[發明專利]一種三維點云數據特征點提取方法及應用

在審

• 申請號: 202010548910.9
• 申請日: 2020-06-16
• 公開（公告）號: CN111710023A
• 公開（公告）日: 2020-09-25
• 發明（設計）人: 熊彪
• 申請（專利權）人: 武漢稱象科技有限公司
• 主分類號: G06T15/00
• 分類號: G06T15/00;G06T7/10;G06T7/30;G06T5/00
• 代理公司: 上海精晟知識產權代理有限公司 31253
• 代理人: 安曼

1.一種三維點云數據特征點提取方法，其特征在于，具體包括以下步驟：

S1：將待進行特征點提取的點云數據進行柵格化，得到柵格數據，再將依據原始點云數據生成的柵格數據進行切割劃分，得到若干連續分布的單位柵格；

S2：依據原始點的位置，分析計算單位柵格內所包含的原始點云數據的點數密度值；

S3：將密度值不為0的密度柵格進行濾波降噪處理；

S4：根據柵格密度值計算單位柵格的密度值梯度、密度值二階導數及密度值的協方差矩陣；

S5：依據單位柵格的密度值協方差矩陣構造特征點度量函數，計算特征點度量函數值；

S6：將計算的特征點度量函數值與閾值進行比較判斷，將滿足判斷條件的單位柵格用柵格點替代，此柵格點即為特征點。

2.根據權利要求1所述的一種三維點云數據特征點提取方法，其特征在于，S1中得到柵格數據的具體過程包括：對輸入點云數據進行遍歷，得到X、Y、Z三個維度上的最大值與最小值，根據六個最值構造剛好能夠容納下點云數據所有點的大立方體，大立方體的邊緣位置即為原始輸入點云數據中最邊界的點位置；

得到的柵格數據依據人為設定的單位柵格長度進行分割，均分割成若干長寬高相等的小立方體單位柵格。

3.根據權利要求2所述的一種三維點云數據特征點提取方法，其特征在于，S2中計算單位點云密度值的具體步驟包括：

S21：記處于大立方體最左下角的單位柵格為(0，0，0)號單位柵格；

S22：計算原始點云數據中各點到(0，0，0)號單位柵格中心的距離，根據距離與柵格邊長的倍數關系將每一個點劃分到所屬的單位柵格中；

S23：對處于同一編號單位柵格的所有原始點云數據中的點，依據點的位置與所屬的單位柵格中心之間的距離，進行加權計算，得到單位柵格點云密度值其中，N是當前柵格內包含的原始點的數量，ω_j是采用高斯分布的規律，依照原始點與柵格中心的位置關系進行密度加權的權值，X_j是原始點云中的當前計算點的三維坐標信息，X_i是當前柵格中心的三維坐標信息。

4.根據權利要求1所述的一種三維點云數據特征點提取方法，其特征在于，S3中所采用的濾波方式有中值濾波和高斯濾波，分別用來去除密度柵格中的椒鹽噪聲和高斯白噪聲；

所述中值濾波的具體過程包括：在xoy、xoz、yoz三個平面上分別進行平面中值濾波，再對整體的柵格進行立方體模板中值濾波操作，最后將四個濾波結果進行相加，對于結果中將被更改2次以上的單位柵格密度值，取四個濾波結果中的最大值，得到中值濾波的最終結果；

所述高斯濾波的具體過程包括：在xoy、xoz、yoz三個平面及整體柵格上分別進行高斯濾波，將得到的四個濾波結果進行相加，對于結果中將被更改2次以上的單位柵格密度值，取四個濾波結果中的最大值，得到高斯濾波的最終結果；

計算四個高斯濾波結果所采用的具體計算公式為VGD_μov(μ，v)＝VD_μov(μ，v)*G(x，y)，其中G(x，y)是高斯濾波函數，VGD是密度柵格VD進行高斯濾波后得到的結果，μ和v代表所選平面的兩個坐標軸，(μ，v)代表當前計算單位柵格在當前坐標關系下的坐標值。

5.根據權利要求1所述的一種三維點云數據特征點提取方法，其特征在于，S4中采用帶權五點差商法計算單位柵格的密度值梯度，具體計算公式：

其中D(x)為柵格密度值；

根據計算得到的柵格密度值梯度，進一步以帶權五點差商公式

計算密度值二階導數，繼而計算D_xy、D_xz、D_yy、D_yz、D_zz；

利用計算的密度值二階導數構造協方差矩陣