[发明专利]一种基于熵增优化的大型复杂构件点云全局匹配方法

权利要求书

1.一种基于熵增优化的大型复杂构件点云全局匹配方法，其特征在于，所述方法包括如下步骤：

步骤S100：获取相邻视角场景的三维点云坐标，获得源点云X与目标点云Y，对所述源点云X与所述目标点云Y进行下采样分别得到采样点云x与采样点云y；

步骤S200：基于所述采样点云x与所述采样点云y构建物理能量模型；其中，采样点云y产生恒定的连续物理引力场，采样点云x在所述引力场中受力运动；

步骤S300：基于熵增定律，根据所述物理能量模型计算对所述采样点云x的当前运动的扭矩T和拉力S，根据所述扭矩T和拉力S计算当前施加的旋转及平移(R_k,t_k)，获得变换后的点集；

步骤S400：分别获取所述采样点云x与所述采样点云y的点云数量、当前采样点云x、当前采样点云y的单点质量，以及所述当前采样点云x与所述当前采样点云y间的距离，计算所述当前采样点云x在引力场中的势能并记录当前迭代次数；

步骤S500：根据所述势能或迭代次数确定满足预设的结束条件，累计所有变换后的点集，根据所述所有变换后的点集，对所述源点云X进行旋转平移，实现源点云X与目标点云Y之间的配准。

2.根据权利要求1所述的方法，其特征在于，步骤S100包括：

步骤S110：获取相邻视角场景的三维点云坐标，获得源点云X与目标点云Y；

步骤S120：设定下采样阈值比例α％，通过对所述源点云X与所述目标点云Y进行随机下采样分别得到所述源点云Xα％点数量的点坐标与所述目标点云Yα％点数量的点坐标，分别记为采样点云x与采样点云y。

3.根据权利要求2所述的方法，其特征在于，步骤S120中设定下采样阈值比例α％具体为：

获取任一点P₀在采样点云x中的最近点P_s＝argmin{||P_s–P₀|||P_s∈x}，求取点云平均点间隙d，具体为：

其中，N是采样点云x的点数；

根据最小包围框求取采样点云x的整体尺寸D，根据所述整体尺寸D、所述点云平均点间隙d计算得到采样阈值比例，具体为：

α％＝b*d/D

其中，b为常数。

4.根据权利要求3所述的方法，其特征在于，步骤S200包括：

步骤S210：设定所述采样点云y的每一个点为质点，网格化以所述采样点云y为中心的C³个的正立方体空间，获取各单个正立方体空间的中心点与所述采样点云y中各点的距离，以及方向从采样点云y中一个质点指向对应各单个正立方体空间的中心点的单位向量，并结合所述采样点云y的点云数量和所述采样点云y的各单点质量构建所述采样点云y产生的恒定能量场G；

步骤S220：固定所述采样点云y的空间位置以及所述恒定能量场G。

5.根据权利要求4所述的方法，其特征在于，步骤S210包括：

网格化以所述采样点云y为中心的C³个的正立方体空间，第c个正立方体空间的恒定能量场分量具体为：

其中，M为采样点云y的点云数量，g为万有引力常数，m_j为采样点云y的当前点的单点质量，r1为单个正立方体空间的中心点与采样点云y中第j个点的距离，为方向从采样点云y中当前质点指向第c个正立方体空间的中心点的单位向量。