[发明专利]基于点云DCA特征的非合作目标位姿跟踪方法及装置

权利要求书

1.一种基于点云DCA特征的非合作目标位姿跟踪方法，其特征在于，包括以下步骤：

对三维目标点云模型和三维场景点云模型进行特征点检测；

提取所述三维目标点云模型和所述三维场景点云模型中的点云局部特征描述子；

根据FLANN算法对所述三维目标点云模型的点云局部特征描述子和所述三维场景点云模型中的点云局部特征描述子进行特征匹配；

通过RANSAC算法去除所述特征匹配结果中的错误匹配，得到所述三维目标点云模型的初步位姿估计；

将所述初步位姿估计作为迭代最近点算法的初始值，通过所述迭代最近点算法对所述三维目标点云模型的位姿估计进行精调，包括：

通过预设的三维目标点云模型点云G＝{g_i}和维场景点云模型的场景点云M＝{m_i}，通过点云配准求解两者点云之间的相对变换关系T＝(R，t)，使得两者点云之间共同的部分正确的匹配和搭接；其中，所述点云配准是根据点云的特征建立两个点云的对应关系估计粗匹配，再通过迭代最近点ICP算法进行位姿精调；

所述通过RANSAC算法去除所述特征匹配结果中的错误匹配，得到所述三维目标点云模型的初步位姿估计，包括：

a)根据确定3维变换关系所需最小样本数的要求，在N个配对结果中随机选取3个，计算初始变换关系T_i0；

b)判断其他配对结果是否满足初始变换关系T_i0：其他配对结果中的一个点通过变换关系T_i0后得到的点，和其原配对点间的误差小于预设的阈值时，该配对被认为是内点，否则为噪点；

c)当内点数达到预设的数量时，变换关系T_i0被认定为正确的位姿估计；

d)根据得到的所有内点配对重新计算变换关系T_i1，并统计该变换关系下的误差；

e)重复a)-d)的过程，每次得到一个变换关系：对于非正确的位姿估计，直接丢弃重新开始；对于正确的位姿估计，保留变换关系下误差最小的位姿估计作为最终的位姿估计结果输出。

2.根据权利要求1所述的基于点云DCA特征的非合作目标位姿跟踪方法，其特征在于，所述特征点检测包括对点云进行稀疏采样。

3.根据权利要求1所述的基于点云DCA特征的非合作目标位姿跟踪方法，其特征在于，所述点云局部特征描述子包括：点云的邻域点平均距离、曲率变化和邻域点法向夹角；

所述点云的邻域点平均距离表示点云的疏密程度，所述点云的曲率变化表示点云表面的凹凸程度，所述点云的邻域点法向夹角表示点云表面弯曲或平坦的程度。

4.根据权利要求3所述的基于点云DCA特征的非合作目标位姿跟踪方法，其特征在于，所述邻域点平均距离为：

其中，ω_nb(g_i)为特征点g_i的邻域平均距离，k为特征点g_i的邻域点个数，g_j为特征点g_i的邻域点，M(g_i)为特征点g_i的邻域点集。

5.根据权利要求3所述的基于点云DCA特征的非合作目标位姿跟踪方法，其特征在于，对特征点g_i通过局部曲面拟合的方法得到局部平面，特征点g_i的曲率H_i通过曲面变分τ_i表示：

其中，λ₁表示曲面沿法向量方向的变化，λ₂、λ₃表示特征点g_i在切平面上的分布情况；其中，

其中，中是特征点g_i的邻域点集M(g_i)的重心，g_ij为特征点g_i的第j个邻域点。