[发明专利]三维局部特征描述子获取方法与特征描述子的匹配方法

说明书

本发明公开了一种三维局部特征描述子获取方法与特征描述子的匹配方法，属于计算机图形图像处理领域。该方法首先以特征点为中心，构建一个能覆盖特征点局部三维空间的立方体，然后在不同的维度对立方体进行等分，生成N*N*N个局部小立方体，该N*N*N个局部小立方体则构成了特征点的立方体支撑区域，用来刻画特征点局部三维空间中点的分布；最后，利用核密度估计，计算每个局部小立方体的核密度，该N*N*N个小立方体的核密度值，构成了该特征点的描述子。本发明提出的特征描述子获取方法与特征描述子的匹配方法，简单易实现，且针对平滑特征和尖锐特征均具有较好的效果，并具有对旋转、平移、高斯噪声及点的非均匀采样均鲁棒的优点。

技术领域

本发明属于计算机图形图像处理技术领域，涉及一种三维局部特征描述子获取方法与特征描述子的匹配方法。

背景技术

由于诸多点云处理技术都将通过特征描述子获得的点对点对应关系用作输入数据，因此，三维特征描述子是点云模型处理的核心技术和关键问题，也是点云模型处理中的基本表征结构，在三维对象检索[1]、三维对象识别[2]、和三维模型配准[3]中具有重要应用。

三维描述子通常对特征点的局部曲面进行编码，以便有效辨别不同的特征点。现有三维特征描述子编码的信息主要包含两大类，一类信息涉及局部表面的形状信息，包括点的空间分布信息和几何属性。另一类则同时包含了局部曲面的颜色信息和形状信息。

目前，针对三维特征描述子的设计和构建，诸多学者开展了大量的研究工作。根据所处理对象的不同，可将现有三维特征描述子构建方法分为两大类：

一类是直接对点云进行处理，对局部三维曲面进行编码的基于直方图的三维特征描述子；

另一类则是通过将三维曲面向二维平面做投影得到二维图像，并对二维图像进行编码的三维特征描述子。

基于直方图的方法性能不可避免地会受限于直方图，例如不易处理三维及更高维数据，且直方图易产生维度灾难等问题。另外，三维曲面向二维平面做投影的方法，需要对三维曲面进行连续旋转得到不同视角下的三维曲面，产生旋转和投影双重冗余计算的同时，仍不可避免三维曲面向二维平面投影过程中导致的信息丢失问题。

参考文献：

[1]A.Bronstein,S.Italiana,L.Guibas,Shape google:geometric words andexpressions for invariant shape retrieval 30(1)(2011)1-20.

[2]Y.J.L.M.Bennamoun,M.Hayat,Y.Guo,An efficient 3d facerecognitionapproach using local geometrical signatures,Pattern Recognition 47(2)(2014)509-524.

[3]Y.He,B.Liang,J.Yang,S.Li,J.He,An iterative closest pointsalgorithm for registration of 3d laser scanner point clouds with geometricfeatures,Sensors 17(8)(2017)1862.

发明内容

针对上述现有技术中存在的问题，本发明的目的在于，提供一种三维局部特征描述子获取方法及特征描述子的匹配方法，解决现有基于直方图描述子处理三维数据的技术短板，同时避免将不同视角下的三维曲面映射到二维平面所产生的冗余计算，针对平滑特征和尖锐特征均具有较好的效果。

为了实现上述目的，本发明采用如下技术方案：

本发明提供的三维局部特征描述子获取方法包括以下步骤：

步骤一，构建点云模型上任一特征点p的局部三维坐标系；