【技术实现步骤摘要】
本专利技术属于人工智能和点云配准，特别是涉及一种基于无监督双向补全的部分重叠点云配准方法和系统。
技术介绍
1、点云配准是计算机视觉，图形学以及机器人领域的一项重要任务。主要任务是将两个有重叠区域但位于不同坐标系下的点云通过矩阵变换将其重叠区域对齐到同一坐标系中。目前点云配准的基本步骤在于：点云特征提取，设计合适的特征描述子。然后根据特征寻找正确的点对匹配关系。最后通过svd等算法计算变换矩阵。点云配准目前在对于场景重建，高精度地图构建以及车辆环境定位等方面都有着重要的应用价值。
2、目前基于深度学习的配准方式为点云数据处理提供了新的思路。目前随着pointnet，dgcnn，kpconv点云特征网络的提出，点云信息在全局维度和局部维度都有了近一步的提高。基于这些特征信息，随之涌现的是各种创新网络用于匹配对应点对从而得到正确的点云点对应关系，例如prnet，rpmnet，ppfnet，ppfmet，fcgf等从不同角度提供了查找，筛选正确匹配对关系的方法。但随着点云间的重叠率下降，不同的网络在配准精度上都存在不同程度的下滑。
3、非完全重叠点云配准甚至是低重叠率点云配准问题成为当前亟需解决的问题。当点云重叠率下降必然会导致网络预测的点云间匹配对的误匹配率会提高，如何提高正确匹配对的预测概率成为了解决该问题的核心。
技术实现思路
1、为了解决
技术介绍
中存在的问题，本专利技术提供一种基于无监督双向补全的部分重叠点云配准方法和系统，通过非完全重叠的源点云和目标点云
2、为了达到上述技术目的，本专利技术的一方面提供一种基于无监督双向补全的部分重叠点云配准方法，包括：
3、s1：获取部分重叠的源点云和目标点云，将源点云和目标点云分别送入聚合特征提取网络进行局部特征提取和全局特征提取；
4、s2：根据源点云和目标点云中点的几何空间信息、以及源点云和目标点云的局部特征利用transformer对进行信息交互得到源点云的交互特征和目标点云的交互特征；
5、s3：将源点云的交互特征和目标点云的全局特征进行级联得到源级联特征，将目标点云的交互特征和源点云的全局特征进行级联得到目标级联特征；
6、s4：将源级联特征和目标级联特征分别输入补全网络，补全源点云和目标点云互相缺失的部分，得到补全后的源点云和补全后的目标点云；
7、s5：将补全后的源点云和补全后的目标点云送入配准网络模型得到配准结果。
8、优选地，所述将源点云和目标点云分别送入聚合特征提取网络进行局部特征提取和全局特征提取包括：
9、s11：初始化l＝1，令n0表示源点云或目标点云中点的集合，将源点云或目标点云中点的位置信息进行嵌入得到点的初始特征；
10、s12：根据预设的采样率k从集合nl-1中随机采样关键点得到关键点集合nl；
11、s13：在关键点集合nl中对关键点的邻域信息进行聚合，更新关键点的特征：
12、
13、
14、其中，fli表示关键点i在第l次迭代时更新后的特征，表示关键点j在第l-1次迭代时更新后的特征，nv(i)表示集合nl中关键点i的邻居节点集合；pi和pj表示关键点i和关键点j的空间坐标；
15、s14：将关键点集合nl中关键点的特征进行拼接得到源点云或目标点云的局部特征，令l＝l+1，重复执行步骤s32～s34直到l＝l为止，得到源点云和目标点云l个不同尺度的局部特征：
16、
17、其中，fl,local表示源点云或目标点云在第l个尺度上的局部特征，concat表示拼接函数；
18、s15：将f1作为源点云或目标点云最终的局部特征，将源点云或目标点云的l个不同尺度的局部特征进行特征融合得到源点云或目标点云的全局特征：
19、flocal＝f1
20、
21、其中，flocal表示源点云或目标点云的局部特征，fgloble表示源点云或目标点云的全局特征，mlp表示全连接网络，maxpool表示在特征维度上的最大池化操作。
22、优选地，所述利用transformer对源点云和目标点云进行信息交互得到源点云的交互特征和目标点云的交互特征：
23、s21：根据源点云和目标点云中点的几何空间信息计算位置编码：
24、
25、
26、pei＝dis(i)+normal(i)
27、pe＝mlp(concat(pe1,pe2,...,pei,....))
28、其中，表示源点云或目标点云中点i和其邻居点k的欧式距离，dis(i)表示源点云或目标点云中点i的邻居范围距离信息，atten()表示可学习注意力参数，表示源点云或目标点云中点i的位置编码，normal(i)表示点i的法向量，mlp表示全连接网络，concat表示拼接函数，pe表示源点云或目标点云的位置编码；
29、s22：根据源点云和目标点云的位置编码、以及源点云和目标点云的局部特征利用transformer对源点云和目标点云进行信息交互得到源点云的交互特征和目标点云的交互特征：
30、
31、
32、
33、
34、其中，表示源点云的交互特征，表示目标点云的交互特征，pet表示目标点云的位置编码，pes表示源点云的位置编码，dks表示矩阵ks的维度，dkt表示矩阵kt的维度，表示源点云的局部特征，表示目标点云的局部特征。
35、优选地，所述步骤s3包括：
36、
37、
38、其中，表示级联操作，fs表示源级联特征，ft表示目标级联特征，ft,globle表示目标点云的全局特征，fs,globle表示源点云的全局特征，表示源点云的交互特征，表示目标点云的交互特征。
39、优选地，所述步骤s4包括：
40、mpcs＝pfn(fs)
41、mpct＝pfn(ft)
42、cpcs＝mpcs+inis
43、cpct＝mpct+init
44、其中，pfn表示pfn多尺度点云补全网络中的补全模块，mpcs表示源点云中缺失的目标点云部分，mpct表示目标点云中缺失的源点云部分，inis表示源点云，init表示目标点云；cpcs表示补全后的源点云，cpct表示补全后的目标点云。
45、优选地，所述步骤s5包括：
46、s51：利用聚合特征提取网络计算补全后的源点云的局部特征，以及补全后的目标点云的局部特征；
47、s52：将补全后的源点云和补全后的目标点云的几何空间信息、以及补全后的源点云和补全后的目标点云的局部本文档来自技高网...
【技术保护点】
1.一种基于无监督双向补全的部分重叠点云配准方法，其特征在于，包括：
2.根据权利要求1所述的一种基于无监督双向补全的部分重叠点云配准方法，其特征在于，所述将源点云和目标点云分别送入聚合特征提取网络进行局部特征提取和全局特征提取包括：
3.根据权利要求1所述的一种基于无监督双向补全的部分重叠点云配准方法，其特征在于，所述利用transformer对源点云和目标点云进行信息交互得到源点云的交互特征和目标点云的交互特征包括：
4.根据权利要求1所述的一种基于无监督双向补全的部分重叠点云配准方法，其特征在于，所述步骤S3包括：
5.根据权利要求1所述的一种基于无监督双向补全的部分重叠点云配准方法，其特征在于，所述步骤S4包括：
6.根据权利要求1所述的一种基于无监督双向补全的部分重叠点云配准方法，其特征在于，所述步骤S5包括：
7.一种基于无监督双向补全的部分重叠点云配准系统，所述系统应用于权利要求1-6任一所述的一种基于无监督双向补全的部分重叠点云配准方法，其特征在于，包括：
8.一种计算机可读存储介
...【技术特征摘要】
1.一种基于无监督双向补全的部分重叠点云配准方法，其特征在于，包括：
2.根据权利要求1所述的一种基于无监督双向补全的部分重叠点云配准方法，其特征在于，所述将源点云和目标点云分别送入聚合特征提取网络进行局部特征提取和全局特征提取包括：
3.根据权利要求1所述的一种基于无监督双向补全的部分重叠点云配准方法，其特征在于，所述利用transformer对源点云和目标点云进行信息交互得到源点云的交互特征和目标点云的交互特征包括：
4.根据权利要求1所述的一种基于无监督双向补全的部分重叠点云配准方法，其特征在于，所述步骤s3包括：...
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。