[发明专利]基于高维表达的一致点漂移配准方法

说明书

本发明公开了一种基于高维表达的一致点漂移配准方法，首先对采集的点云进行规范化，然后利用局部特征描述子选取基点集，计算点与基点集的相对位置关系，将点的相对结构融合到点的原始坐标中，对点云进行升维；最后将高维点云配准建模为极大似然估计问题，点之间的模糊对应关系转化为后验概率的计算，非刚体变换转化为速度场权重系数的计算，并利用吉洪诺夫正则化对速度场进行平滑约束。实验结果表明，在旋转、形变和噪声等退化情况下，本发明可以实现高精度而快速的点云配准，其成果可以用于虚拟现实、人体姿态跟踪等相关领域的研究与应用。

技术领域

本发明涉及一种基于高维表达的一致点漂移配准方法，应用于三维重建、虚拟现实和人体姿态估计。

背景技术

点云配准是计算机视觉领域的基础研究课题之一。特别是，随着现在越来越多廉价的深度探测器的出现，点云配准越来越受到重视。比如在虚拟现实、立体视觉匹配以及人工智能等领域中，常常需要将不同角度或不同时间得到的点云(或图像)进行融合得到一个完整的场景。由于在一般的场景融合中，受视角变化、场景形变以及噪声等影响，点云匹配变得复杂而耗时，难以有比较完美的解决方案。点云配准一直是计算机视觉中具有挑战的一个问题，一种快速而精准的配准方法对计算机视觉有着重要的意义。

点云配准问题直接求解很困难，现在的学者一般将它分解为两个子问题进行迭代求解：建立两点之间的对应关系；估计出两点云之间的非刚性映射。第一个问题是利用估计出的非刚性变换对点云进行变换，然后根据点之间距离远近给出最优的对应关系；第二个问题是根据第一个问题给出的点的对应关系最小化代价函数给出符合要求的非刚性变换。

常用的配准算法有以下几类：(1)最近点迭代算法：详见参考文献【1】：根据点之间的距离远近给出点的一一对应关系，即变换后两点云间距离最近的点为对应点，同时利用最小二乘给出变换关系。最近点迭代算法可以较有效地解决刚性目标的配准问题，但是对于点云采集不均匀或非刚性的配准问题则容易陷入局部最优。

(2)形状上下文算法：详见参考文献【2】：根据点周围的结构特征建立点与点之间的对应关系，即利用点的局部特征相似度给出点的对应，然后利用对应关系给出变换。形状上下文方法主要是利用点局部结构的相似度来建立点与点之间的对应关系，它具有较好的平移和尺度不变性，但是对于噪声、遮挡和形变等畸变以及速度上有很大的限制。

(3)基于薄板样条的点云配准方法：详见参考文献【3】：首次建立了点与点之间的模糊对应，即一个点云中的某点并不唯一与另一点云中的某点对应，可以与多点存在某一隶属度的对应关系，并将点云之间的变换建模为薄板样条函数。基于薄板样条的鲁棒点云配准方法是一种基于函数建模的方法，在点云为二维点云的情形时求解速度就相当慢，并且较难推广到三维点云的情形，而一般的点云配准都是三维的点云配准。

(4)一致点漂移：详见参考文献【4】和【5】：将两点云分别看作是混合概率分布和从此混合概率分布采样得到的点，将点云间的变换估计转换为极大似然估计，并要求点云的变换整体平滑，即点云的运动具有一致性。一致点漂移方法提出了一个概率论的方法，可以较快地解决配准问题，但是，这种方法容易陷入局部最优，特别是对于旋转畸变大的点云。

(5)基于全局和局部特征的非刚性点云配准：详见参考文献【6】和【7】：这类方法一般基于一致点漂移算法，在原有的全局一致性约束下加入局部特征的一致性约束。基于全局和局部特征的非刚性点云配准方法加入了局部特征的计算以缓解一致点漂移算法的局部最优限制，此类方法精度比较高，但时间复杂度也随着局部特征的计算明显增大，耗时比较长。对于非刚体配准问题，一致点漂移算法由于配准效果良好、速度最快得到了广泛的应用，但该方法对旋转、噪声等畸变不能很好保持。

具体引证文献如下：