[发明专利]一种基于保局PCA的三维点云配准方法

权利要求书

1.一种基于保局PCA的三维点云配准方法，其特征在于，首先使用采用K近邻准则判断得到物体完整的三维点云数据中各点是否相邻近，并且根据K近邻准则生成邻接图和补图，构造权值矩阵；然后采用保局PCA算法进行特征提取，求得特征值对应的特征向量并且将特征值从大到小排序，选取排序靠前的r个特征值对应的特征向量构造特征矩阵；最后根据特征矩阵求出转换参数，进行坐标归一化，完成三维点云的配准。

2.一种基于保局PCA的三维点云配准方法，其特征在于，包括以下步骤：

1)使用三维激光扫描仪扫描得到物体完整的三维点云数据；

2)采用K近邻准则判断点云数据中各点是否相邻近，通过K近邻准则生成邻接图和补图，构造权值矩阵；

3)为了使非邻近点在投影空间尽可能分散，又保留点云数据原有的邻近关系，采用保局PCA算法进行特征提取，求得特征值对应的特征向量；

4)选取排序靠前的r个特征值对应的特征向量构造特征矩阵；

5)根据特征矩阵求出转换参数，进行坐标归一化，完成三维点云的配准。

3.如权利要求1基于保局PCA的三维点云配准方法，其特征在于，所述步骤2)具体为：

点u_i的K-邻域是指集中在点u_i周围并与点u_i直线距离最短的k个数据点；

①建立空间包围盒，即建立包含所有点云数据的最小长方体空间，边长为xmax-xmin，ymax-ymin，zmax-zmin；

②采用空间单元格法对包围盒进行划分，按三个坐标轴方向将包围盒划分为a×b×c个边长为l的子立方体，a、b、c分别为空间包围盒x、y、z方向上的子立方体数量；并且，计算点u_i所在子立方体的索引号，其所在子立方体的三个坐标轴方向的索引号分别为i，j，k；

③在点u_i所在子立方体及周围相邻的27(3×3×3)个子立方体中查找点u_i的k个邻近点；为点u_i建立一个链表，点u_i与周围27个子立方体中的点按距离从小到大的顺序存放在链表中，链表中前k个点即为点u_i的k个邻近点，如此可以求出每个数据点的k近邻；

④根据k近邻准则建立邻接图F，如果点u_i和点u_j邻近，则两点之间用边连接；建立图F'，与图F相反，如果点u_i和点u_j非邻近，则两点之间用边连接；给边赋权值，构造权值矩阵；图F中，邻近点u_i和u_j的权值S_ij可以通过式子s_ij＝exp(-||u_i-u_j||²/t)得到；非邻近点之间由于没有边相连，可定义其权值S_ij为0；图F'中，非邻近点u_i和u_j的权值S_ij'为1；邻近点的权值S_ij'为0。

4.如权利要求1所述的基于保局PCA的三维点云配准方法，其特征在于，所述步骤3)具体为：

①结合LPP算法特性，对邻近点使用约束等式，让邻近点投影到低维空间中仍保持较近的距离，保局PCA特征提取的优化函数可表示为式子

②假设W为最优投影方向，通过拉格朗日乘数法计算，该优化问题可转化为广义特征分解问题；然后求出特征值λ(λ₁,λ₂,…,λ_m)和对应的标准特征向量矩阵W(w₁,w₂,…,w_m)。