【技术实现步骤摘要】
本专利技术涉及三维点云数据处理，具体涉及面向复杂工件的三维点云特征描述子提取方法及系统。
技术介绍
1、近年来，随着三维扫描技术的蓬勃发展，三维点云数据在逆向工程、生物医学、文物保护、机器人学等领域的广泛应用引起了广泛关注。三维点云数据以其真实、精准的几何信息为基础，成为数字化领域的重要资源。在处理三维点云数据时，点云的配准是至关重要的一步。由于多次扫描得到的点云数据来自不同的视角，因此需要进行配准以获得完整的物体信息。在这个过程中，特征描述子的应用显得尤为重要。特征描述子是一种能够表征点云局部特征的工具，它们为粗配准算法提供了关键信息，帮助系统识别匹配点，进而实现点云的精确配准。
2、当前的三维特征描述子研究主要分为两大类：一是基于直方图的三维特征描述子，另一是通过将三维曲面投影到二维平面再进行编码的方法。基于直方图的方法可能受到维度灾难的影响，尤其是在高维空间中，数据点的分布可能变得非常稀疏，这会导致描述子的不准确性，在计算上消耗大量资源，尤其是在大规模点云数据上进行处理时，可能会面临计算效率低下的问题。将三维曲面投影到二维平面的方法引入了旋转和投影的冗余计算，这可能导致关键信息的丢失，并且增加了计算的复杂性。在某些情况下，将三维信息映射到二维平面可能引入失真，导致关键信息的丢失，从而影响配准的准确性。部分方法可能仅使用局部形状信息来描述特征，而对于噪声、点密度变化、数据遮挡和重叠等干扰的鲁棒性较差。
3、针对三维特征描述子的研究主要分为两大类：一是直接对点云进行处理的基于直方图的三维特征描述子，二是
4、公布号为cn114494380a的专利技术专利申请文献《一种二进制形状上下文特征描述子构建方法及点云配准方法》，在该现有方法中，二进制形状上下文特征描述子构建方法步骤主要通过计算初始点云数据中每个点的曲率，通过特定条件筛选得到关键点集合，为每个关键点构建局部坐标系，以该点为中心，特征向量为坐标轴，将关键点及其邻域点转换到局部坐标下，并在三个坐标平面上投影形成格网，采用高斯距离加权累积每个格网的投影特征，包括加权投影密度、投影距离和回波强度特征，通过特征差异测试将投影特征转换为二进制字符串，构建二进制形状上下文特征描述子。
5、前述现有技术均可完成一般情况下点云特征描述子的提取，但是存在维度灾难导致计算效率低以及局部特征表达能力不足等问题。因此，本专利技术利用空间结构和角度、曲率等几何信息特征，形成了一个较低维度的描述向量，减小了计算复杂度，有利于提高实时性。描述子综合了几何关系和空间结构信息，克服了部分现有方法中信息缺失的问题，提高了描述子的局部表达能力和稳定性，降低了误匹配的概率。
6、其中，基于直方图的方法可能受制于维度灾难，导致数据稀疏和增加计算负担。而将三维曲面投影到二维平面的方法引入了旋转和投影的冗余计算，可能导致关键信息丢失。
7、综上，现有技术存在计算复杂度高、数据稀疏、关键信息丢失、局部特征表达能力不足、局部表达能力集稳定性较低以及误匹配率较高的技术问题。
技术实现思路
1、本专利技术所要解决的技术问题在于：如何解决现有技术中计算复杂度高、数据稀疏、关键信息丢失、局部特征表达能力不足、局部表达能力集稳定性较低以及误匹配率较高的技术问题。
2、本专利技术是采用以下技术方案解决上述技术问题的：面向复杂工件的三维点云特征描述子提取方法包括：
3、s1、从三维点云中提取点云表面结构信息丰富点，以作为点云关键点；
4、s2、根据预置划分规则信息，对三维点云关键点所在的邻域空间结构进行划分，得到邻域子空间，以获取点云局部邻域结构信息；
5、s3、根据点云局部邻域结构信息，对关键点的法线与领域点的法线，求取法线夹角余弦值、法线夹角均值以及法线与有向线段夹角，以求得集合信息，据以获取三维点云的曲率，构建关键点pi的协方差矩阵，据以处理得到各领域子空间的关键点主曲率并进行串接操作，形成关键点初始特征描述子；
6、s4、对关键点初始特征描述子f′i进行归一化操作，以得到三维点云特征描述子。
7、本专利技术利用空间结构和角度、曲率等几何信息特征，形成了一个较低维度的描述向量，减小了计算复杂度，有利于提高实时性。描述子综合了几何关系和空间结构信息，克服了部分现有方法中信息缺失的问题，提高了描述子的局部表达能力和稳定性，降低了误匹配的概率。
8、在更具体的技术方案中，步骤s2包括：
9、s21、取三维点云中的任一点云关键点pi为球心，以半径为r确定球形邻域空间qpij，其中，pij为近邻点；
10、s22、将球形邻域空间，沿径向方向等分为不少于2份，并划分点对集合，以得到邻域子空间{q1，q2，q3，q4}。
11、在更具体的技术方案中，步骤s21中，利用下述逻辑表达球形邻域空间
12、
13、在更具体的技术方案中，步骤s21中，利用球形邻域空间中的关键点pi和近邻点pij，组成点集
14、
15、在更具体的技术方案中，步骤s3包括：
16、s31、计算关键点pi的法线ni与近邻点pij的法线nij之间的法线夹角余弦值cosθij以及法线夹角均值ω(pi)；
17、s32、将关键点pi的法线ni与近邻点pij的连线，定义为有向线段dij：dij＝pij-pi，据以求取法线与有向线段夹角；
18、s33、利用协方差矩阵法求解三维点云的曲率，据以针对每个关键点pi构建协方差矩阵，对协方差矩阵进行特征值分解，以得到关键点主曲率，根据关键点主曲率处理得到关键点周围邻域形状描述信息；
19、s34、对各邻域子空间q1执行步骤s31至步骤s33，并进行串接操作，形成关键点初始特征描述子f’i。
20、本专利技术提出了一种新的点云特征点描述子的计算方法，将空间结构和几何信息结合起来，加强了特征描述子的辨别力，对传统处理点云操作效果进行了进一步优化。
21、本专利技术没有采用直方图或者将三维曲面投影到二维平面的方法，而是直接利用点云的原始特征，计算量较小，对设备计算力要求较低，一定程度上可以节约成本。
22、在更具体的技术方案中，步骤s31包括：
本文档来自技高网...【技术保护点】
1.面向复杂工件的三维点云特征描述子提取方法，其特征在于，所述方法包括：
2.根据权利要求1所述的面向复杂工件的三维点云特征描述子提取方法，其特征在于，所述步骤S2包括：
3.根据权利要求1所述的面向复杂工件的三维点云特征描述子提取方法，其特征在于，所述步骤S21中，利用下述逻辑表达所述球形邻域空间
4.根据权利要求1所述的面向复杂工件的三维点云特征描述子提取方法，其特征在于，所述步骤S21中，利用所述球形邻域空间中的所述关键点pi和所述近邻点pij，组成点集
5.根据权利要求1所述的面向复杂工件的三维点云特征描述子提取方法，其特征在于，所述步骤S3包括：
6.根据权利要求5所述的面向复杂工件的三维点云特征描述子提取方法，其特征在于，所述步骤S31包括：
7.根据权利要求5所述的面向复杂工件的三维点云特征描述子提取方法，其特征在于，所述步骤S32中，利用下述逻辑，计算所述法线与有向线段夹角：
8.根据权利要求5所述的面向复杂工件的三维点云特征描述子提取方法，其特征在于，所述步骤S32中，利用下述逻
9.根据权利要求5所述的面向复杂工件的三维点云特征描述子提取方法，其特征在于，所述步骤S33包括：
10.面向复杂工件的三维点云特征描述子提取系统，其特征在于，所述系统包括：
...【技术特征摘要】
1.面向复杂工件的三维点云特征描述子提取方法，其特征在于，所述方法包括：
2.根据权利要求1所述的面向复杂工件的三维点云特征描述子提取方法，其特征在于，所述步骤s2包括：
3.根据权利要求1所述的面向复杂工件的三维点云特征描述子提取方法，其特征在于，所述步骤s21中，利用下述逻辑表达所述球形邻域空间
4.根据权利要求1所述的面向复杂工件的三维点云特征描述子提取方法，其特征在于，所述步骤s21中，利用所述球形邻域空间中的所述关键点pi和所述近邻点pij，组成点集
5.根据权利要求1所述的面向复杂工件的三维点云特征描述子提取方法，其特征在于，所述步骤s3包括：
6.根...
【专利技术属性】
技术研发人员：梁斌，刘厚德，郭超，韦邦国，兰斌，梁论飞，
申请(专利权)人：江淮前沿技术协同创新中心，
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。