[发明专利]一种基于渐进一致性投票的鲁棒三维点云特征匹配方法

说明书

本发明提供了一种基于渐进一致性投票的鲁棒三维点云特征匹配方法，通过获取包含源点云以及目标点云的三维点云数据；对三维点云数据进行特征提取以及特征匹配，得到初始匹配集；针对初始匹配集中每一个匹配的对应关系，将该对应关系与当前投票集中的候选对应关系进行兼容性评估以及投票，以渐进式一致性投票PCV对每个对应分配一个置信分数，并通过迭代逐步优化一个投票集与其对应的置信度分数，之后利用大津阈值法OTSU，在最终评分结果的对应关系中选择对应关系组成变换集；利用RanSAC算法计算所述变换集的旋转矩阵，并按照旋转矩阵完成源点云至目标点云的转换。因此本发明能更加精确、鲁棒地实现三维点云的特征匹配。

技术领域

本发明属于计算机视觉优化技术领域，具体涉及一种基于渐进一致性投票 的鲁棒三维点云特征匹配方法。

背景技术

目前，随着自动化程度的提高，遥感、机器人导航、无人驾驶、文物修复 等众多领域对计算机视觉系统的要求越来越高，基于二维图像的物体识别已经 无法满足日常作业的需求。因此，基于三维点云特征匹配的3D目标识别技术 已成为近年来计算机视觉领域的研究热点。近年来，随着点云获取技术的不断 发展，大量廉价点云获取设备的出现极大地促进了人们对点云数据处理研究的 热情。

目前对三维点云的特征匹配的研究方法主要有通过计算二进制标签和计算 置信度：计算二进制标签的方法即为对应关系分配二进制标签(即真或假)，马 等人(Ma J,ZhaoJ,Jiang J,et al.Locality preserving matching[J].International Journal ofComputer Vision,2019,127(5):512-531.)，提出了一种局部性保持匹配 (LPM)模型来识别正确的对应关系，从而完成点云的特征匹配。Tombari和 Stefano提出了一种三维霍夫投票(3DHV)方法(Tombari F,Di Stefano L.Object recognition in 3d scenes withocclusions and clutter by hough voting[C]//2010 Fourth Pacific-Rim Symposiumon Image and Video Technology.IEEE,2010: 349-355.)，该方法利用每个关键点的局部参考系(LRF)将每个对应项投影到三维 霍夫空间，在霍夫空间中形成簇的投影点被识别为内部点，从而完成点云的特 征匹配。通过计算置信度的方法有：Rodol等人(RodolàE,Albarelli A, Bergamasco F,et al.A scale independent selection process for 3dobject recognition in cluttered scenes[J].International journal of computervision,2013,102(1): 129-145.)用博弈论匹配(GTM)模型选择了满足全局几何一致性约束的对应关系， 从而完成点云的特征匹配。

现有方法在三维点云的特征匹配过程中，出现匹配精度不高等情况，此类 情况由以下原因造成：一是准确性不高，由于被测物的表面结构复杂，特征匹 配过程中可能存在较多的错误对应，故基于此对应的匹配结果准确性欠佳。二 是鲁棒性不强，现有方法对点云数据具有一定的影响，如高斯噪声、数据分辨 率变化、杂波和遮挡和数据模态变化等，难以得到满意的匹配结果。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于渐进一致性 投票的鲁棒三维点云特征匹配方法。本发明要解决的技术问题通过以下技术方 案实现：

本发明提供的一种基于渐进一致性投票的鲁棒三维点云特征匹配方法包括：

步骤1：获取包含源点云以及目标点云的三维点云数据；

步骤2：对所述三维点云数据进行特征提取以及特征匹配，得到初始匹配 集；

其中，初始匹配集包括至少一个描述源点云与目标点云匹配的对应关系；