[发明专利]基于K均值聚类的多帧点云融合方法及装置

权利要求书

1.一种基于K均值聚类的多帧点云融合方法，其特征在于，包括以下步骤：

获取待融合的第一帧点云数据和第二帧点云数据，其中，所述第一帧点云数据为未融合的单帧点云数据或者至少两帧经融合后的点云数据，所述第二帧点云数据为未融合的单帧点云数据；

识别所述第一帧点云数据与所述第二帧点云数据的重叠区域以及非重叠区域；

对所述重叠区域进行数据处理并划分聚类为多个球形区域，根据所述球形区域内的点数据计算聚类中心初始化的点数据；

根据K均值算法对聚类中心进行迭代优化并计算每个聚类的加权平均值作为更新后的聚类中心直到每个聚类中心不再移动为止，以获得重叠区域融合完成的点数据；

将所述重叠区域融合完成的点数据与所述非重叠区域的点数据合并在一起作为下一次待融合的第一帧点云数据，并逐帧融合所有单帧点云数据。

2.如权利要求1所述的基于K均值聚类的多帧点云融合方法，其特征在于，所述识别所述第一帧点云数据与所述第二帧点云数据的重叠区域以及非重叠区域，包括：

将所述第一帧点云数据旋转平移至第二帧坐标系下得到预处理点云数据；

遍历所述预处理点云数据和所述第二帧点云数据中所有点并查找重叠点，由所述预处理点云数据中重叠点的集合构成第一重叠区域，由所述第二帧点云数据中重叠点的集合构成第二重叠区域。

3.如权利要求2所述的基于K均值聚类的多帧点云融合方法，其特征在于，所述对所述重叠区域进行数据处理并划分聚类为多个球形区域，根据所述球形区域内的点数据计算聚类中心初始化的点数据，包括：

由所述第一重叠区域中的每个点数据查找在所述第二重叠区域中与其最邻近的一个点数据计算得到第一向量，将所述第一重叠区域中的各个点沿其法向量的反方向移动第一预设距离得到第一移动点，所述第一预设距离为所述第一重叠区域中点数据对应的第一向量在其法向量方向上投影的0.5倍；

由所述第二重叠区域中的每个点数据查找在所述第一重叠区域中与其最邻近的一个点数据计算得到第二向量，将所述第二重叠区域中的各个点沿其法向量的反方向移动第二预设距离得到第二移动点，所述第二预设距离为所述第二重叠区域中点数据对应的第二向量在其法向量方向上投影的0.5倍；

将所有的第一移动点和第二移动点划分聚类为多个球形区域，其中每个球形区域以所述第一移动点为中心、单帧点云数据的扫描分辨率的1.5倍为半径；

根据每个球形区域中所有的第一移动点及第二移动点对应的移动前的点数据计算每个聚类的加权平均值以得到所述聚类中心初始化的点坐标及法向量。

4.如权利要求3所述的基于K均值聚类的多帧点云融合方法，其特征在于，所述计算每个聚类的加权平均值的方法包括：

计算所述重叠区域中属于当前聚类数据点的置信度，其中数据点的置信度通过计算该数据点邻接三角面片的法向量和三角面片质心视线方向夹角的平均值来获取；

以所述置信度作为权重根据所述当前聚类数据点的点坐标计算点坐标均值，以所述置信度作为权重根据所述当前聚类数据点的法向量计算法向量均值。

5.如权利要求4所述的基于K均值聚类的多帧点云融合方法，其特征在于，根据如下表达式分别计算所述点坐标均值和所述法向量均值：

其中，C_j表示点坐标均值，N_j表示法向量均值，及为所述第一重叠区域中属于当前聚类数据点的点坐标及其单位法向，及为所述第二重叠区域中属于当前聚类数据点的点坐标及其单位法向，W₁及W₂分别为所述第一重叠区域与所述第二重叠区域中属于当前聚类数据点的置信度。

6.如权利要求2所述的基于K均值聚类的多帧点云融合方法，其特征在于，所述遍历所述预处理点云数据和所述第二帧点云数据中所有点并查找重叠点，包括：对所述预处理点云数据中的各个点查找在所述第二帧点云数据中与该点距离最近的点且两点之间的距离小于预设检测阈值，则确定该点为重叠点；对所述第二帧点云数据中的各个点查找在所述预处理点云数据中与该点距离最近的点且两点之间的距离小于预设检测阈值，则确定该点为重叠点。