[发明专利]一种基于局部特征描述子的点云自动配准方法

权利要求书

1.一种基于局部特征描述子的点云自动配准方法，其包括以下步骤：

S1、使用面结构光扫描仪测量被测工件，获取不同视角位姿下的单片点云数据，以第一次测量的单片点云数据为源点云，以第二次测量的单片点云数据为目标点云，得出源点云与目标点云的“中间值”，在下一次配准中，以“中间值”为源点云，以第三次测量的单片点云数据为目标点云，以此类推；

S2、将获取的点云数据进行点云预处理；

S3、计算局部特征点描述子，并使用采样一致性算法获取点云粗匹配的刚体变换矩阵；

S4、基于迭代最近点的算法获取精确的刚体变换矩阵，包括以下步骤：

S401、在源点云的K邻域内，计算点到法线的距离，将小于距离阈值的点对认为是匹配点；

S402、通过两个配准中点云的重叠部分的k个最佳对应关系估计，最终使用的对应关系数量根据预设重叠百分比的方法选择匹配点对，并将匹配点对存入匹配点对集C”；

S403、采用点到面误差度量优化方法建立相应的数学模型，然后通过求解目标函数获得刚性变换矩阵，从而获得旋转矩阵R和平移矩阵T两部分；

S404、通过矩阵乘法、旋转矩阵R和平移矩阵T计算得到相应的转换坐标，将不同坐标系下的测量数据转换到统一坐标系下，得到完整的测量数据模型，完成测量点云刚性变换；

S405、通过设置配准收敛的条件为同时满足旋转收敛条件和平移收敛条件，否则跳回S401，进行下一次迭代，旋转收敛条件为测量点云的旋转角度的余弦值cosθ是否大于预设的旋转阈值e，若是，则旋转收敛，否则未旋转收敛；

所述平移收敛条件为测量点云的平移距离D是否小于预设平移阈值t，若是，则平移收敛，否则未平移收敛。

2.如权利要求1所述的一种基于局部特征描述子的点云自动配准方法，其特征在于：所述S2中点云预处理包括以下步骤：

S201、使用kd-tree方法对测量的点云数据建立邻域关系，分别计算源点云K领域内的法向量和目标点云K领域的法向量；

S202、对输入单片点云数据的查询点和邻域点之间的距离进行统计分析，并修剪掉不符合预设阈值的大尺度噪声，进而去除体外孤立点；

S203、使用移动最小二乘法对点云做平滑处理；

S204、使用栅格采样算法和栅格大小自适应算法进行点云降采样。

3.如权利要求2所述的一种基于局部特征描述子的点云自动配准方法，其特征在于：所述S202中预设阈值的确定方法为：计算点k邻域的平均距离，根据距离计算均值和方差来决定出对应的阈值。

4.如权利要求2所述的一种基于局部特征描述子的点云自动配准方法，其特征在于：所述S204中栅格大小自适应算法为：

其中，m是测量点云中点的数目，Q_i是查询点云中的点，Q_i-closest是Q_i的最近邻点，l_R是栅格大小。

5.如权利要求1所述的一种基于局部特征描述子的点云自动配准方法，其特征在于：所述S103中使用采样一致性算法获取点云粗匹配的刚体变换矩阵包括以下步骤：

S301、通过栅格进行点云降采样处理后，提取部分数据作为样本点进行局部描述子计算；

S302、使用FPFH算法对对于查询点和任一领域点，在其中的一个点上定义一个固定的局部坐标系，使用一组角度元组表示两点之间的位置关系和法线偏差，对于每一个查询点，计算该点和其领域点的所有元组，再利用统计学的原理生成简化的点特征直方图，重新确定每个点的K领域，使用邻近的点特征直方图值计算查询点最终的快速点特征直方图；

S303、采用采样一致性初始对齐算法，对每一个样本点，在目标点云中找到满足直方图和样本点直方图相似的点存入匹配点对集C，从这些点中随机选择代表采样点的对应关系，初步估计认为是对应的点对；

S304、对初步估计对应点对使用误差度量损失函数评价粗配准刚体变换矩阵的质量，重复步骤S303直到达到最佳度量错误结果，使用Levenberg-Marquardt算法进行非线性局部优化，计算得到粗配准刚体变换矩阵。