【技术实现步骤摘要】
一种基于图像与几何信息引导的多模态点云配准方法
[0001]本专利技术涉及计算机视觉技术,应用于三维重建
、
自动驾驶
、
同时定位与建图
、
机器人位姿估计等
,特别涉及一种基于图像与几何信息引导的多模态点云配准方法
。
技术介绍
[0002]点云配准是三维视觉任务中的上游任务,它旨在求解一个变换矩阵,将同一个场景中两个不同视角的点云对齐到同一个坐标系下,其被广泛应用于三维重建
、
自动驾驶
、
同时定位与建图
、
机器人位姿估计等领域
。
[0003]当前点云配准方法大多数是基于对应关系的点云配准,它主要分为以下四个流程,首先对输入的两帧点云分别进行特征的提取,接下来在特征空间中选取出对应关系,然后进行外点的过滤,最后根据对应关系使用一个鲁棒性较强的位姿估计器求解变换矩阵
。
近期基于对应关系的点云配准方法一般使用一种由粗到精的配准方法,它们首先寻找到超点级别的对应关系,然后再进行点级别的精配准
。
[0004]点云配准方法按照模态分类,可分为单模态点云配准方法和多模态点云配准方法
。
[0005](1)
单模态点云配准方法
[0006]单模态点云配准方法指的是仅使用点云模态进行配准
。
目前大部分方法是单模态点云配准方法
。
点云配准的成功离不开点云几何特征的提取,由于点云的无序性造成了特征提 ...
【技术保护点】
【技术特征摘要】
1.
一种基于图像与几何信息引导的多模态点云配准方法,其特征在于,具体包括以下步骤:将源点云和目标点云输入一个作为编码器的形变卷积神经网络一边进行下采样
、
一边进行点云特征提取,得到第一超点特征;通过残差网络获取点云对应图像的像素特征;对第一超点特征进行升维,得到第二超点特征;将一个超点在下采样过程中被过滤掉的点对应的像素特征作为该超点的像素特征,将第二超点特征与其对应的像素特征基于注意力机制和多层感知机进行融合,得到超点的纹理特征;将超点的纹理特征与第一超点特征进行拼接得到第三超点特征;计算一个点云内两个超点之间的距离特征,并基于注意力机制将两个超点之间的距离特征与第三超点特征进行融合,得到第四超点特征;基于非极大值抑制的方法从源点云和目标点云中选出一个锚点集合,获取锚点与超点之间的距离特征和角度相关性,通过融合锚点与超点之间的距离特征和角度相关性得到超点与锚点之间的几何相关性特征;根据源点云中超点的第四超点特征
、
源点云中超点与锚点之间的几何相关性特征
、
目标点云中超点的第四超点特征
、
目标点云中超点与锚点之间的几何相关性特征基于交叉注意力进行融合得到第五超点特征;计算源点云中超点对应的第五超点特征与目标云中超点对应的第五超点特征之间的相似性,并筛选出相似性最高
K
对点作为超点对集合;对超点对集合中的超点的第一超点特征进行上采样解码,得到原始点特征;在每个超点的邻域内计算原始点相似度,并基于
Sinkhorn
算法得到原始点对关系集合,根据原始点对关系集合进行变换矩阵估计;每个超点对应关系都能得到一个源点云和目标点云的变换矩阵,得到超点对集合估计出的多个变换矩阵后,从中选取出一个最优的变换矩阵
。2.
根据权利要求1所述的一种基于图像与几何信息引导的多模态点云配准方法,其特征在于,超点的像素特征的获取过程包括:将一个点云中的点变换到拍摄第一帧图片时的相机坐标系下,并基于相机标定的内参矩阵将该点变换到图像坐标系下;对图像坐标系下的点进行齐次化操作,得到一个点在图像中的像素位置;若在下采样过程中,一个超点在其邻域内被过滤掉个点,则计算这个点对应的像素位置,根据像素位置索引得到像素的特征,个像素特征构成该超点的像素特征
。3.
根据权利要求1或2所述的一种基于图像与几何信息引导的多模态点云配准方法,其特征在于,将第二超点特征与其对应的像素特征基于注意力机制和多层感知机进行融合的过程包括:通过将超点的第二超点特征映射为注意力机制中的查询向量
Q
A
,将超点对应的像素特征分别映射为键向量
K
A
和值向量
V
A
;通过注意力机制计算注意力权重矩阵,即:
基于多层感知机将注意力权重矩阵
W
和值向量
V
A
进行融合得到超点的纹理特征,即:
F
=
MLP(W*V
A
)
其中,
W
为第二超点特征与其对应的像素特征之间的注意力权重矩阵,
V
A
为值向量,
F
表示超点的纹理特征;
MLP(
·
)
为多层感知机;
C
为注意力机制中隐藏层的维度
。4.
根据权利要求1所述的一种基于图像与几何信息引导的多模态点云配准方法,其特征在于,两个超点之间的距离特征通过计算两个超点之间的距离并将该距离映射到高维空间作为距离特征
。5.
根据权利要求1所述的一种基于图像与几何信息引导的多模态点云配准方法,其特征在于,基于注意力机制将两个超点之间的距离特征与第三超点特征进行融合,得到第四超点特征的过程包括:通过三个映射矩阵对第三超点特征进行映射得到向量向量向量通过矩阵
W
g
将两个超点之间的距离特征映射为向量计算注意力分数:根据注意力分数计算第四超点特征:其中,
C
表示注意力机制中隐藏层的维度;
Score
(r,m)
为第
r
个超点与第
m
个超点之间的注意力分数;
Score
为所有超点之间的注意力分数都成的注意力矩阵
。6.
据权利要求1所述的一种基于图像与几何信息引导的多模态点云配准方法,其特征在于,选择锚点的过程包括以下步骤:
101、
设置过滤半径
r
nms
以及锚点集合中锚点对个数
K
,将超点的第三超点特征作为输入,初始化锚点集合
102、
计算源点云和目标点云超点特征向量的欧式距离,得到超点特征相似度,选取出相似度最大的超点点对将超点对放入集合中,并在源点云中过滤点旁边
r
n...
【专利技术属性】
技术研发人员:江薪祺,徐宗懿,张睿诚,高鑫雨,高新波,
申请(专利权)人:重庆邮电大学,
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。