[发明专利]一种基于点云特征提取与配准融合方法

权利要求书

1.一种基于点云特征提取与配准融合方法，其特征在于，包括以下步骤：

采集点云样本数据进行预处理，构建点云数据库；

提取点云数据库中的点云主动形状模型的全局特征和局部二元模式的局部特征的点云融合特征；

标准化主动形状模型的全局特征和局部二元模式的局部特征，利用最优迭代策略进行串联配准融合，生成最终的点云融合特征数据。

2.根据权利要求1所述的基于点云特征提取与配准融合方法，其特征在于，提取点云融合特征的步骤包括：

确定主动形状模型的目标点位置，提取主动形状模型的全局特征；

利用目标点位置划分子区域，提取局部二元模式的局部特征。

3.根据权利要求1或2所述的基于点云特征提取与配准融合方法，其特征在于，点云样本数据包括：时间数据、激光距离测量值、机载GPS数据、IMU数据和地面基站GPS数据。

4.根据权利要求3所述的基于点云特征提取与配准融合方法，其特征在于，预处理的步骤包括：

利用机载激光雷达测量系统自带软件对地面基站测得的GPS和机载GPS测量数据进行联合差分解算，确定飞机扫描过程中的飞行轨迹；

根据吊舱码盘角度、GPS天线相位中心与IMU几何中心的偏心分量，利用系统软件将差分后的航迹进行杆臂补偿，解算出IMU几何中心的航迹；

IMU几何中心航迹与IMU姿态进行联合式组合导航解算，得到航迹和姿态角；

利用系统软件将组合导航解算的结果和采集到的原始点云数据进行联合处理，得到各测点的(X，Y，Z)坐标数据，获得具有三维坐标、姿态空间信息数据的激光点云数据；

将激光点云数据从瞬时激光光束坐标系转换到WG84坐标系，利用系统点云处理软件对激光点云数据进行编辑，剔除空中因灰尘、鸟类引起的噪声点和孤立点。

5.根据权利要求2所述的基于点云特征提取与配准融合方法，其特征在于，还包括：

根据预处理后的点云数据获得所述主动形状模型的所述目标点位置；

以曲率的突变处作为参考点，计算点云数据剩余目标点到目标点的相对距离和角度；

利用矢量拼接策略将点云数据剩余目标点到参考点的相对距离和角度整合得到多维的全局特征向量。

6.根据权利要求5所述的基于点云特征提取与配准融合方法，其特征在于，划分子区域的步骤包括：

根据目标点划分子区域，将点云数据中心点的灰度值作为阈值；

对相邻点进行二值化处理，得到子区域的局部二元模式特征值；

旋转不变形转化局部二元模式特征值，得到旋转不变形转化后的局部二元模式特征值；

分别统计各个子区域经旋转不变形转化后局部二元模式特征值的十进制结果，并进行矢量拼接，组合成多维度的子区域局部二元模式的局部特征。

7.根据权利要求6所述的基于点云特征提取与配准融合方法，其特征在于，生成最终的点云融合特征数据的步骤包括：

确定目标点特征在参考点范围后，构建一组同名点集(P，Pn)、(Q，Qn)；

对主动形状模型的配准结果进行整体平差计算，获取配准结果，并得到初次误差值；

迭代地进行特征点精确配准，直至误差小于设定阈值，呈收敛趋势，计算结束，输出最终结果，得到点云融合特征数据。

8.根据权利要求7所述的基于点云特征提取与配准融合方法，其特征在于，最优迭代策略包括：

其中，N为可行解集合，i∈N表示点云数据特征点i，N_N为该集合中曲率突变处的总数，即目标参考点数量，为优化配准融合指标。