[发明专利]二进制形状上下文特征描述子构建方法及点云配准方法

说明书

本发明提供了一种二进制形状上下文特征描述子构建方法及点云配准方法，其中，二进制形状上下文特征描述子构建方法步骤主要包括：1）点云数据关键点检测，2）局部坐标系构建；3）坐标系转换与格网化；4）高斯距离加权格网投影特征计算，5）投影特征高效二值化。BSC描述子编码三个正交投影平面上的投影点密度、距离和回波强度特征，包含了更丰富的局部信息。另一方面，通过构造一个稳定的局部坐标系，并利用高斯核密度估计方法计算加权投影特征，提高了BSC描述子对噪声、点密度变化、目标遮挡和重叠的鲁棒性。

技术领域

本发明涉及计算机视觉和激光扫描数据处理的交叉领域，尤其涉及二进制形状上下文特征描述子构建方法及点云配准方法。

背景技术

三维激光点云特征描述是计算机视觉、摄影测量、机器人等学科中非常活跃的研究方向，也是多平台激光点云数据融合、三维目标提取、三维模型重建、同步定位和制图(SLAM) 等应用的基础和前提。三维激光点云具有数据量大、点密度不均、目标多样、场景复杂、目标间存在遮挡和重叠等特性，这给三维激光点云特征描述带来巨大的挑战。虽然近年来三维激光点云特征描述方法的研究取得了一定的进展，但仍然存在以下问题：

① 大多数现有的特征描述子只利用局部形状信息，导致特征表达能力不足；且对噪声、点密度变化、数据遮挡和重叠等干扰的鲁棒性差(Bariya et al., 2012)；

② 现有特征描述子维数通常很高，如Spin Image (225维)、3D Shape Context(1980维)、Intrinsic Shape Signature (595维)，导致描述子的时间和内存效率低；

③ 部分现有的局部特征描述子不能直接在无序点云上操作，需要首先对无序点云格网化或三角化，这些预处理步骤增加了描述子的计算复杂度、影响了描述子的鲁棒性和表达能力(Zhong, 2009)。

发明内容

本发明针对现有技术的不足，提出一种鲁棒性和描述性强，同时具有很高的时间和内存效率的二进制形状上下文特征描述子，其计算主要包括：关键点检测，局部坐标系建立，坐标转换及格网化，加权投影特征计算以及特征二值化等关键步骤。

本发明第一方面提供了一种二进制形状上下文特征描述子构建方法，包括：

S1：对初始点云数据进行关键点检测；

S2：针对检测得到的每个关键点，构建以关键点为中心，以特征向量为坐标轴的局部坐标系；

S3：将关键点及其邻域点集转换到局部坐标下，得到转换后的局部点云，将转换后的局部点云投影到三个坐标平面，再将投影后的点云划分成若干个格网；

S4：采用高斯距离加权的方式累积每个格网的投影特征，每个格网的投影特征包括加权投影密度、投影距离以及回波强度特征；

S5：利用特征差异测试随机选择两个格网并计算它们特征的差异性，根据特征差异测试结果将投影特征转换为一个二进制字符串，根据局部坐标系和投影特征的二进制字符串构建二进制形状上下文特征描述子。

在一种实施方式中，步骤S1包括：

S1.1：计算初始点云数据每个点p和其半径内的邻域点组成的协方差矩阵M，并对协方差矩阵M做特征值分解得到特征值，协方差矩阵M的计算公式为：

(1)

其中，i为邻域点的索引号，k为邻域点个数，为当前点，为的邻域点，为的转置；

S1.2：根据公式（2）和（3）计算特征值比值和，并根据公式（4）计算点p的曲率c；

(2)

(3)

(4)

、分别为特征值与的比值，特征值与的比值；