[发明专利]一种基于EPFH特征的点云匹配算法

说明书

本发明公开了一种基于EPFH特征的点云匹配算法，涉及点云数据技术领域。本发明包括建立局部坐标系；构件EPFH特征描述子；采用主成分分析法对EPFH特征描述子降维；采用采样一致性方法实现点云之间的粗匹配；采用基于k‑d树搜索对应点对的ICP算法实现两片点云的精匹配。本发明通过构件局部坐标系并采用主成分分析法对EPFH特征描述子降维；然后先采用采样一致性方法实现点云之间的粗匹配，再采用基于k‑d树搜索对应点对的ICP算法实现两片点云的精匹配，实现两片点云的精细匹配。

技术领域

本发明属于点云数据技术领域，特别是涉及一种基于EPFH特征的点云匹配算法。

背景技术

随着三维激光扫描设备的迅速发展，对于点云数据的处理受到广泛的关注。特别地，由于扫描设备受测量环境及设备本身的限制，无法一次性完成整个实体的扫描。因此，如何将不同视角下扫描的点云数据进行对齐成为今年来许多学者研究的热点。点云匹配正是研究此问题，通过寻找最优的刚体变换将不同视角下的点云进行对齐，其匹配的精度对三维模型的后续处理中发挥着至关重要的作用。

解决该问题最为经典的方法是由Besl等提出的迭代最近点(ICP)算法，该算法通过迭代的方式使得两片点云之间的距离最小化，以此来实现两片点云之间的匹配。但是若这两片点云之间的距离相差较远，ICP算法容易陷入局部最优，且迭代耗时。之后，有许多学者提出一系列改进的点云匹配算法。Rusu等通过提取点领域的几何特征，构件快速点特征直方图描述子来作为点的局部特征，以此实现点云之间的匹配。

Xian等利用球面极坐标将点云数据转化为数字图像，然后提取该图像的尺度不变特征，利用图像匹配实现三维点云的匹配。Jiang等考虑到角度特征具有刚体不变性，所以采用夹角特征来进行匹配。王鹏等基于B-SHOT描述子对特征点进行描述，通过双向汉明距离确定匹配点对，采用随机采样一致性算法估算刚体变换参数进行初始匹配，然后再采用3D-NDT算法完成精确匹配。赵夫群等利用特征点的曲率特征对特征点进行描述，确定匹配点对，通过四元数法进行粗匹配，最后采用改进ICP算法实现精确匹配。

然而，上述方法存在匹配精度低、耗时长、特征易受噪声影响等问题。因此，本文提出一种基于EPFH特征的点云匹配算法。该算法采用先粗配后细配的策略，首先针对点云上的显著特征点进行EPFH特征描述，该描述子具有较强的区分度。再通过采样一致性方法估算刚体变换矩阵，实现待匹配点云和目标点云的初始匹配。然后利用基于k-d树的迭代最近点算法实现两片点云的精细匹配。

发明内容

本发明的目的在于提供一种基于EPFH特征的点云匹配算法，通过构件局部坐标系并采用主成分分析法对EPFH特征描述子降维；然后先采用采样一致性方法实现点云之间的粗匹配，再采用基于k-d树搜索对应点对的ICP算法实现两片点云的精匹配，实现两片点云的精细匹配。

为解决上述技术问题，本发明是通过以下技术方案实现的：

本发明为一种基于EPFH特征的点云匹配算法，包括如下步骤：

S0：建立局部坐标系；

S1：构件EPFH特征描述子；

S2：采用主成分分析法对EPFH特征描述子降维；

S3：采用采样一致性方法实现点云之间的粗匹配；

其中，所述粗匹配具体过程如下：

S30：从待匹配点云P的特征点集合中选择n个样本特征点；

其中，所述样本特征点之间的距离不小于预先设定的最小距离阈值d；

S31：在目标点云Q的特征点集合中找出与待匹配点云P中的采样点具有相似EPFH特征的一个或者多个相似点，从所述相似点中随机选取一个作为当前采样点的一一对应点；