[发明专利]一种基于EPFH特征的点云匹配算法

摘要

本发明公开了一种基于EPFH特征的点云匹配算法，涉及点云数据技术领域。本发明包括建立局部坐标系；构件EPFH特征描述子；采用主成分分析法对EPFH特征描述子降维；采用采样一致性方法实现点云之间的粗匹配；采用基于k‑d树搜索对应点对的ICP算法实现两片点云的精匹配。本发明通过构件局部坐标系并采用主成分分析法对EPFH特征描述子降维；然后先采用采样一致性方法实现点云之间的粗匹配，再采用基于k‑d树搜索对应点对的ICP算法实现两片点云的精匹配，实现两片点云的精细匹配。

主权项

1.一种基于EPFH特征的点云匹配算法，其特征在于，包括如下步骤：S0：建立局部坐标系；S1：构件EPFH特征描述子；S2：采用主成分分析法对EPFH特征描述子降维；S3：采用采样一致性方法实现点云之间的粗匹配；其中，所述粗匹配具体过程如下：S30：从待匹配点云P的特征点集合中选择n个样本特征点；其中，所述样本特征点之间的距离不小于预先设定的最小距离阈值d；S31：在目标点云Q的特征点集合中找出与待匹配点云P中的采样点具有相似EPFH特征的一个或者多个相似点，从所述相似点中随机选取一个作为当前采样点的一一对应点；S32：计算所述对应点间的刚体变换矩阵，并计算所述对应点变换后的“距离误差和”函数评价当前变换的质量；其中，采用Huber惩罚函数作为误差度量，记作其中，S33：采用Levenberg‑Marquardt算法进行局部优化完成点云之间的初始匹配；S4：采用基于k‑d树搜索对应点对的ICP算法实现两片点云的精匹配；其中，所述ICP算法进行精匹配具体过程如下：S40：假设待匹配点云P经过坐标变换后得到粗匹配后的点云，在P′上选取m个数据点作为匹配数据点集合f_p＝{p_i|i＝1,2,...,m}；S41：对于f_p中的每一个点P_i，利用k‑d树在目标点云Q上寻找距离其最近的对应点q_i，将P_i与q_i作为初始对应点对；S42：采用最小二乘法计算旋转矩阵R_k+1和平移矩阵t_k+1，使得第k+1次均方误差d_k+1最小；其中，S43：将计算得到的刚体变换参数作用于点云P′即：P′＝R_k+1P′+t_k+1；S44：判断是否满足dk‑dk+1＜ε或k＞K；若是，则匹配结束；若否执行S42；其中，ε为预设的初始阈值，K为预设的迭代次数。