[发明专利]点云数据的优化分步配准方法

说明书

本发明涉及一种点云数据的优化分步配准方法，用于实现点云数据配准，点云数据的优化分步配准方法包括以下步骤：步骤一：预处理：对原始点云数据进行预处理，去除原始点云数据中的离群噪点并减小原始点云数据的规模，得到待配准的源点云数据；步骤二：粗配准：采用正态分布变换法对源点云数据进行变换，得到粗配准转换矩阵，从而利用粗配准转换矩阵对源点云数据进行变换而得到粗配准后的点云数据；步骤三：精确配准：采用引入模拟退火策略的迭代最近点法对粗配准后的点云数据进行多次迭代，得到最终变换结果。本发明能够实现较为精准、快速的点云配准，在收敛时间可控的前提下，能够亚欧消防指陷入局部极值的情况发生。

技术领域

本发明涉及数据处理技术领域，具体涉及一种基于正态分布变换和模拟退火策略的点云数据优化分步配准方法。

背景技术

近年来，随着三维点云技术的不断进步，三维数据处理技术应用到越来越多的领域，已从定点测量向运动测量发展。在汽车等移动载体上放置三维数据扫描仪也已成为一种比较前沿的方式。根据设备的工作原理，现有的扫描技术一般分为两大类，即手动扫描技术和自动扫描技术。手动扫描允许获取任意形状的对象，但是这种扫描方法的精度取决于用户扫描过程中的操作经验。自动扫描使用三维扫描仪，更快也更容易使用，但是无法重建具有任意或复杂几何形状的对象。随着研究对于技术要求不断提高，研究并改善现有的技术来达到人们越来越高的要求已刻不容缓。目前，随着三维扫描获取设备的普及和扫描技术的发展，三维点云数据的重建技术已经渗透到了社会生产生活的方方面面中。但是在获取物体表面的三维点云数据非常方便的同时，也造成了三维点云数据的处理技术成为应用瓶颈。而点云配准是点云数据处理的关键，能够直接影响最后合成结果和模型精度。点云配准是通过匹配具有重叠部分的数据集，将不同坐标下的三维数据集变换到同一坐标系下，得到旋转变换矩阵和平移向量，通过各种约束条件，建立适当的模型。因此设计一种点云配准方法以保证三维点云数据建模的准确性和时效性，显得尤为重要。

经典的迭代最近点(ICP)法具有两大局限，即对配准点云的初始分布敏感，易陷入局部最优解的陷阱。近年来，很多学者都提出了针对经典ICP法的改进方案，从不同角度对方法进行了优化，但很难兼顾准确度和速率，并且稳定性往往得不到保证。

发明内容

本发明的目的是提供一种兼顾准确度和速率、有效防止陷入局部最优陷阱的点云数据的优化分步配准方法。

为达到上述目的，本发明采用的技术方案是：

一种点云数据的优化分步配准方法，用于实现点云数据配准，所述点云数据的优化分步配准方法包括以下步骤：

步骤一：预处理：对原始点云数据进行预处理，去除所述原始点云数据中的离群噪点并减小所述原始点云数据的规模，得到待配准的源点云数据；

步骤二：粗配准：采用正态分布变换法对所述源点云数据进行变换，得到粗配准转换矩阵，从而利用所述粗配准转换矩阵对所述源点云数据进行变换而得到粗配准后的点云数据；

步骤三：精确配准：采用引入模拟退火策略的迭代最近点法对所述粗配准后的点云数据进行多次迭代，得到最终变换结果。

所述步骤一包括以下步骤：

步骤1-1：对所述原始点云数据进行除噪滤波处理以去除所述原始点云数据中的离群噪点；

步骤1-2：对除噪处理后的点云数据进行下采样以减小所述原始点云数据的规模，得到所述源点云数据。

所述步骤1-1中，采用半径滤波法对所述原始点云数据进行除噪滤波处理；所述步骤1-2中，采用体素栅格法进行下采样。

所述步骤二包括以下步骤：

步骤2-1：将目标点云空间分割为若干个大小均匀的方形子空间；

步骤2-2：计算各个所述方形子空间的高斯分布参数；