[发明专利]一种基于曲率特征的三维点云数据快速加权配准方法

权利要求书

1.一种基于曲率特征的三维点云数据快速加权配准方法，用于进行两组三维点云数据的配准，其特征在于，所述配准方法包括以下步骤：

S1、分别对待匹配点云数据和模型点云数据按照曲率特征进行下采样，得到待匹配点云样本数据和模型点云样本数据；

S2、计算所述待匹配点云样本数据和所述模型点云样本数据中采样点的曲率特征，并根据计算得到的曲率特征，利用索引加速方法，在所述模型点云样本数据中搜索所述待匹配点云样本数据中各个待匹配点的匹配点，得到多个待匹配点对；

S3、对步骤S2得到的多个待匹配点对，进行基于欧氏距离的筛选以去除欧氏距离大于一预设阈值的待匹配点对；

S4、对经过步骤S3筛选后的待匹配点对，利用迭代再加权最小二乘法进行粗匹配，得到初步刚体变换矩阵；

S5、利用所述初步刚体变换矩阵对所述待匹配点云数据和所述模型点云数据进行粗匹配，得到粗匹配结果；

S6、以步骤S4得到的所述初步刚体变换矩阵作为初始刚体变换矩阵，利用按距离加权的Trimmed ICP算法，对步骤S5得到的所述粗匹配结果进行精匹配。

2.如权利要求1所述的配准方法，其特征在于，步骤S1中采用matlab中的按曲率特征采样函数来进行所述下采样。

3.如权利要求1所述的配准方法，其特征在于，步骤S2中所述采样点的曲率特征是通过分析所述采样点的k个最近邻点的协方差矩阵而获得；其中，k为所述采样点的搜索半径内的点的数量。

4.如权利要求3所述的配准方法，其特征在于，步骤S2中利用KD-Tree加速方法，在所述模型点云样本数据中逐渐扩大搜索半径来搜索所述待匹配点的匹配点。

5.如权利要求4所述的配准方法，其特征在于，步骤S2中利用KD-Tree加速方法搜索各所述待匹配点的所述匹配点具体包括：对每一所述待匹配点，取不同搜索半径下计算得到的曲率特征并进行相邻搜索半径之间的曲率特征差值计算，将计算得到的曲率特征差值组成一个矩阵，作为所述待匹配点的匹配计算矩阵；基于所述匹配计算矩阵，利用KD-Tree加速方法在所述模型点云样本数据中搜索所述待匹配点的最邻近点，以得到所述待匹配点的匹配点。

6.如权利要求1所述的配准方法，其特征在于，步骤S3还包括对经过基于欧氏距离的筛选后的匹配点对进行去除尖锐点的二次筛选。

7.如权利要求6所述的配准方法，其特征在于，所述二次筛选包括：

对所述待匹配点云数据进行三角剖分，再从经过基于欧氏距离的筛选后的匹配点对的待匹配点中找出位于三角平面外的尖锐点，并将包含所述尖锐点的匹配点对删除；或者

对所述模型点云数据进行三角剖分，再从经过基于欧氏距离的筛选后的匹配点对的模型点中找出位于三角平面外的尖锐点，并将包含所述尖锐点的匹配点对删除。

8.如权利要求1所述的配准方法，其特征在于，步骤S6中利用按距离加权的TrimmedICP算法，对步骤S5得到的所述粗匹配结果进行精匹配具体包括：对经过Trimmed ICP算法获取的每一匹配点对，计算基于欧氏距离的加权系数，再基于所述加权系数进行所述精匹配。