[发明专利]基于分层高斯混合模型的机器人快速鲁棒三维重建方法

权利要求书

1.基于分层高斯混合模型的机器人快速鲁棒三维重建方法，其特征在于，包括以下步骤：

S1：规划机器人测量点，机器人在测量点测量目标对象，获取测量对象的点云数据；

S2：使用EM算法将点云数据加速聚类生成分层高斯混合模型，使用分层高斯混合模型表示，并提取平滑后的点云数据和测试集；

具体包括以下步骤：

S21：初始化参数：L、J、λ_s、λ_d、λ_c、λ_t、λ_s，其中L为分层高斯混合模型的层数，J为父节点拥有的子节点数量，λ_s为收敛阈值，λ_d为置零阈值，λ_c为自适应阈值，λ_t为测试集控制因子，λ_s为平滑控制因子，以及累加变量聚类层数l＝0，分层高斯混合模型参数Θ＝Θ_init，分类索引其中N_r为第r次测量获得的点云数据S_r中点的数量，当前分类索引currIdx＝parentIdx，

S22：并行计算EM算法的E_step和M_step，将点云数据聚类生成分层高斯混合模型，其中，EM算法为期望最大化算法，E_step为计算联合分布的条件概率期望，M_step为极大化联合分布的条件概率期望估计模型参数；

S23：通过收敛阈值λ_s判断EM算法是否收敛，若收敛，则更新索引parentIdx＝currIdx，否则返回步骤S22；

S24：更新l←l+1，判断分层高斯混合模型的聚类层数l是否为L，若是则执行下一步骤S25，否则返回步骤S22；

S25：加速搜索分层高斯混合模型的叶子节点，并生成具有不同细节层次的高斯混合模型；

S26：提取平滑后的点云和测试集；

S3：构建及更新配准网络；

S4：全局优化配准网络；

S5：更新重建的高斯混合模型；

S6：重复步骤S1～S5直到机器人在所有测量点完成测量，重建测量对象的三维点云模型，分析和评估重建结果。

2.根据权利要求1所述的基于分层高斯混合模型的机器人快速鲁棒三维重建方法，其特征在于，所述步骤S22具体步骤为：

S221：输入机器人测量获得的点云数据S_r和初始化参数；

S222：并行计算E_step，其中S_r中的每个点均由一个线程处理：

首先，若点z_i所属节点G_s的权重π_s＞0，则计算：

h_i＝π_s(1-Σ_jπ_j)/η (2)

α_ij＝γ_ij/(Σ_jγ_ij+h_i) (3)

其中，η为噪声簇的体积即噪声在S_r分布空间的凸壳体积，γ_ij为S_r中的点z_i属于高斯分量G_j的概率，α_ij为归一化的概率，为原子操作，N_r为S_r中云的数量，Children(i)＝[(i+1)J...(i+2)J-1]为父子节点索引函数，s＝parentIdx(i)，i＝1,...,N_r，j＝(s+1)J,...,(s+2)J-1，π_s^*＝(1-Σ_jπ_j)为节点包含的子节点中噪声分布的权重；

然后，采用硬分配策略，将点z_i分配到期望γ_ij最大值对应的高斯分量G_k中，即更新currIdx[i]＝k，其中j∈Children(s)，s＝parentIdx(i)；

S223：完成点云数据S_r中所有点的处理后，并行计算M_step，其中每一个高斯分量G_j均由一个线程处理：

Θ_j＝{π_j,μ_j,Σ_j} (8)

其中，μ_j、Σ_j分别为高斯分布的均值和协方差矩阵，N_r为S_r中点的数量，j∈Level(l)，为第l层节点索引函数；

S224：若则高斯分量G_j中聚类的点很少，则该节点可以删除，即设置π_j＝0；若Complexity(Θ_j)λ_c，其中Complexity(Θ_j)为模型复杂度，则高斯分量G_j对应的聚类点集分布变得十分平坦，不需要进一步细化，若G_j有子节点，则π_k＝0，k＝(j+1)J,...,(j+2)J-1；

S225：完成第l层所有高斯分量的处理后，更新分层高斯混合模型参数Θ。