[发明专利]基于切比雪夫的ICP点云全局最优配准方法及装置

说明书

本发明公开了基于切比雪夫的ICP点云全局最优配准方法及装置，通过构建6维空间变换可行域、分支定界搜索、切比雪夫代理模型拟合等求解全局最优的空间变换矩阵，替代了分支定界架构中平移向量求解的内循环，实现两片随机位置点云的精确配准。该方法具有良好的抗噪、鲁棒性能，能避免ICP算法受限于点云初始位置而收敛于局部最优解，并且减少了搜索最近邻匹配点的次数，加快了其收敛速度，进而提高了ICP全局最优点云配准的效率。本发明应用于计算及视觉技术领域。

技术领域

本公开涉及计算机视觉技术领域，具体涉及基于切比雪夫的ICP点云全局最优配准方法及装置。

背景技术

点云数据配准是计算机图形学最重要的研究内容之一，也是对象识别、姿态估计、人脸识别、表面匹配等应用中的关键技术。三维重建作为当前研究热点，已广泛应用于生活娱乐中的各个领域，包括制造业、医学、考古学等。而点云数据配准则是三维重建过程中必不可少的环节。

在进行点云配准时，现有的方法大多是采用常规的ICP算法进行点云配准，但是当面临点云初始位置相差较大的配准任务时，可能会出现ICP算法受限于点云点云初始位置而收敛于局部配准误差最优解的问题，这样一来就会导致点云配准不够精确；另外常规的ICP算法进行六维空间(包括三维旋转和三维平移)搜索的复杂度较高，从而在构建双循环分支定界架构时存在的耗时长、收敛慢等问题。

发明内容

本公开旨在至少解决上述问题之一，提供基于切比雪夫的ICP点云全局最优配准方法及装置。

为了实现上述目的，根据本公开的一方面，提供基于切比雪夫的ICP点云全局最优配准方法，所述基于切比雪夫的ICP点云全局最优配准方法包括以下步骤：

步骤101、获取点云P以及源点云Q；

步骤102、构建所述点云P以及源点云Q的关于旋转变量和平移变量的6维可行域空间，所述6维可行域空间包括3维旋转空间以及3维平移空间；

步骤103、构建关于所述旋转变量的分支定界框架，将所述旋转变量的可行域空间进行8等分处理得到8个子可行域空间，并分别求解8个子可行域空间的罗德里格旋转矩阵得到8个子可行域空间对应的罗德里格旋转矩阵；

步骤104、对8个子可行域空间分别构建关于所述平移变量的切比雪夫代理模型，并计算8个子可行域空间分别对应的最优平移向量；

步骤105、根据8个子可行域空间分别对应的最优平移向量，分别计算对应的8个子可行域空间的边界函数；

步骤106、结合传统ICP算法求解8个子可行域空间的分别对应的配准误差最优解，分别判断8个子可行域空间的分别对应的配准误差最优解是否小于所述配准误差最优解对应的子可行域空间的边界函数的下边界值，若是则将对应的配准误差最优解对应的子可行域空间摒弃；

步骤107、找出摒弃后剩余的最小配准误差最优解，获取所述最小配准误差最优解对应的子可行域空间的边界函数的下边界值，计算所述最小配准误差最优解与所述下边界值的差，判断所述最小配准误差最优解与所述下边界值的差是否小于第一阈值，若是则将所述最小配准误差最优解作为全局配准误差最优解，若否则将所述最小配准误差最优解对应的子可行域空间的旋转变量作为新的旋转变量，重复执行步骤103至步骤107。

进一步，上述步骤102中构建6维可行域空间的方式具体包括以下：