一种多尺度坐标轴夹角特征的点云快速配准方法技术

本发明专利技术公开了一种多尺度坐标轴夹角特征的点云快速配准方法。包括以下步骤：输入源点云P和目标点云Q，分别提取出源点云P的关键点和目标点云Q的关键点；计算关键点处的特征描述子；两对对应点为一组同时进行选取，保留同时满足特征描述子的最大相似性和源点云中两点距离与目标点云两点距离近似相等的对应关系组，得到初始对应点对；采用随机采样一致性算法对错误对应关系进行去除得到精确的对应关系；采用聚类分选方法使精确的对应关系分布均匀；最终的对应关系通过奇异值分解法计算得到用于拼接的变换矩阵。本发明专利技术配准速度快，且鲁棒性好，能够满足实时三维光学测量的需求。

【技术实现步骤摘要】

本专利技术属于机器视觉和光学三维测量邻域，尤其涉及一种多尺度坐标轴夹角特征 的点云快速配准方法。
技术介绍
现代电子技术的快速发展使得快速获取一物体的三维数字信息成为可能，三维点 云模型由于其易于存储、编辑、传输等优点而被应用于工业生产中，其中，点云配准是得到 这样一个模型的重要步骤之一。针对点云配准工作，国内外学者进行了大量的相关研究。基 于统计学的配准算法则因其对大数据量有明显优势常被用于大场景点云数据配准。迭代最 近点配准方法和遗传算法等算法因鲁棒性较好及精度较高成为精配准的主要算法。在无法 预知点云的相对空间关系时，基于几何特征的点云配准以其对初始位置要求较低且有较高 的配准效率而被广泛应用。本专利技术用邻域点在法向投影的均值信息选择出点云表面变化较 大的点作为关键点，该方法几何意义明显，区分度好。利用不同大小邻域计算得到坐标轴的 夹角信息提取出关键点局部点云的形状信息，所得信息量大，识别容易，有较强的抗干扰能 力。利用几何特征寻找初始对应点对后应用随机采样一致性算法和聚类分选方法对其多次 优化，能够确保对应关系的质量。
技术实现思路
本专利技术的目的是提供一种配准速度快，且鲁棒性好的，多尺度坐标轴夹角特征的 点云快速配准方法。 本专利技术，包括以下几个步骤： 步骤一：输入源点云P和目标点云Q，分别提取出源点云P的关键点和目标点云Q 的关键点； 步骤二：计算关键点处的特征描述子，以关键点为中心选取三个不同大小邻域计 算得到三个坐标系和三个该局部点云的曲率，以三个坐标系分别对应的坐标轴的夹角余弦 及三个不同曲率共同组成该关键点的特征描述子，得到源点云P的关键点特征描述子和目 标点云Q的关键点特征描述子； 步骤三：两对对应点为一组同时进行选取，保留同时满足特征描述子的最大相似 性和源点云中两点距离与目标点云两点距离近似相等的对应关系组，得到初始对应点对； 步骤四：采用随机采样一致性算法对错误对应关系进行去除得到精确的对应关 系； 步骤五：采用聚类分选方法使精确的对应关系分布均匀； 步骤六：最终的对应关系通过奇异值分解法计算得到用于拼接的变换矩阵。 本专利技术，还可以包括： 1、提取关键点的方法为： (1)求取点云邻域点与中心点连线所成向量向中心点法线方向投影，对邻域内投 影求和并取均值； (2)设定阈值c。，选取投影均值大于阈值的点作为关键点。 2、关键点p的特征描述子包括： 各坐标轴间夹角余弦： 三个曲率值： Qi=C1* Δρ i = l,2, 3 其中，C1S归一化常数。 3、得到初始对应点对的方法为： (1)计算特征描述子距离 其中，Mp1目标点云P中ρ点的特征描述符的第i位特征描述子，Mq 源点云Q中 点q的特征描述符的第i位特征描述子，Spq为p、q两点特征描述子距离，选取出两对使得 特征描述子距离最小的对应关系点对：pkeyp、qkeyq和pkey m、qkeyn， (2)计算点云空间距离的不变性约束， 所得μ值小于阈值C2，点云P中的Pkeyi点与pkey j间欧式距离与Q点云中 qkey,点与qkeynA间欧式距离近似相等，这两对点为两对对应关系，否则舍弃两对点。 4、提取出源点云P的关键点中，p点邻域中的点口;与p点连线所组成的向量与p 点的法向量投影均值为： 其中，η为p点的法向量，m为p点邻域中的点数，邻域大小为Ivh1表示为p与p i 连线所成向量在P点法线η上的投影，〇为投影均值。 有益效果： 本方法的优点有，法向投影均值关键点提取算法计算量小、有较好的区分度，能够 快速找出点云表面变化大的点作为关键点。同时，利用点云的局部信息有利于抵抗噪声的 干扰，所得关键点稳定性较高。多尺度坐标轴夹角特征依据关键点的局部不同邻域信息的 差别对关键点局部点云空间分布进行描述，既继承了法向量特征计算复杂度低的优点，而 又弥补了法向量特征单个方向提取特征的不足。在XYZ三个方向三维立体的提取出了关键 点的邻域信息，信息全面，抗干扰能力较强，为对应点的匹配垫定了良好的基础。借助刚体 变换距离的不变性约束，两对为一组快速确定对应关系，在保证较好质量的同时加快了匹 配的速度。随机采样一致性错误对应关系去除方法与聚类优选方法的配合使用，使得最终 的对应关系精确并且信息分布均匀合理。该点云配准算法配准速度快，且鲁棒性好，能够满 足实时三维光学测量的需求。【附图说明】 图1点云初始位置图，图I (a)为Bunny点云的初始位置图，图I (b)为Dragon点 云的初始位置图，图I (c)为Happy backdrop点云的初始位置图； 图2关键点分布图，图2 (a)为Bunny点云的关键点分布图，图2 (b)为Dragon点 云的关键点分布图，图2(c)为Happy backdrop点云的关键点分布图； 图3特征描述子示意图； 图4三组点云最终配准结果，图4(a)为Bunny模型的配准结果及局部放大图，图 4(b)为Dragon模型的配准结果及局部放大图，图4(c)为Happy backdrop模型的配准结果 及局部放大图； 图5(a)添加10 %噪声配准结果，图5(b)添加30 %噪声配准结果，图5(c)添加 60 %噪声配准结果； 图6配准过程及参数表； 图7添加噪声实验结果数据表； 图8为本专利技术方法流程图。【具体实施方式】 下面将结合附图对本专利技术做进一步详细说明。 本专利技术目的是公开。首先，设计 了一种法向投影距离均值关键点提取方法，邻域点到中心点所成向量向中心点法线投影， 以点邻域的法向投影均值为依据设定阈值进行关键点选取。然后，以多尺度坐标轴夹角特 征作为关键点的特征描述子，即以关键点为中心选取多个不同半径大小的邻域计算得到多 个局部坐标系，不同坐标系的对应坐标轴间夹角余弦共同组成一个多维向量对关键点的局 部空间进行描述。结合刚体变换的空间距离不变性约束，两对对应关系为一组快速选取出 特征描述子最相似的对应关系组。采用随机采样一致性算法对错误对应关系进行去除，再 以聚类分选算法对对应关系进行优化，使对应关系分布均匀。最后奇异值分解对应关系得 到用于拼接的变换矩阵。本专利技术的具体实施步骤，如图8所示： 1)输入点云，提取出关键点。点云邻域点与中心点连线所成向量向中心点法线方 向投影，对邻域内投影求和并取均值，设定阈值，选取投影均值大于阈值的点作为关键点。 2)计算关键点处的特征描述子。以关键点为中心选取三个不同大小邻域计算得到 三个具有差别的坐标系和三个该局部点云的曲率。不同坐标系对应坐标轴的夹角余弦及三 个不同曲率共同组成该关键点的特征描述子向量。 3)确定初始对应点对。依据点云空间的不变性，两对对应点为一组同时进行选取， 保留同时满足特征描述子的最大相似性和源点云中两点距离与目标点云两点距离近似相 等的对应关系组。 4)随机采样一致性算法去除错误对应关系。采用随机采样一致性算法对错误对应 关系进行去除得到较精确的对应关系。 5)聚类分选算法优化对应关系。引入聚类分选算法使最终的对应关系信息分布均 匀。 6)计算变换矩阵。最终的对应关系通过奇异值分解法计算得到用于拼接的变换矩 阵。 本专利技术配准用点云由激光三角测距仪获得，使用Bunny、Dragon和Happy backdrop三组点本文档来自技高网...

【技术保护点】
一种多尺度坐标轴夹角特征的点云快速配准方法，其特征在于：包括以下几个步骤：步骤一：输入源点云P和目标点云Q，分别提取出源点云P的关键点和目标点云Q的关键点；步骤二：计算关键点处的特征描述子，以关键点为中心选取三个不同大小邻域计算得到三个坐标系和三个该局部点云的曲率，以三个坐标系分别对应的坐标轴的夹角余弦及三个不同曲率共同组成该关键点的特征描述子，得到源点云P的关键点特征描述子和目标点云Q的关键点特征描述子；步骤三：两对对应点为一组同时进行选取，保留同时满足特征描述子的最大相似性和源点云中两点距离与目标点云两点距离近似相等的对应关系组，得到初始对应点对；步骤四：采用随机采样一致性算法对错误对应关系进行去除得到精确的对应关系；步骤五：采用聚类分选方法使精确的对应关系分布均匀；步骤六：最终的对应关系通过奇异值分解法计算得到用于拼接的变换矩阵。

【技术特征摘要】

【专利技术属性】
技术研发人员：陆军，郭聪玲，方莹，夏桂华，蔡成涛，朱齐丹，韩吉瑞，邵强，欧林渠，王成成，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江;23