[发明专利]一种基于神经网络的空间目标点云配准方法及设备

权利要求书

1.一种基于神经网络的空间目标点云配准方法，其特征在于，包括：

获取待配准目标对象的目标点云数据集；

利用预训练的点云配准神经网络模型，处理所述目标点云数据集，以得到待配准目标对象的目标运动真值，其中，所述点云配准神经网络模型为，利用标注有运动真值标签的训练对象的点云数据样本集训练得到，所述目标运动真值为所述待配准目标对象在不同视角下的相对运动；

根据所述目标运动真值确定所述待配准目标对象的架构，完成空间目标点云的配准过程。

2.根据权利要求1所述的方法，其特征在于，所述利用预训练的点云配准神经网络模型，处理所述目标点云数据集，以得到待配准目标对象的目标运动真值，包括：

利用所述点云配准神经网络模型的点云特征提取模块，确定所述目标点云数据集的特征向量；

利用所述点云配准神经网络模型的点云匹配点预测模块，对所述特征向量进行权重预测，得到目标点云数据的权重向量；

利用所述点云配准神经网络模型的目标运动真值确定模块，将所述权重向量与预设的目标函数相乘，得到第一目标函数，并构造第二目标函数，根据所述第一目标函数和第二目标函数得到待配准目标对象的目标运动真值。

3.根据权利要求2所述的方法，其特征在于，所述点云匹配点预测模块包括编码模块和解码模块；

所述编码模块包括依次连接的三个卷积单元，所述每个卷积单元包括依次连接的一个卷积操作层、一个批量归一化操作层和一个残差层；

所述解码模块包括依次连接的两个反卷积单元和一个随机失活单元，所述每个反卷积单元包括依次连接的一个反卷积操作层、一个批量归一化操作层和一个残差层；所述随机失活单元包括互相连接的一个反卷积操作层和一个随机失活层。

4.根据权利要求2所述的方法，其特征在于，所述获取待配准目标对象的目标点云数据集，包括：

获取所述待配准目标对象在多个不同视角下的目标点云数据，并将所述多个不同视角下的目标点云数据中的每两个视角下的目标点云数据作为一组目标点云数据，得到多组目标点云数据并组成目标点云数据集。

5.根据权利要求4所述的方法，其特征在于，所述目标运动真值包括目标旋转矩阵和目标平移向量，所述根据所述第一目标函数和第二目标函数得到待配准目标对象的目标运动真值，包括：

将一组目标点云数据中的两个视角的点云分别定义为p_i和q_j，且(i,j)∈J，将所述权重向量定义为w_(i,j)，将所述第一目标函数定义为：

将所述第二目标函数定义为：

其中，Tr表示矩阵的迹，R表示目标旋转矩阵，t表示目标平移向量，N表示所述目标点云数据集中共有N组目标点云数据，1＝(1,...,1)^T，W＝diag(w)，X＝[p₁,...,p_|J|]，Y＝[q₁,...,q_|J|]，SVD(∑_xy)＝U∑V^T，∑_xy＝YKWKX^T，S＝diag(1,...,1,det(U)det(V))，diag表示对角矩阵，U表示矩阵，V表示矩阵，φ(w)＝I[w＞τ]w表示过滤函数，L(x,y)表示损失函数，n表示正整数；

根据所述第一目标函数和第二目标函数得出目标旋转矩阵为R＝USV^T，目标平移向量为t＝(Y-RX)W1。

6.根据权利要求1所述的方法，其特征在于，所述点云数据样本集的获取方法包括：

获取所述训练对象在多个不同视角下的点云数据样本；

将在多个不同视角下的点云数据样本中的每两个视角的点云数据样本作为一组点云数据样本；

计算每组点云数据样本中两个视角的点云重叠率；

将点云重叠率小于第一阈值的点云数据样本组删除，得到多组点云重叠率大于或等于所述第一阈值的点云数据样本，并组成点云数据样本集。