[發明專利]一種基于視覺矯正的三維點云地圖融合方法

有效

• 申請號: 201710989642.2
• 申請日: 2017-10-20
• 公開（公告）號: CN107818598B
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 朱光明;張亮;沈沛意;宋娟;張笑
• 申請（專利權）人: 西安電子科技大學昆山創新研究院
• 主分類號: G06T19/20
• 分類號: G06T19/20;G06K9/46
• 代理公司: 北京華仲龍騰專利代理事務所(普通合伙) 11548
• 代理人: 李靜

本發明公開了一種基于視覺矯正的三維點云地圖融合方法，包括以下步驟：1)處理待融合的兩個點云地圖；2)提取兩個三維點云地圖的3D?SIFT關鍵點；3)在3D?SIFT關鍵點上提取IPFH特征；4)通過計算特征點之間的歐式距離尋找特征匹配點；5)計算轉換矩陣，旋轉點云地圖；6)采用ICP算法將兩個點云地圖融合在一起。本發明將SIFT特征拓展到三維點云中，提取3D?SIFT關鍵點，從而保證特征對視角旋轉、變換的魯棒性；通過提取IPFH特征，克服了原始FPFH特征的權重系數錯誤的問題，同時該特征綜合鄰域點的幾何特性，來表征一個三維點的特征，大大提高了算法的穩定性。通過這樣處理，本發明能夠將兩個視角差異很大的三維點云地圖融合在一起。

技術領域

本發明涉及計算機視覺領域，主要涉及三維點云地圖融合，具體提供了一種基于視覺矯正的方法，可用于解決因視角差異過大導致點云地圖融合失敗的問題。

背景技術

伴隨著立體相機的快速發展，三維點云數據已經廣泛的應用在計算機視覺領域中，例如機器人構建地圖、導航、物體識別、跟蹤。當機器人處于廣闊的外部環境或者復雜的內部環境時，SLAM構建地圖雖然能夠解決機器人自主導航，但是由于環境的復雜性、廣闊性，構建地圖時會出現各種問題，比如構建地圖過程中消耗時間過長以至于導航失敗。因此，在這種情況下需要多個機器人共同構建地圖，然后將各自的地圖拼接成完整的地圖，從而實現地圖的共享，這樣就可以提高自主導航的效率。

點云地圖融合是指：將不同視角、不同位置采集的點云地圖通過剛體變換將來自多個視角的點云融合在一起。Besl,P.J.McKay,N.d.(1992).A method for registrationof 3-D shapes.IEEE Transactions on Pattern Analysis and Machine Intelligence,14(2),239-256.公開了Iterative Closest Point(ICP)算法，通過尋找最近對應點，估算轉換矩陣，計算目標函數的最小值，最后經過多次的迭代，計算出轉換矩陣，然后將兩個點云融合在一起。該算法只有提供精確的初始值時，才能得到比較良好的的融合結果。

為了計算精確的初始值，很多研究學者通過尋找特征匹配來計算初始值。Klasing等人采用了基于優化平均的方法估計法向量，例如PlanePCA，PlaneSVD，QuadSVD方法。然而點云的法向量包含的數據信息較少，點云地圖視角的變化會導致點云法向量的計算，最終影響點云地圖融合的效果。Gelfand提供了提取點云體積的方法，然而該方法確不能適應點云地圖視角變換。Zou通過提取點云高斯曲率的方法來計算初始值，但是伴隨著點云地圖視角的變化，同一個物體的高斯曲率發生變化，這樣會導致錯誤的特征匹配，從而點云地圖融合失敗。Rusu等人提出了一種提取點云FPFH特征的方法，但是該方法存在著權重系數溢出、特征匹配錯誤的問題。RANSAC算法是融合算法的另外一種，最初由Fischler等人提出，采用隨機采樣一致性來匹配一個數學模型，算法比較穩定但是該方法的復雜度在最壞情況下會達到O(n3)，當點云數量龐大時，算法時間消耗不可接受。

發明內容

本發明的目的在于提供一種融合精度高、效率高的基于視覺矯正的三維點云地圖融合方法，以解決上述背景技術中提出的問題。

為實現上述目的，本發明提供如下技術方案：

一種基于視覺矯正的三維點云地圖融合方法，包括以下步驟：

1)對三維點云地圖進行預處理，首先輸入兩個pcd格式的三維點云地圖文件，從而獲得有待融合的兩個點云地圖，這兩個點云地圖分別為目標點云地圖point_tgt和待融合的點云地圖point_src，然后對這兩個點云地圖進行預處理；

2)對于步驟1)中的兩個點云地圖，分別提取目標點云地圖point_tgt和待融合的點云地圖point_src的3D-SIFT關鍵點；