[发明专利]一种基于局部点对特征的物体三维点云配准算法

权利要求书

1.一种基于局部点对特征的物体三维点云配准算法，其特征在于，具体按照以下步骤实施：

步骤1，通过深度相机获取物体多个不同角度的三维点云数据；

步骤2，对步骤1得到的点云数据进行预处理；

步骤3，对步骤2得到的点云通过公式(1)进行关键点提取，得到物体表面满足的点集；

式(1)中p_i为点云上任一点，p_i法向量为n_i，其邻近点p_ij的法向量为n_ij，k为邻近点的数量，j＝1,2,…,k，i＝1,2,…,N，N为采样点数量；

步骤4，通过公式(2)计算步骤3得到的关键点周围的局部点对特征，对计算出的局部点对特征参数进行直方图统计，距离量F₁设置6个区间，角度量F_2～7分别设置22个区间，生成的局部特征描述向量LPPF为6+6×22＝138维向量，遍历所有关键点，得到的特征描述向量组合形成特征描述矩阵，遍历所有输入点云，得到多个不同点云的特征描述矩阵；

式中p为点云关键点集合中一点，q_i，i＝1,2,…,m为点p的邻点集；为q_i的邻点集；d_i＝p-q_i；n、n_i为点p与点q_i的法矢量；n_i、为点q_i与的法矢量；

步骤5，对步骤4得到的特征矩阵进行特征匹配，利用匹配到的点对关系计算旋转平移矩阵；

步骤6，利用步骤5得到的旋转平移矩阵将物体的多个不同角度的点云旋转平移至同一坐标系下，完成配准。

2.根据权利要求1所述的一种基于局部点对特征的物体三维点云配准算法，其特征在于，所述步骤5具体按照以下步骤进行；

步骤5.1，采用KD树算法对步骤4得到的特征描述矩阵中的特征描述向量进行最近邻搜索，确定初始点对匹配关系；

步骤5.2，采用简化渐进一致性算法S-PROSAC筛选步骤5.1得到的初始点对匹配关系；简化渐进一致性算法包含步骤对初始匹配评分并排序，选取n个高质量匹配点对作为假设生成集，从假设生成集中随机选取3对匹配关系计算旋转平移矩阵，用旋转平移矩阵计算其他关键点的投影点，计算所有投影点与对应点间距离d，d距离阈值，将该匹配点对加入假设生成集，达到迭代次数输出假设生成集为匹配结果；利用筛选后的点对匹配关系计算旋转平移矩阵。