[发明专利]一种油麦菜三维点云全局自动化配准方法

权利要求书

1.一种油麦菜三维点云全局自动化配准方法，其特征在于，包括：

输入所有待重建的油麦菜点云文件，保存在一个列表中，输入源点云和目标点云，建立配准效果动态数组；

通过体素下采样算法采集关键点，并对体素参数进行赋值；

判断源点云和目标点云数量是否小于设定点云数量阈值；当源点云或目标点云数量小于设定点云数量阈值时，减小体素参数后继续采用体素下采样算法采集关键点；当源点云或目标点云数量不小于设定点云数量阈值时，则在设定最大迭代次数范围内，判断搜索半径是否小于设定搜索半径阈值；若搜索半径小于设定搜索半径阈值，则计算两片点云快速点特征直方图的特征值，并采用随机采样一致性算法提纯映射关系；若搜索半径不小于设定搜索半径阈值，则遍历动态数组，找出效果最好的配准结果，实现两片油麦菜三维点云的自动化配准；

将两片油麦菜三维点云配准的结果保存至列表，依次遍历列表中未配准的两片点云进行配准，直到列表中所有油麦菜点云遍历完成，则全局自动化配准结束，列表中的最后一片油麦菜点云即为最终多视角配准后的结果。

2.如权利要求1所述的油麦菜三维点云全局自动化配准方法，其特征在于，所述遍历效果动态数组，找出效果最好的配准结果包括：

遍历效果动态数组，选择最大重叠率和最大离散度子集中的距离误差最小元素；

根据最优配准转换矩阵将源点云向目标点云配准；

采用迭代最近点算法进行精配准，并在满足误差设定条件时根据最优转换矩阵配准。

3.如权利要求2所述的油麦菜三维点云全局自动化配准方法，其特征在于，所述计算两片点云快速点特征直方图的特征值，并采用随机采样一致性算法提纯映射关系包括：

计算两片点云的快速点特征直方图的特征值；

采用随机采样一致性算法提纯获得空间转换矩阵；

去除重复匹配关系，更新评价体系变量效果动态数组；

增加随机采样一致性算法的搜索半径后继续与搜索半径阈值进行大小比较。

4.如权利要求1所述的油麦菜三维点云全局自动化配准方法，其特征在于，在输入源点云和目标点云，建立配准效果动态数组中，所述效果动态数组中的参数包括：随机采样一致性算法的搜索半径、距离阈值、离散度、均方根误差、两片点云的重叠率、内点、转换矩阵以及下采样的体素参数。

5.如权利要求1所述的油麦菜三维点云全局自动化配准方法，其特征在于，所述采用迭代最近点算法进行精配准包括：

若迭代次数小于设定迭代次数阈值，则对每个在源点云中的点，在目标点云中找到距离其最近的点，距离小于两片点云中最大对应点距离中的点集为本次迭代的对应点集；

利用奇异值分解法计算旋转矩阵和平移矩阵；

计算源点云旋转平移后与目标点云中对应点之间的均方误差；

更新源点云；

当旋转矩阵变化差值与平移矩阵变化差值的变化差值均小于10^-8或者均方误差变化小于10^-8时结束迭代；

迭代最近点算法的输出结果为精确配准矩阵以及配准误差。

6.如权利要求1所述的油麦菜三维点云全局自动化配准方法，其特征在于，下采样的体素参数设置为0.05；随机采样一致性算法中的提纯距离误差阈值设置为体素参数的1.5倍；最大对应点距离阈值设置为体素参数的0.4倍；搜索半径阈值设置为体素参数的5倍；点云数量阈值设置为150个。