[发明专利]一种三维激光扫描的高精度点云配准方法

权利要求书

1.一种三维激光扫描的高精度点云配准方法，其特征在于：流程包括以下关键步骤：

第一步，点云特征点获取，点云特征点获取采用基于曲率的点特征提取；

第二步，数据匹配特征点搜索，对提取的特征点集进行搜索，搜索出数据匹配的特征点，原则上找出三对以上的同名匹配点；

第三步，约束条件检核，采用距离相等的约束对匹配点对进行确认；

第四步，前置粗配准，依据选出的同名匹配点进行配准计算；

第五步，删除假同名点，保证迭代精配准收敛和迭代达到足够的精度；

第六步，迭代精配准，对前置粗配准后的数据再进行最近点改进迭代配准解算，得到最终高精度点云配准结果。

2.根据权利要求1所述的一种三维激光扫描的高精度点云配准方法，其特征在于：包括点云特征点获取、数据匹配特征点搜索、约束条件检核、前置粗配准、删除假同名点、迭代精配准，前置粗配准只提取关键点进行配准，对待配准的目标进行旋转和平移后，得到初配准成果，前置粗配准不要求高配准精度，只给出较准确的初始位置，对前置粗配准后的数据再进行最近点改进迭代算法精配准，经第二次旋转平移变换后得到最终配准结果；

在前置粗配准变换时，用特征点当作关键点进行解算，特征点的数量远小于原始数据的数量，前置粗配准采用依据特征的配准方式，根据刚体变换仅需要最少三个匹配点即可解算出配准参数，但基于准确性考虑，得到更多点参与解算可避免同名特征点匹配错误的情况；

在迭代精配准中，最近点标准迭代算法要求两点集之间必须存在包含关系，即一个点集必须是另外一个点集的子集，前置粗配准后需要判断，若配准目标具体单一且周围无明显干扰环境，同时满足一个点集是另一个点集的子集，可直接使用最近点标准迭代算法进行配准，若前置粗配准后的两点集不存在包含关系，则需选取重叠区域进行解算，重叠区域可依据限值条件选择，也可进行人工选取，若依据匹配特征点选择，则多选取一些匹配特征点，得到更准确的区域进行迭代精配准。

3.根据权利要求1所述的一种三维激光扫描的高精度点云配准方法，其特征在于：点云特征点获取采用基于曲率的点特征提取方法，在点云中每一个点处都存在一个曲面Z＝a(X,Y)，逼近该点的领域点云，在点云中的某一点处可用这一点和它的领域点拟合出的局部曲面的曲率表示，采用最小二乘法让某处点云和周围点到二次参数曲面的距离值最小，采用二次曲面表示局部区域，重要曲率包括主曲率B₁、B₂，平均曲率C和高斯曲率D,

依据点云的曲率进行特征提取过程中计算出特征点的平均曲率C和高斯曲率D对于之后的数据匹配特征点搜索有重要作用，基于曲率的点特征提取利用局部凹凸点选择特征点，若某点是某个点位局部凸点或者凹点，则认为它是点云特征点；

利用局部凹凸点选择特征点的原理，有如下公式：

公式中，E(g)的值作为判断是否是特征点的标准，计算某点g_i领域点的E(g)值，分别记为E(g_i1)，E(g_i2)，……，E(g_in)，如果该点g_i的计算值E(g_i)是领域点计算值中的最大值，即E(g_i)＞max(E(g_i1)，E(g_i2)，……，E(g_in))，则认为该点是局部凸点；若该点g_i的计算值E(g_i)是领域点计算值中的最小值，即E(g_i)＜min(E(g_i1)，E(g_i2)，……，E(g_in))，则认为该点是局部凹点，将所有的局部凸点和局部凹点提取出来，即是所求的点云特征点。