[發明專利]一種低重疊率的三維點云配準方法

有效

• 申請號: 202011017246.1
• 申請日: 2020-09-24
• 公開（公告）號: CN112150523B
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 張元;李曉燕;韓燮
• 申請（專利權）人: 中北大學
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06T17/00;G06K9/62;G06V10/762
• 代理公司: 太原申立德知識產權代理事務所(特殊普通合伙) 14115
• 代理人: 程園園

本發明公開了一種低重疊率的三維點云配準方法，屬于機器視覺技術領域。針對重疊率低的兩片點云配準難度大、精度低等問題。首先，利用點云的曲率特征進行多尺度描述符的建立，確保點云數據完整并且使冗余數據最小；其次，利用多尺度描述符的角度差異進行對應關系聚類分塊，獲取源點云與目標點云的重疊區域；最后，將重疊區域的點云以及它們的對應關系代入凸優化問題，進行離群值的去除和對應關系的優化，實現粗配準并利用ICP算法進行細化。本發明能夠縮小點云配準的有用搜索范圍，減少配準計算量，為初始重疊程度較低的點云數據提供更具優勢的配準精度和時間效率。本方法可廣泛應用于三維模型重建、文化遺產管理、機器人導航定位等領域。

技術領域

本發明屬于機器視覺技術領域，具體涉及一種低重疊率的三維點云配準方法。

背景技術

近些年來，三維點云數據被廣泛地應用于三維模型重建、文化遺產管理、機器人導航定位等領域。快速、準確的三維點云配準技術是關鍵技術和研究重點。三維點云配準的目的是找到能使兩個輸入點云對準一個共同坐標系的最佳剛體變換。在實際應用中，數據可能會受到嚴重的遮擋，兩個點云之間重疊區域很小，這使得尋找最佳剛體變換的過程充滿挑戰。因此，針對重疊范圍更小的點云，尋找快速、準確、魯棒的配準算法是當今的一個活躍的研究主題。

目前，研究最熱的三維點云配準算法可以分為兩大類：基于特征的配準方法和基于無特征的配準方法。前者是進行關鍵點提取并利用能夠在剛體變換下保持不變的特征描述子，找到兩片點云的對應關系，進而進行配準。但是當重疊率較低時，此類方法提取特征的質量和速度會受到限制。后者是在原始點云的基礎上直接進行配準。此類方法依靠底層采樣策略識別無異常子集，從而建立兩個子集的對應關系。隨機采樣一致性算法(RANSAC)在存在噪聲和離群值的情況下，很難選出迭代所需要的優質三對對應點作為樣本子集，配準效果會受到很大影響。此方法可以使用局部優化技術來改進。四點同余集(4PCS)算法采取的是枚舉4個共面點所有一致子集的策略，計算代價比較高。Super4PCS算法對其進行改進，引入智能索引，使得其復雜度從二次降為線性。Huu M.Le等人通過采用圖匹配問題的特殊實例，提出了新的采樣策略。通過解決松弛凸問題的方式快速搜索對應關系，用于估計和驗證假設，該方法在運行時間和處理含大量噪聲和離群值的情況上有著很大的優勢。

依據文獻，當源點云與目標點云的重疊率低于60％時，兩片點云的重疊程度低。對于低重疊率的點云數據，由于它們的重疊部分點云數據量很少，可以提取的特征有限，而直接利用原始點云配準會產生很多的離群子集，處理起來耗時而且容易匹配錯誤。因此，低重疊率的點云配準問題是配準中的難點。近年來，一些研究者將上述兩大類方法各自的優勢結合在一起，提出了綜合性的方法，這為低重疊率點云的配準研究提供了新的方向。

發明內容

針對重疊率低的兩片點云配準難度大、精度低等問題，本發明提供了一種低重疊率的三維點云配準方法。

為了達到上述目的，本發明采用了下列技術方案：

一種低重疊率的三維點云配準方法，包括以下步驟：

步驟1，基于曲率特征和法向量構建多尺度描述符；

步驟2，基于多尺度描述符建立角度差異衡量區域之間的相似程度，進行聚類分塊；

步驟3，在對應關系聚類分塊中基于SDRSAC算法，判斷匹配潛力，去除離群值，再優化對應關系完成配準。

進一步，所述步驟1還包括以下步驟：

步驟1.1，對于每個查詢點P在每個鄰域半徑r_l構建協方差矩陣，