[发明专利]一种基于主成分分析的平面点云匹配方法及装置

权利要求书

1.一种基于主成分分析的平面点云匹配方法，包括：

对两个特征点云的主要成分进行提取，得到所述两个特征点云的主方向；

使用PCA主成分分析法对所述两个特征点云的主方向进行初始配准；

截取所述两个特征点云周围单位长度的像素输入到CNN神经网络进行对比，确定所述两个特征点云的匹配结果。

2.根据权利要求1所述的方法，其特征在于，还包括：

当所述两个特征点云被正确匹配时，继续进行所述两个特征点云的相似度计算；

当所述两个特征点云未被正确匹配时，输出匹配结果：所述两个特征点云不相似。

3.根据权利要求1或2所述的方法，其特征在于，使用PCA主成分分析法对所述两个特征点云的主方向进行初始配准包括：

对所述两个特征点云的协方差信息进行特征值分解，得到所述两个特征点云对应的特征向量矩阵；

对所述特征向量矩阵进行矩阵变换将所述两个特征点云的主方向进行配准。

4.根据权利要求3所述的方法，其特征在于，对所述两个特征点云的协方差信息进行特征值分解，得到所述两个特征点云对应的特征向量矩阵包括：

分别计算源点云X和目标点云Y的质心坐标，表示为xmean和ymean；

分别计算源点云X和目标点云Y的协方差矩阵，表示为Xcovar和Ycovar；

分别对获得的两个协方差矩阵进行特征值分解，得到对应的两个特征向量矩阵，表示为Xeigen和Yeigen，

其中，X＝{x_i∈R³|i＝1，2，…，M}，Y＝{y_j∈R³|j＝1，2，…，N}。

5.根据权利要求4所述的方法，其特征在于，对所述特征向量矩阵进行矩阵变换包括：

根据获得的特征向量矩阵按照计算旋转矩阵R；

根据获得的旋转矩阵R按照T＝y_mean-R*x_mean计算平移矩阵T；

根据所述旋转矩阵R和平移矩阵T按照X_init＝R*X+T对源点云执行计算。

6.根据权利要求5所述的方法，其特征在于，截取所述两个特征点云周围单位长度的像素输入到CNN神经网络进行对比，确定所述两个特征点云的匹配结果包括：

将经过计算的点云X_init与目标点云Y作为CNN神经网络的输入；

利用CNN神经网络分别得到源点云X和目标点云Y的特征图；

用余弦相似度算法计算源点云X和目标点云Y的特征图之间的相似度。

7.根据权利要求6所述的方法，其特征在于，用余弦相似度算法计算源点云X和目标点云Y的特征图之间的相似度包括：

当计算得到的余弦相似度小于预设的阀值则认为相似，否则不相似。

8.一种基于主成分分析的平面点云匹配装置，包括：

主成分分析模块，设置为对两个特征点云的主要成分进行提取，得到所述两个特征点云的主方向；

初始配准模块，设置为使用PCA主成分分析法对所述两个特征点云的主方向进行初始配准；

卷积神经网络模块，设置为截取所述两个特征点云周围单位长度的像素输入到CNN神经网络进行对比，确定所述两个特征点云的匹配结果。

9.根据权利要求8所述的装置，其特征在于，还包括：判断模块，设置为

当所述两个特征点云被正确匹配时，继续进行所述两个特征点云的相似度计算；

当所述两个特征点云未被正确匹配时，输出不相似匹配结果。

10.根据权利要求8或9所述的装置，其特征在于，所述初始配准模块使用PCA主成分分析法对所述两个特征点云的主方向进行初始配准包括：

对所述两个特征点云的协方差信息进行特征值分解，得到所述两个特征点云对应的特征向量矩阵；

对所述特征向量矩阵进行矩阵变换将所述两个特征点云的主方向进行配准。