[发明专利]基于三维激光扫描的空间点云数据配准方法

说明书

本发明公开了一种基于三维激光扫描的空间点云数据配准方法，所述的基于三维激光扫描的空间点云数据配准方法，包括如下步骤：S1、利用三维激光扫描获取场景的空间点云数据；S2、对点云数据进行预处理；S3、利用降维分析方法求得点云转换参数；S4、根据转换后的点云数据判断算法是否收敛。本发明方案通过在点云配准前，对点云数据进行预处理，也即去噪、平滑和精简等，剔除孤立点或者噪声点，提高点云的配准效率；此外，利用主成分分析法寻找两片点云上的对点，然后再利用ICP算法进行精配准，从而提高了点云的配准速度。

技术领域

本发明涉及点云数据匹配技术，具体涉及基于三维激光扫描的空间点云数据配准方法。

背景技术

三维激光扫描技术，其数据采集过程高效，且能够全自动，经过立体扫描技术，获得目标物的空间信息，而且能够对相关研究有意义或者感兴趣的部位进行扫描，通过合理的设置扫描频率和精度，得到目标物完整的空间信息。这为定位导航地理信息背景(也可称为地图/三维地图)做了良好的铺垫。

点云数据，是通过三维激光扫描技术获得的，并且能够反应物体表面特征的空间数据集。利用三维激光扫描仪获取的点云数据，由于三维激光扫描仪扫描精度和扫描频率的不同，获得的点云数据有时候较为散乱，使得其处理过程变得复杂。并且，点云数据本身为三维数据，其处理过程就变得更加复杂和充满不确定性。

在获取点云数据时，由于经过一次设站不可能获得完整的目标物空间信息，所以要经过多站转移后，才能够获得目标物完整的三维数据。然而经过多站转移扫描得到的点云数据，由于站点的平移和旋转错位，或者是操作失误，会出现点云数据不在统一坐标系之下的问题。为了将点云数据统一到相同的坐标系下，便产生了配准的问题。

主流的点云数据配准方法采用ICP算法(Iterative Closest Point)(出自论文AMethod for Registration of 3-D Shaps，作者Paul J.Best，Member，IEEE，and NeilD.McKay，IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE，VOL.14，NO.2，FEBRUARY 1992)，是一种点集对点集配准方法，其主要思想是找到使点云数据得到最优匹配的旋转参数R和平移参数T，对于点云数据量小的，使用最小奇异分解(SVD)法来求得旋转量和平移量。ICP算法不断寻找其对应点集中最近的点直至达到目标函数的收敛条件时停止，然而算法在搜索相应点对时，是通过计算欧式距离得知点对之间的距离，从而得知算法是否达到收敛条件，计算结果容易陷入局部最优而非全局最优；此外，算法搜索时需要遍历对应点集上的所有点，计算迭代时间长。

发明内容

本发明目的在于克服现有技术的不足，尤其解决现有ICP点云数据匹配算法容易陷入局部最优、计算迭代时间长的问题。

为解决上述技术问题，本发明的目的在于提供一种基于三维激光扫描的空间点云数据配准方法，其中，所述基于三维激光扫描的空间点云数据配准方法包括：S1，利用三维激光扫描获取场景的空间点云数据；S2，对点云数据进行预处理；S3，利用降维分析方法求得点云转换参数；S4，利用转换参数得到转换后的点云坐标；S5，根据转换后的点云数据判断算法是否收敛。

进一步地，利用降维分析方法求得点云转换参数操作可使用主成分分析(PCA)方法、线性判别分析(LDA)或其他合适的降维分析方法。

该发明方案的有益效果在于，在点云配准前，对点云数据其进行预处理，也即去噪、平滑和精简等，剔除孤立点或者噪声点，提高点云的配准效率；此外，利用主成分分析法寻找两片点云上的对点，然后再利用ICP算法进行精配准，从而提高了点云的配准速度。

附图说明

图1为本发明的实施例的基于三维激光扫描的空间点云数据配准方法的流程图。

具体实施方式