[發(fā)明專利]一種基于全局視角的點云特征提取方法

有效

• 申請?zhí)枺?/td>: 201910984287.9
• 申請日: 2019-10-16
• 公開（公告）號: CN110781937B
• 公開（公告）日: 2022-05-17
• 發(fā)明（設計）人: 魏巍;陳銘泉;羅煒;李家輝;馬小峰;梁智杰
• 申請（專利權）人: 廣州大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06V10/774;G06V10/771
• 代理公司: 廣州三環(huán)專利商標代理有限公司 44202
• 代理人: 郭浩輝;麥小嬋

1.一種基于全局視角的點云特征提取方法，其特征在于，包括：

獲取點云模型中原始三維點云數據，其中，所述原始三維點云數據包括D個原始三維點云坐標點，D為大于1的整數；

根據所述D個原始三維點云坐標點，結合主成分分析法，獲得三個特征向量，其中，所述三個特征向量相互正交；

將每個所述原始三維點云坐標點分別一一投影到所述三個特征向量，獲得三個投影值，并結合預設的剛體變換方法對所述三個投影值進行處理，依次獲得每個所述原始三維點云坐標點對應的投影坐標；

將全部所述投影坐標劃分成三個二維平面，并分別將每個所述二維平面劃分成N*N個網格區(qū)域，其中，N為大于1的整數；

根據每個網格區(qū)域內的深度因子、面積因子、坐標面積因子，獲得每個網格區(qū)域的特征數值，并結合所述N*N個網格區(qū)域，獲得每個二維平面的特征數值；

所述每個網格區(qū)域內點云的深度因子deepOcc＝(ave–MinXa)/(MaxXa–MinXa)，其中ave表示每個網格區(qū)域內點云的平均深度，MinXa表示每個網格區(qū)域內的最小投影值，MaxXa表示每個網格區(qū)域內的最大投影值；

所述每個網格區(qū)域內的面積因子Occ＝cloudArea/blockArea，其中cloudArea表示每個網格區(qū)域內點云所占的面積，blockArea表示為網格面積；

所述每個網格區(qū)域的坐標面積因子的計算方法如下：計算每個網格區(qū)域對應的二維平面的面積；計算所述每個網格區(qū)域對應的二維平面的面積占三個二維平面的面積之和的比值，獲得每個網格區(qū)域的面積坐標因子；

所述每個網格區(qū)域的特征數值areaFea＝Occ*deepOcc*axisOcc，其中Occ表示每個網格區(qū)域內的面積因子，deepOcc表示每個網格區(qū)域內點云的深度因子，axisOcc表示每個網格區(qū)域的坐標面積因子；

根據所述每個二維平面的特征數值，提取所述點云模型的總特征。

2.如權利要求1所述的基于全局視角的點云特征提取方法，其特征在于，所述根據所述D個原始三維點云坐標點，結合主成分分析法，獲得三個特征向量，具體為：

將所述D個原始三維點云坐標點的每個維度去均值，獲得D*3矩陣數據；

計算所述矩陣數據的的協(xié)方差矩陣，獲得D*D協(xié)方差矩陣；

根據主成分分析方法，將所述協(xié)方差矩陣的特征值按大小排序，并同時計算出與所述協(xié)方差矩陣的特征值對應的特征向量，獲得第一主成分特征向量、第二主成分特征向量和第三主成分特征向量。

3.如權利要求2所述的基于全局視角的點云特征提取方法，其特征在于，所述將每個所述原始三維點云坐標點分別一一投影到所述三個特征向量，獲得三個投影值，并結合預設的剛體變換方法對所述三個投影值進行處理，依次獲得每個所述原始三維點云坐標點對應的投影坐標，具體為：

將每個所述原始三維點云坐標點分別一一投影到所述第一主成分特征向量、所述第二主成分特征向量和所述第三主成分特征向量，獲得第一投影值、第二投影值、第三投影值；

根據剛體變換方法對所述第一投影值、所述第二投影值、所述第三投影值進行處理，依次獲得每個所述原始三維點云坐標點對應的投影坐標。

4.如權利要求1所述的基于全局視角的點云特征提取方法，其特征在于，所述根據所述每個網格區(qū)域的特征數值，結合所述N*N個網格區(qū)域，獲得每個二維平面的特征數值，計算方法如下：

每個二維平面的特征數值＝N*N*每個網格區(qū)域的特征數值。