[发明专利]基于并行级联EM-ICP的三维物体点云配准方法

权利要求书

1.一种基于并行级联EM-ICP的三维物体点云配准方法，其特征在于按照如下步骤进行：

a. 在CUDA架构上，基于离散曲率估计和SIFT算法提取三维物体扫描数据的特征点云；

b. 利用kd-tree快速搜索三维物体特征点云的邻域，并以不同的邻域半径建立不同规模的特征点云；

c. 按照特征点云规模递增的顺序依次进行EM-ICP配准，逐级优化配准结果，形成级联的EM-ICP配准；

d. 利用CUBLAS加速向量与矩阵间的运算、并利用CUDA kernel函数加速矩阵元素间的运算。

2.根据权利要求1所述基于并行级联EM-ICP的三维物体点云配准方法，其特征在于所述a步骤如下：三维高斯模糊函数 的高斯差分为；以任意点云模型上的点为球心，通过kd-tree查找指定半径内的邻域点，对邻域内所有点的高斯曲率进行高斯加权平均运算，距离球心越近的点权重越大，以加权和的结果对球心点的高斯曲率重新赋值；为每一个点进行多次不同邻域半径的高斯模糊，形成不同的高斯尺度空间，相邻尺度空间两两做差，得到每个点的高斯差；生成高斯差后，将当前点高斯差与邻域内点进行比较，当其高斯差在邻域内以及相邻前后两高斯尺度空间邻域内为极值时，视为特征点，所有提取的特征点构成特征点云。

3.根据权利要求2所述基于并行级联EM-ICP的三维物体点云配准方法，其特征在于所述b步骤如下：通过调整kd-tree查找的邻域半径及对高斯曲率进行高斯加权平均运算的参数初始值，多次分别提取数目不同的特征点，由此形成不同规模的特征点云。

4.根据权利要求3所述基于并行级联EM-ICP的三维物体点云配准方法，其特征在于所述c步骤如下：对于待配准物体X和Y，对于所建立的不同规模的特征点云，按照规模递增的顺序分别记为和；首先针对特征点云X₁和Y₁以R₀=I和t₀=0为初始条件进行第一轮EM-ICP配准，将配准结果记为和，其中表示第一次EM-ICP配准的最优结果；以和为初始条件再对更大规模的特征点云X₂和Y₂进行第二轮EM-ICP配准，将配准结果记为和……依次进行，在对特征点云X_n和Y_n进行最后一轮EM-ICP配准后，即得到最终的配准结果和以及相应的配准精度。