[发明专利]基于16维特征描述的激光点云自动配准方法及系统

权利要求书

1.基于16维特征描述的激光点云配准方法，其特征在于，包括步骤：

步骤1，对激光点云数据中各激光点单位法向量重新定向，即：选取视点，若以视点为起点、以激光点为终点的矢量向量与该激光点单位法向量的夹角大于90度，则激光点单位法向量反向；否则，激光点单位法向量方向不变；

步骤2，构建激光点邻域内任意两邻域激光点间的局部坐标系，具体为：

分别获取两邻域激光点单位法向量与两邻域激光点连线的锐角夹角，取较小锐角夹角对应的邻域激光点为原点，另一邻域激光点为目标点；以原点单位法向量为u轴，以起点为原点、终点为目标点的矢量向量与原点单位法向量的叉乘结果为v轴，u轴与v轴方向向量的叉乘结果为w轴；

步骤3，在局部坐标系下获取激光点的特征向量，具体为：

3.1在局部坐标系下下，计算目标点单位法向量与v轴方向向量的点乘关系f1、原点和目标点间距离f2、以起点为原点、终点为目标点的矢量向量与u轴的夹角f3及目标点单位法向量在u轴和v轴形成平面上投影的反正弦值f4；

3.2比较fi和阈值t_i的大小，若fi＞t_i，则s(t_i,fi)＝1；否则s(t_i,fi)＝0；i＝1、2、3、4，t₁和t₂在[-1,1]范围内取值，t₄在[-π/2,π/2]范围内取值，t₃表示尺度；

3.3获得激光点邻域内任意两邻域激光点的特征值统计任意两邻域激光点特征值为[0，15]内整数的频率，构成激光点的16维特征向量；

步骤4，基于激光点的特征向量从点云数据中提取特征点，并获取不同尺度下特征点维度特性表现的概率组合，取令概率组合香农熵最小的尺度为特征点的最佳尺度；

步骤5，基于特征点在最佳尺度下的特征向量对两站激光点云进行配准。

2.如权利要求1所述的基于16维特征描述的激光点云配准方法，其特征在于：

子步骤3.2中所述的t₁、t₂和t₄均设为0。

3.如权利要求1所述的基于16维特征描述的激光点云配准方法，其特征在于：

步骤4中所述的基于激光点的特征向量从点云数据中提取特征点具体为：

根据不同尺度下激光点特征向量分别获得各尺度下的平均特征向量，所述的平均特征向量为点云数据中所有激光点特征向量的均值；

在不同尺度下，分别衡量激光点特征向量和平均特征向量间的距离，根据激光点特征向量和平均特征向量间的距离选择当前尺度下的初始特征点；

在两个连续尺度上均为初始特征点的激光点即为最终的特征点。

4.如权利要求3所述的基于16维特征描述的激光点云配准方法，其特征在于：

所述的根据激光点特征向量和平均特征向量间的距离选择当前尺度下的初始特征点，具体为：

选择与平均特征向量的距离大于标准差σ的激光点作为初始特征点，标准差σ为点云数据中所有激光点特征向量和平均特征向量间距离的标准差。

5.如权利要求3所述的基于16维特征描述的激光点云配准方法，其特征在于：

所述的衡量激光点特征向量和平均特征向量间的距离采用KL距离进行衡量：其中，D_KL表示激光点特征向量和平均特征向量间的KL距离，表示激光点特征向量的第i维元素，μ_i为平均特征向量的第i维元素。