[发明专利]一种基于局部曲率信息的人工蜂群点云配准方法

权利要求书

1.一种基于局部曲率信息的人工蜂群点云配准方法，其特征在于，包括以下步骤：

步骤1，针对待配准的两片部分重合的点云，一片为动态点云，另一片为静态点云；对动态点云通过随机采样和根据点云曲率信息采样两种方式提取部分点云，作为动态点云子集，实现点云配准的数据精简；

步骤2，在寻找对应点阶段根据点云曲率范围的不同，排除待配准点云中不同曲率范围的部分点云，缩小对应点的寻找范围，减少算法计算量。

2.如权利要求1所述的基于局部曲率信息的人工蜂群点云配准方法，其特征在于，步骤1中的“实现点云配准的数据精简”方法包括：

采用随机提取和根据点云曲率信息分段提取的相结合的方法提取采样点；

针对点云P和Q中的每一个点，采用基于MLS表面(moving least squares surfaces,MLS)的方法计算得到各自的高斯曲率k_Gaussian和平均曲率k_Mean，并由此得到主曲率

其中，k₁、k₂是最小、最大主曲率；根据Chen等人的定义，我们用以下公式表示每一点的曲率信息

其中，点p代表点云中的任意一点，k₁(p)、k₂(p)和0＜S(p)＜1分别代表点p的最小主曲率，最大主曲率和该点的曲率信息；此时点云可以表示为P＝{p_i,S_i},i＝1,2,…,N_p，Q＝{q_n,S_n},j＝1,2,…,N_q；

采用随机采样和根据曲率信息采样相结合的方式提取点云；点云中的每个点都有自己的曲率信息S，把S从0到1平均分为n段，这样每个点的曲率信息就属于其中的一段；依据曲率信息所属范围不同，动态点云P可分为n个点云子集P_k，k＝1,2,…,n；点云子集P_k中仅包含曲率信息S满足式(4)的点：

静态点云Q可以分为n个点云子集Q_w，w＝1,2,…,n；点云子集Q_w中仅包含曲率信息S满足式(5)的点；

使用曲率信息对点云进行采样时，从1到n中随机选取一个数字k，如果动态点云P的子集P_k不为空，且在静态点云Q中对应的子集Q_w也不为空，则从P_k中随机选取一点作为提取的特征点；循环此步骤直到得到固定个数的曲率特征点为止；假设要根据点云曲率信息提取N_feature个特征点，P_sampled表示根据曲率信息提取的点云集合。

3.如权利要求1所述的基于局部曲率信息的人工蜂群点云配准方法，其特征在于，步骤2中的“缩小对应点的寻找范围，减少算法计算量”方法包括：

在寻找动态点云P中一点p_i，在静态点云Q中的对应点时，无需在Q的整体范围内寻找；寻找到对应点之后，再计算对应点距离平方中值，所得结果作为优化算法的目标函数值；

动态点云子集P_k中点的曲率信息只和静态点云子集Q_k中点的曲率信息是相近的；对于P_k中的点只需在Q_k中寻找对应点；此外Q_k中点的曲率信息范围是包含P_k中点的曲率信息范围的，曲率信息为S的点，其所属点云子集的序号k用式(6)所得：

其中，表示向下取整；为了加快搜索速度，可对静态点云的每一个子集Q_k建立kd-tree数据结构进行索引。