[發明專利]基于二維圖像引導的改進三維點云配準方法、系統及可讀存儲介質

在審

• 申請號: 201910988369.0
• 申請日: 2019-10-17
• 公開（公告）號: CN110942476A
• 公開（公告）日: 2020-03-31
• 發明（設計）人: 余洪山;付強;王佳龍;郭林峰;王靜文
• 申請（專利權）人: 湖南大學;湖南大學深圳研究院
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06T5/50;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于二維圖像引導的改進三維點云配準方法、系統及可讀存儲介質，該方法采用點到面的距離作為目標函數的度量，利用FLANN最近鄰算法搜尋方法搜尋最近鄰點，先后采用基于彩色圖像引導的深度圖像濾波方法和基于PCA方法進行降采樣，提高了深度點準確度的同時減少了后面迭代過程的計算量，可實現快速的三維點云配準，具有魯棒性高，計算量小等優點，有效滿足了機器人自定位、地圖創建等應用領域中對三維點云配準的迫切需求。

技術領域

本發明屬于機器人視覺控制領域，特別涉及一種基于二維圖像引導的改進三維點云配準方法、系統及可讀存儲介質。

背景技術

深度圖像配準即根據不同視角下場景間的點云重疊約束，計算不同視角對應的旋轉平移矩陣，是三維場景構建和機器人三維位姿估計的關鍵步驟。隨著三維激光雷達、立體攝像機、三維相機等深度圖像信息獲取技術的日益成熟，深度圖像配準在三維場景建模、場景識別、機器人導航定位等應用顯示出了巨大優勢。深度圖像配準的準確度和效率直接決定著三維場景構建、三維運動估計、機器人導航定位等任務的性能。

迭代最近點算法(Iterative Closest Point，ICP)作為點云配準中的一種最直接的方法，被廣泛應用^[1-2]。ICP深度圖像匹配算法是基于點對點的配準，可在較小空間變換范圍內或基于較好的初始估計下獲得較為準確的三維運動估計。然而經典ICP算法主要缺點不足如下：

(1)由于算法沒有包含局部形狀信息，限制了配準精度，因而每次迭代都要搜索最近點，計算效率低。經典ICP算法通過逐一比較的方式求解最近鄰關系，如對于具有M個點的場景數據集，需要在具有N個點的模型數據集中尋找最近鄰，逐一比較的方式其時間復雜度為 O(MN)，該過程存在很大的計算量和搜索量^[3]。

(2)在尋找匹配對應點時，經典ICP算法是假設歐氏距離最近的點為對應點，這樣很可能會產生錯誤的對應關系，造成后續計算出來的變換矩陣存在很大誤差，甚至可能使算法陷入局部最小值^[4]。

(3)在連續的深度圖像配準過程中，隨著傳感器獲取深度圖像數據的噪聲數據增加、數據測量精度的下降、以及非重疊匹配區域比例的增長，算法容易陷入局部最優^[5]。

發明內容

本發明提出了一種基于二維圖像引導的改進三維點云配準方法、系統及可讀存儲介質，其目的在于，克服現有技術中ICP配準計算效率低、精度不高的問題。

一種基于RGB-D相機的三維點云ICP配準改進方法，包括以下步驟：

步驟1：獲取相鄰幀場景的二維彩色圖像I_t、I_t+1和對應的深度圖像D_t、D_t+1；

利用RGB-D相機在t時刻和t+1時刻獲取相鄰幀場景的二維彩色圖像I_t和I_t+1以及與二維彩色圖像對應的深度圖像D_t和D_t+1；

步驟2：對深度圖像D_t和D_t+1進行以彩色圖像為引導的深度圖像濾波得到濾波后的深度圖像和

以彩色圖像對深度圖像進行引導濾波，用于深度圖像的噪點濾波和深度值平滑。相對于經典的中值濾波，模糊濾波，高斯濾波，雙邊濾波方法，本發明考慮了彩色圖像像素值的連續性，剔除了噪點的同時保留了更多的邊信息，獲取了更平滑的深度圖像。

步驟3：利用二維彩色圖像和濾波后的深度圖像生成三維點云；

將二維彩色圖像I_t和濾波后的深度圖像生成三維點云P_t，將二維彩色圖像I_t和濾波后的深度圖像生成三維點云P_t+1；