[发明专利]一种低重叠率的三维点云配准方法

权利要求书

1.一种低重叠率的三维点云配准方法，其特征在于：包括以下步骤：

步骤1，基于曲率特征和法向量构建多尺度描述符；

步骤2，基于多尺度描述符建立角度差异衡量区域之间的相似程度，进行对应关系聚类分块；

步骤3，在对应关系聚类分块中基于SDRSAC算法，判断匹配潜力，去除离群值，再优化对应关系完成配准；

所述步骤3还包括以下步骤：

步骤3.1将对应关系点云分块M₁,M₂,…,M_n中在源点云W中的点云集记为P_c，在目标点云V中的点云集记为Q_c；每次迭代时，从P_c中随机选取N_sample个采样点组成点集P_c1，利用步骤2得到的对应关系点云分块中的对应关系，得到目标点云Q_c中与P_c1相对应的点集Q_c1；

步骤3.2计算点集的匹配潜力，去除离群值；

令A＝P_c1，B＝Q_c1，

其中，H表示匹配潜力且是对称矩阵，a,b,c,d表示点的索引，ab和cd表示H的行和列的索引，A_a与A_c属于源点集A，B_b与B_d属于目标点集B，且(A_a,B_b)和(A_c,B_d)是由步骤2得到的对应关系点云分块中的对应关系，γ＞0是预定义的阈值，δ(A_a,A_c)表示两个3D点云之间的欧式距离，f＝exp(-|δ(A_a,A_c)-δ(B_b,B_d)|)用于评判两个线段的长度差，

求解H，当A_aA_c和B_bB_d的长度相差γ，继续将(A_a,B_b)和(A_c,B_d)视为匹配候选，否则去掉其的对应关系；

步骤3.3求得最优对应关系集完成粗配准；

设置换矩阵X∈{0，1}^K×K，当p_i∈A和q_i∈B属于对应关系集X中第i行j列的元素的值为1，否则为0；

最优解包含m对对应关系，且m＜K，将X堆叠其列得到X₁，

搜索最佳对应关系的问题满足时转化为：

令式(9)可以转化为：

当trace(Y)＝m时，满足即将非凸问题凸优化；

在式(10)的基础上确保源点云A中的一个点p_i只能与目标点云中的零个或者一个点q_i相匹配，而不能出现一个以上相匹配的情况；与此同时，要满足步骤3.2中的匹配潜力H的要求，当A_aA_c和B_bB_d的长度相差大于定义的阈值γ，则不允许其进行匹配，

通过SDP凸求解器求得X₁，利用线性分配问题LP将X₁投影到置换矩阵的空间X，得到优化的对应关系集

步骤3.4利用ICP将其进行细化，重复进行步骤3.1、步骤3.2和步骤3.3的迭代过程，求解并进行比较，得出最终评分中最高的最优对应关系集，求得最佳变换(R^*,t^*)，并进行配准。