基于正则最优传输模型的点云匹配系统，其特征在于，所述系统包括：
<...【技术特征摘要】
1.一种基于正则最优传输模型的点云匹配方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于正则最优传输模型的点云匹配方法，其特征在于，判断所述模板点云和所述目标点云是否存在外点，得到判断结果，包括：
3.根据权利要求1所述的基于正则最优传输模型的点云匹配方法，其特征在于，不带松弛正则项的多变量最优传输模型，包括：
4.根据权利要求3所述的基于正则最优传输模型的点云匹配方法，其特征在于，当最优传输模型为不带松弛正则项的多变量最优传输模型时，利用交替迭代算法对所述最优传输模型进行求解，得到最优匹配关系矩阵，包括：
5.根据权利要求1所述的基于正则最优传输模型的点云匹配方法，其特征...
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。