[发明专利]一种基于局部曲率及其近邻特征的点云配准方法

说明书

本发明公开了一种基于局部曲率及其近邻特征的点云配准方法，本发明将点云局部曲率及其相关特征信息引入点云特征提取过程，提升了点云配准的精度与速度。首先基于点密度分布完成点云下采样算法降低点云密度，使用半径滤波算法剔除点云噪声点；其次，通过提取探测点曲率值、探测点到其近邻点所构成拟平面距离、探测点与近邻点拟合平面的距离标准差，结合三个特征参数完成点云特征的参数构建工作，使用快速点特征直方图FPFH作为特征描述子；最后结合SAC‑IA采样一致性初始配准算法与ICP迭代最近点算法，求解最优旋转矩阵R与平移矩阵t，完成整个点云配准过程。

技术领域

本发明属于计算机视觉技术领域，具体设计一种基于局部曲率及其近邻特征的点云配准方法。

背景技术

点云在三维视觉技术中的运用愈发广泛，点云数据采集工具发展迅速，数据采集成本降低、效率提升，这使得点云技术在机器视觉、文物修复、自动驾驶、无人机等领域应用。点云配准的主要工作是对不同坐标系下的点云进行旋转、平移，最终整合成完整且处于同一坐标系下的点云。根据目标点云与源点云的性质区分，一般又分为非刚体配准和刚体配准，非刚体配准指目标点云与源点云之间存在形变、拉伸等非刚性变换，在实际应用场景中，部分配准问题需使用非刚性配准，例如医学诊断、人脸识别等，针对非刚性配准的研究仍有很大的发展空间；刚体配准指源点云与目标点云不存在形变，仅发生旋转与平移的刚性变换，实际应用范围更广，但现有的点云配准技术存在配准速度慢、易陷入局部最优解等缺点。如何快速、高质量的完成点云配准，仍是一个具有重要研究价值的问题。

发明内容

为了克服上述现有技术存在的问题，本发明的目的在于提供一种基于局部曲率及其近邻特征的点云配准方法，本发明使用三维点云的探测点曲率值、探测点到其近邻点所构成拟平面距离、探测点与近邻点拟合平面的距离标准差拟合三个参数共同构建特征参数，该特征参数具有代表性、普适性、提取速度快的优点，可大幅降低点云配准的耗时。

为了达到上述目的，本发明采用如下技术方案：

一种基于局部曲率及其近邻特征的点云配准方法，包括如下步骤：

步骤1，点云数据预处理，保证点云原本特征不受到破坏的同时，降低点云密度，剔除点云中的噪声点；

步骤2，点云特征参数构建，结合探测点平均曲率、探测点到近邻点拟合平面欧式距离、探测点与近邻点到拟合平面距离标准差，共同构建特征参数，提取特征点；

步骤3，点云配准，使用FPFH快速点特征直方图算法计算特征描述子并结合SAC-IA采样一致性初始配准算法完成点云初始配准工作，点云细配准使用ICP迭代最近点算法；

所述点云配准中的点云对分为目标点云与源点云，目标点云与源点云使用完整的成对点云或激光雷达采集的多视角点云，适用于小型点云数据或大型工业点云数据。

所述步骤1具体为：

步骤1.1：对点云进行三维体素栅格处理，将点云数据散落在体素栅格中，使用每个体素栅格中距离体素栅格重心最近的点替代体素栅格内的其余点，该方式在降低点云数量的同时保证点云微观形态不变；

步骤1.2：根据近邻点云密度分布设置不同搜索半径r，计算半径为r的球体内点数量，若小于阈值视为噪点剔除。

所述步骤2具体为：

步骤2.1：计算探测点的平均曲率H，描述如公式(1)：

其中：

k₁——最大主曲率；

k₂——最小主曲率；

步骤2.2：根据最二乘法计算探测点的k近邻点所构成的拟合平面，平面如方程(2)：