基于内外点分类的局部到全局的点云配准方法及系统技术方案

本发明专利技术属于计算机图形图像处理技术领域，公开了一种基于内外点分类的局部到全局的点云配准方法。本发明专利技术通过深度学习的内外点分类的点云配准网络框架，能够有效处理局部到全局点云配准中的噪声、异常值和低重叠率等挑战；利用本发明专利技术在特征提取之前引入的局部坐标系，并以简单有效的方式消除局部坐标系的符号模糊性。可以通过局部参考系对齐源点云和目标点云中关键点的局部区域，提高了模型的精度；利用本发明专利技术引入的相似性矩阵增强模块，使用外部存储单元来存储源点云和目标点云之间的相似性关系。在训练过程中，通过梯度计算和反向传播来纠正初始的错误对应关系，实现低重叠率情况下的点云配准。经过本发明专利技术的实验，与现有的方法相比，定性和定量实验结果验证了该方法的优越性和可行性。

【技术实现步骤摘要】

本专利技术属于计算机图形图像处理，尤其涉及一种基于内外点分类的局部到全局的点云配准方法。

技术介绍

1、局部到全局点云配准是将局部点云的参考系与全局点云对齐。局部点云通常是通过扫描或捕获目标场景的一部分获得的，而全局点云捕获整个目标场景。由于捕获局部和全局点云所使用的技术不同，以及应用领域的多样性，会出现几种典型的种挑战性情况，包括噪声、异常值和低重叠率。

2、传统的点云配准方法通常涉及计算源点云和目标点云中关键点的描述符并建立两个点云之间的对应关系。因此，解决方案的质量很大程度上取决于目标点云和源点云上对应点对的准确性。然而，对于低重叠的点云配准，已经提出了诸如ransac之类的算法来消除不对应的点对，但它经常受到噪声和异常值的影响，导致失败和不必要的计算资源消耗。

3、最近，出现了几种利用深度学习技术来计算特征并建立软对应关系的方法，例如模拟退火和变压器。这些方法极大地增强了模型对噪声的鲁棒性。然而，他们在低重叠的局部到全局点云配准方面遇到了困难，例如只有10％重叠的点云，构建强大的点云特征并在这些特征之间建立正确的对应关系仍然本文档来自技高网...

【技术保护点】

1.一种基于内外点分类的局部到全局的点云配准方法，其特征在于，所述基于内外点分类的局部到全局的点云配准方法包括以下步骤：

2.如权利要求1所述的内外点分类的局部到全局的点云配准方法，其特征在于，所述步骤二中的计算采样点及其K近邻所在的局部坐标系，将每个点的局部坐标与该点云的全局坐标对齐，包括以下步骤：

3.如权利要求1所述的基于内外点分类的局部到全局的点云配准方法，其特征在于，所述步骤三中的将转换后的采样点及其K近邻作为网络框架的输入，将坐标映射到高维，，包括以下步骤：

4.如权利要求1所述的基于内外点分类的局部到全局的点云配准方法，其特征在于，所述步...

【技术特征摘要】

1.一种基于内外点分类的局部到全局的点云配准方法，其特征在于，所述基于内外点分类的局部到全局的点云配准方法包括以下步骤：

2.如权利要求1所述的内外点分类的局部到全局的点云配准方法，其特征在于，所述步骤二中的计算采样点及其k近邻所在的局部坐标系，将每个点的局部坐标与该点云的全局坐标对齐，包括以下步骤：

3.如权利要求1所述的基于内外点分类的局部到全局的点云配准方法，其特征在于，所述步骤三中的将转换后的采样点及其k近邻作为网络框架的输入，将坐标映射到高维，，包括以下步骤：

4.如权利要求1所述的基于内外点分类的局部到全局的点云配准方法，其特征在于，所述步骤四中的计算两个点云局部特征的相似度矩阵，包括以下步骤：

5.如权利要求1所述的基于内外点分类的局部到全局的点云配准方法，其特征在于，所述步骤五中的用外部存储单元对相似度矩阵进行增强，包括以下步骤：

6.如权利要求1所述的基于内外点分类的局部到全局...

【专利技术属性】
技术研发人员：耿国华，高健，安丽，周蓬勃，张雨禾，任勇，周芯羽，邹林波，
申请(专利权)人：西北大学，
类型：发明
国别省市：