[发明专利]一种三维点云配准方法、装置、设备及存储介质

说明书

本发明涉及一种三维点云配准方法、装置、设备及存储介质，方法包括：获取源点云和目标点云；计算出所述源点云的FPFH特征描述子和所述目标点云的FPFH特征描述子；根据所述源点云的FPFH特征描述子和目标点云的FPFH特征描述子，确定若干个初始特征匹配对；根据若干个所述初始特征匹配对，基于模拟退火算法确定出初始变换矩阵；将所述初始变换矩阵作为初始值，采用ICP算法进行精配准。本发明解决了目前由于在点云精配准时迭代次数较多而导致的精配准耗时较长，进而导致整个点云匹配过程较长的问题。

技术领域

本发明涉及机器视觉技术领域，尤其涉及一种三维点云配准方法、装置、设备及存储介质。

背景技术

随着计算机视觉的发展，三维激光扫描技术作为一种可以不接触被测物体得到被测物体表面大量的密度高的三维点信息以及反射率等信息，由于三维激光扫描的快速性、准确性，因此该技术被广泛的应用在逆向工程、虚拟现实、智能驾驶、古建筑保护与修复等领域上。

在实际的数据采集中，往往需要从不同的角度对一个物体进行数据采集，因为不同的角度下物体的位姿不同而导致采集仪器的坐标系不同，因此需要通过一定的变换对不同坐标系下的点云数据进行配准。即将不同坐标系下的点云数据统一到同一个坐标系下，才能获得被测物体的完整轮廓。他的本质是一个求解不同点云之间的旋转位移矩阵的数学计算问题。

针对于点云配准问题，在众多的算法中比较经典的算法是由BESL和MCKAY于1992年提出的最近点迭代法(iterative closestpoint，ICP)，该算法的配准效果在给定初始位置与相对姿态接近时较好；彭真等提出了一种基于关键点提取与优化ICP的点云配准算法在一定程度上解决了有噪声且密度不均的点云配准问题；Chen等采用了两阶段ICP(TICP，two-stage ICP)算法，利用第1阶段的ICP算法结果作为第2阶段ICP配准的初始状态，减少了配准中迭代循环的次数，降低了时间消耗，同时也有效缓解了ICP算法对待配准点云初始状态要求高的问题。

但是，上述算法在点云精配准时由于迭代次数较多，导致精配准时耗时仍然较长，最终使得整个点云匹配的过程较长。

发明内容

有鉴于此，有必要提供一种三维点云配准方法、装置、设备及存储介质，用以解决目前由于在点云精配准时迭代次数较多而导致的精配准耗时较长，进而导致整个点云匹配过程较长的问题。

第一方面，本发明提供一种三维点云配准方法，包括如下步骤：

获取源点云和目标点云；

计算出所述源点云的FPFH特征描述子和所述目标点云的FPFH特征描述子；

根据所述源点云的FPFH特征描述子和目标点云的FPFH特征描述子，确定若干个初始特征匹配对；

根据若干个所述初始特征匹配对，基于模拟退火算法确定出初始变换矩阵；

将所述初始变换矩阵作为初始值，采用ICP算法进行精配准。

优选的，所述的三维点云配准方法中，所述计算出所述源点云的FPFH特征描述子和所述目标点云的FPFH特征描述子的步骤具体为：

计算出所述源点云和目标点云的每个点的法向量，根据源点云的法向量和目标点云的法向量分别计算出所述源点云的点特征直方图和所述目标点云的点特征直方图，根据所述源点云的点特征直方图和所述目标点云的点特征直方图得到所述源点云的FPFH特征描述子和所述目标点云的FPFH特征描述子。

优选的，所述的三维点云配准方法中，所述根据所述源点云的FPFH特征描述子和目标点云的FPFH特征描述子，确定初始特征匹配对的步骤具体为：