[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

说明书

本发明公开了一种基于局部点对特征的物体三维点云配准算法，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得到的点云进行关键点提取，得到物体表面较为突出或凹陷的点集；步骤4，利用局部点对特征对步骤3得到关键点集进行特征描述，获得特征描述矩阵；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。这种基于局部点对特征的物体三维点云配准算法具有鲁棒性强、配准精度高和运行速度快的优点。

技术领域

本发明属于物体虚拟空间三维重建技术领域，特别是涉及一种基于局部点对特征的物体三维点云配准算法。

背景技术

点云配准技术是物体虚拟空间三维重建技术中基础性的研究，具体来说点云配准是将三维传感器产生的多个不同角度的点云配准形成物体完整三维模型点云的过程。随着点云配准技术与计算机视觉技术的发展，点云配准技术被广泛应用于三维重建、目标识别与定位、机器人导航、形状检测等领域。

点云配准技术目前主要分为3种：基于特征匹配的配准算法、基于穷举搜索的配准算法与基于迭代优化的配准算法。其中基于特征匹配的配准算法的核心是特征描述与特征匹配，特征描述与特征匹配的质量直接影响最终的配准精度。然而，由于传感器获取物体点云时往往包含各种噪声、物体点云形状各异导致现有基于特征匹配的配准算法精度低，鲁棒性差，因此提出一种鲁棒性强的配准算法是实现高质量点云配准的关键。

发明内容

本发明所要解决的技术问题是：针对现有点云配准技术存在的问题，提供一种基于局部点对特征的物体三维点云配准算法，使物体虚拟模型可以与真实物体更为相似，重建精度更高。

本发明所采用的技术方案是，一种基于局部点对特征的物体三维点云配准算法，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得到的点云进行关键点提取，得到物体表面较为突出或凹陷的点集；

步骤4，利用局部点对特征对步骤3得到关键点集进行特征描述，获得特征描述矩阵；

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。

本发明的技术方案，还具有以下特点：

在所述步骤3中，通过公式(1)进行关键点提取；

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。

所述步骤4具体按照以下步骤进行；

步骤4.1，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参数；

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(i＝1,2,…,m)的邻点集；d_i＝p-q_i；n、n_i为点p与点q_i(i＝1,2,…,m)的法矢量；n_i、为点q_i(i＝1,2,…,m)与的法矢量；