[发明专利]点云数据特征点提取方法、装置、计算机设备及存储介质

权利要求书

1.一种点云数据特征点提取方法，其特征在于，包括：

获取待提取特征的点云数据；

根据预设的改进法向量计算方法对所述点云数据进行处理，确定各个数据点的法向量；所述改进法向量计算方法中局部邻域范围内的邻域数据点的空间分布对数据点的法向量的影响计算公式引入与邻域数据点到采样数据点之间的距离相关的权重系数；

根据各个数据点的法向量确定所述点云数据中的特征数据点；

所述根据预设的改进法向量计算方法对所述点云数据进行处理，确定各个数据点的法向量的步骤，具体包括：

确定待计算法向量的采样数据点；

根据最优邻域半径尺度确定所述采样数据点的邻域数据点；

构建目标函数；所述目标函数与邻域数据点到采样数据点的空间欧式距离以及邻域数据点到所述采样数据点的切平面的距离有关；所述采样数据点的切平面的法向量与所述采样数据点的法向量相同；

确定使所述目标函数值最小的采样数据点的法向量。

2.根据权利要求1所述的点云数据特征点提取方法，其特征在于，所述最优邻域半径尺度是根据采样数据点的邻域范围信息熵所确定的，确定所述采样数据点的最优邻域半径尺度的步骤，具体包括：

确定邻域半径尺度候选区间以及邻域尺度递增步长；

根据所述邻域半径尺度候选区间以及邻域尺度递增步长确定多个采样邻域半径尺度；

计算所述多个采样邻域半径尺度下的信息熵；

将信息熵最小值对应的采样邻域半径尺度确定为最优邻域半径尺度。

3.根据权利要求2所述的点云数据特征点提取方法，其特征在于，所述计算所述多个采样邻域半径尺度下的信息熵的步骤，具体包括：

根据采样邻域半径尺度确定多个邻域数据点，并确定所述多个邻域数据点的重心数据点；

根据所述多个邻域数据点以及所述重心数据点确定协方差矩阵；

计算所述协方差矩阵的多个特征值；

根据所述多个特征值计算信息熵。

4.根据权利要求1所述的一种点云数据特征点提取方法，其特征在于，所述根据各个数据点的法向量确定所述点云数据中的特征数据点的步骤，具体包括：

确定采样数据点；

确定与所述采样数据点最近邻的若干个近邻数据点；

计算所述采样数据点的法向量与所述若干个近邻数据点的法向量的向量夹角的标准差；

判断所述标准差是否大于预设的特征点阈值；

当判断所述标准差大于预设的特征点阈值时，将所述采样数据点确定为特征数据点。

5.根据权利要求4所述的一种点云数据特征点提取方法，其特征在于，所述特征点阈值是预先基于对标准差的统计所确定的；所述特征点阈值与标准差-点云数据个数分布曲线的拐点相关。

6.根据权利要求1所述的一种点云数据特征点提取方法，其特征在于，在所述根据各个数据点的法向量确定所述点云数据中的特征数据点的步骤之前，还包括：

根据数据点的法向量夹角对所述数据点的法向量的方向进行一致性调整。

7.一种点云数据特征点提取装置，其特征在于，包括：

点云数据获取单元，用于获取待提取特征的点云数据；

数据点法向量确定单元，用于根据预设的改进法向量计算方法对所述点云数据进行处理，确定各个数据点的法向量；所述改进法向量计算方法中局部邻域范围内的邻域数据点的空间分布对数据点的法向量的影响计算公式引入与邻域数据点到采样数据点之间的距离相关的权重系数；

特征数据点提取单元，用于根据各个数据点的法向量确定所述点云数据中的特征数据点；

所述根据预设的改进法向量计算方法对所述点云数据进行处理，确定各个数据点的法向量的步骤，具体包括：

确定待计算法向量的采样数据点；

根据最优邻域半径尺度确定所述采样数据点的邻域数据点；

构建目标函数；所述目标函数与邻域数据点到采样数据点的空间欧式距离以及邻域数据点到所述采样数据点的切平面的距离有关；所述采样数据点的切平面的法向量与所述采样数据点的法向量相同；

确定使所述目标函数值最小的采样数据点的法向量。