[发明专利]一种利用平面形状和拓扑图投票的点云配准方法

说明书

本发明公开一种利用平面形状和拓扑图投票的点云配准方法，包括如下步骤：步骤1，采用体素化点云平面分割算法将点云粗分割为平面基元，并使用RANSAC平面拟合方法计算准确的平面参数；步骤2，选取平面形状作为平面匹配的特征，并设计平面形状描述符进行同名平面匹配；步骤3，根据已匹配的同名平面位置和法向量夹角关系构建拓扑图，并基于一种同名平面边投票策略，将错误匹配的平面剔除；步骤4，选择最优几组同名平面计算两站点云的变换矩阵完成点云的配准。本发明设计出一种HIA‑TCD平面形状描述符，该描述符顾及平面上的孔洞以及扫描过程中存在部分遮挡的现象，能够提高平面匹配的鲁棒性。

技术领域

本发明涉及一种基于平面形状匹配和拓扑图投票的点云自动粗配准算法，算法，属于遥感测绘领域。

背景技术

近年来，随着3D Lidar技术的发展，点云在城市场景中得到了广泛的应用，如建筑物三维重建、城市规划、室内导航等，而且点云被证明是绘制城市场景最合适的数据源之一。受到三维激光扫描仪扫描距离和扫描方式的限制，经过一站扫描通常不能获取完整的场景数据，需要经过多角度，多平台，多测站，多时相等方法提高数据完整性和质量，不同测站的点云需要通过配准技术将他们统一到同一坐标系下，因此点云配准在激光雷达研究中有着重要的地位，是其他点云处理技术的重要基础。其研究广泛分布于计算机视觉、摄影测量、森林调查、机器人技术等领域。

点云配准一直是三维激光领域的研究热点，点云配准的过程就是计算两站点云之间的刚性变换参数，以其中一站点云作为目标点云，将另一站(源点云)转换到与目标点云同一坐标系下。刚性变换是一种低维实体，只要在三个点对之间知道正确的对应关系，就可以唯一地恢复。以ICP算法为代表的精配准算法是解决配准问题的有效方法算法之一，该算法重复进行选择对应关系点对，计算最优刚体变换，直到满足正确配准的收敛精度要求。但是该算法需要给定旋转矩阵一个初始值，否则很容易陷入局部最优。因此，为了获取初值需要对两站点云进行粗配准。点云粗配准技术又根据特征提取的基元不同分为基于点的方法，基于线的方法和基于面的方法。其中基于点的方法效率和精度较低，容易受噪声点的影响。基于线的方法虽然可以提高效率，但是同名基元匹配困难，使用场景受限。基于平面的点云配准算法能够大大减少匹配基元的数量，可以加快同名基元匹配的效率，另一方面平面的特征更加稳定，Xiao等人使用区域生长算法分割平面后，计算平面的面积，然后找到面积大体相等的两组平面计算旋转量，如果旋转真实，则找第三组平面，根据法线判断一致性，最后计算变换参数。Dold等人根据平面的面积、边界长度、边界边框和平均长度作为描述符进行匹配。Li等人通过三个平面之间的特殊角度在两站点云中寻找对应匹配。但是受扫描位置的影响，通过激光扫描仪获取的建筑物平面点云通常会有遮挡，依靠平面的面积、包围盒、向量夹角等特征约束的同名平面匹配并不可靠。

发明内容

本发明要解决的主要技术问题是：针对平面特征设计一种准确、鲁棒的描述符用来匹配同名平面进而解决城市场景中大数据量点云配准的问题。

针对以上问题，本发明提供了一种基于平面形状和拓扑图投票解决城市场景点云粗配准的方法。在人的感知规则中，通常根据平面形状相似性和平面之间的位置关系判断城市场景中两个平面是否为同名平面，根据以上原则本发明以平面形状作为几何匹配的特征，通过设计平面形状描述符对同名平面进行匹配，然后在已匹配的同名平面中，根据平面的位置和法向特征构建拓扑图，根据投票原则将错误匹配剔除。最后通过选取三对最优匹配平面计算两站点云之间的刚性变换参数。

为了达到上述目的，本发明提供的技术方案是：

步骤1，采用体素化点云平面分割算法将点云粗分割为平面基元，并使用RANSAC平面拟合方法计算准确的平面参数；

步骤2，选取平面形状作为平面匹配的特征，并设计平面形状描述符进行同名平面匹配；

步骤3，根据已匹配的同名平面位置和法向量夹角关系构建拓扑图，并基于同名平面边投票策略，将错误匹配的平面剔除；