[發(fā)明專利]一種基于全等二基線匹配的點云全局配準方法

有效

• 申請?zhí)枺?/td>: 202011282691.0
• 申請日: 2020-11-17
• 公開（公告）號: CN112396641B
• 公開（公告）日: 2023-07-21
• 發(fā)明（設計）人: 徐二帥;許志華
• 申請（專利權(quán)）人: 中國礦業(yè)大學（北京）
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06T17/00;G06V10/74
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于全等二基線匹配的點云全局配準方法，其特征在于，該方法包括：

1)基于直線方向一致性的點云線段特征聚類，包含以下內(nèi)容：

兩待配準點云分別記為目標點云P和待配準點云Q，P和Q點云中直線集合分別為P_L'和Q'_L，判斷并刪除小于最短直線長度閾值χ的短線段，P和Q點云兩長線集合分別記作P_L和Q_L，基于曼哈頓假設，使用K均值聚類方法將直線分為三類，P和Q直線聚類結(jié)果分別記為{P_LX,P_LY,P_LZ}和{Q_LX,Q_LY,Q_LZ}，其中P_LZ和Q_LZ方向與重力反方向相反，至此完成帶有明確指向信息的點云線段特征數(shù)據(jù)準備；

2)基準二基線中點間距離取值范圍計算方法與一種算法迭代次數(shù)計算方法，包含以下內(nèi)容：

使用小邊長s_small構(gòu)建三維體素網(wǎng)格，用于存儲點云P的空間位置，按式(1)求取三維體素網(wǎng)格三邊的長度L_x、L_y和L_z，按式(2)求取三維網(wǎng)格體積V，按式(3)求取邊長s_big，用于構(gòu)建θ個體素網(wǎng)格的降采樣模型，柵格劃分完畢后將點云數(shù)據(jù)放到相應的柵格中，同時刪除那些不包含數(shù)據(jù)點的柵格，在每個柵格中，將離柵格重心最近的數(shù)據(jù)點保留下來，刪除其余的數(shù)據(jù)點，降采樣點云P'用于表達P點位空間分布，隨機選取點云P'中兩點，按式(4)計算兩點歐式空間距離D_ij，迭代計算ψ次取最大距離作為P空間直徑M_P，按式(5)確定二基線中點距離取值范圍D_CC，D_CC∈(α，β)，同時將目標點云P重疊區(qū)域設為內(nèi)點，按式(6)基于采樣一致性框架判定方法迭代次數(shù)N，

其中，x_max和x_min分別表示體素網(wǎng)格結(jié)構(gòu)中三維點坐標x方向最大值與最小值，同理y_max和y_min分別表示點坐標y方向最大值與最小值，z_max和z_min分別表示點坐標z方向最大值與最小值，

V＝L_xL_yL_z?????????????????????????????????(2)

其中，L_x、L_y和L_z表示三維體素三邊的長度，V表示三維網(wǎng)格體積，

其中，θ表示體素網(wǎng)格降采樣模型數(shù)量，s_big表示點云P點云構(gòu)建θ個體素網(wǎng)格邊長，

其中，(x_i,y_i,z_i)和(x_j,y_j,z_j)表示從降采樣點云P'中隨機抽取的兩個三維點；

其中，M_P代表點云P空間直徑，重疊度δ表示兩測站點云目視空間重疊區(qū)域占目標點云P的比例，δ∈(0，1)，β表示二基線中點最遠間距閾值，α表示二基線中點最近間距閾值；

其中，p表示采樣一致性模型構(gòu)建置信度，δ為點云重疊度，N為采樣一致性約束迭代次數(shù)；

3)基礎二基線構(gòu)建方法，包含以下內(nèi)容：

從目標點云P中隨機選擇兩配準基線記作和(l₁,l₂)，其中l(wèi)₁∈P_LZ，l₂∈P_LX?UP_LY，按式(7)計算直線中點距離D_cc，若重新選取(l₁,l₂)，按式(8)求解最短距離直線與二基線交點x_l1和x_l2，按式(9)計算兩空間直線最短距離D_min，按式(10)計算中點連線l_cc與(l₁,l₂)的夾角(Ω_z,Ω_h)，

其中，和為l₁的兩個端點坐標，和為l₂的兩個端點坐標，

其中，x_l1和x_l2為最短距離直線與二基線交點，

D_min＝|x_l1-x_l2|?????????????????????????????(9)

其中，D_min為l₁和l₂兩空間直線最短距離，

其中，l_cc為(l₁,l₂)的中點連線，為l_cc的方向向量，為l₁方向向量，為l₂方向向量，(Ω_z,Ω_h)為l_cc與(l₁,l₂)的夾角；

4)全等二基線構(gòu)建與匹配，包含以下內(nèi)容：

在Q_L集合中尋找對應同名線匹配，選取l_3i作為Z方向直線，i代表Q_LZ中第i個直線，i＝{1,2,3,...,n}，n為Q_LZ中直線總數(shù)，按式(11)計算l₁與l_3i長度差異量ζ，若ζ＞φ，φ為直線長度最大差異閾值，則判斷Q_LZ中i+1個直線，i+1≤n，否則使用臨近搜索算法快速查詢直線l₄，l₄∈Q_LX?UQ_LY，按式(12)，計算l₄中點與l_3i中點間隔d_cc，應滿足d_cc∈(D_cc-ξ，D_cc+ξ)，ξ為距離搜索允許誤差閾值，ξ＞0，按式(10)，計算l₄和l_3i中點連線l_cci與直線l_3i和l₄夾角，分別記為(Ω_zi,Ω_hi)，按式(13)，(Ω_zi,Ω_hi)與(Ω_z,Ω_h)需滿足最大角度差異閾值Φ約束，同時l₄與l_3i最短距離d_min需滿足d_min∈(D_min-μ,D_min+μ)，μ為最短距離允許誤差閾值，遍歷Q_LZ中所有的直線尋找滿足二基線特征約束的直線組合，記為{l_QXYi,l_QZi}，這里i表示同名二線編號，

其中，|l₁|表示直線l₁的長度，|l_3i|表示直線l_3i的長度，max(|l₁|,|l_3i|)表示l₁和l_3i中較長的直線長度，

其中，和分別為直線l₄和l_3i中點，d_cc為兩直線中點距離，

其中，Φ為同名二線中點連線夾角最大角度差異閾值；

5)基于全等二基線空間變化的點云轉(zhuǎn)換參數(shù)計算與參數(shù)質(zhì)量評價，包含以下內(nèi)容：

計算二線基(l₁,l₂)與同名二線集合{l_QXYi,l_QZi}中每個組合轉(zhuǎn)換參數(shù)，具體的，針對(l₁,l₂)與(l_QXYi,l_QZi)匹配組合，首先按式(14)計算l_QZi中點平移至坐標系原點的轉(zhuǎn)換矩陣T_ci，將點云Q平移得到Q_ci，然后按式(15)中羅德里格旋轉(zhuǎn)公式，將點云Q_ci繞l_QZi旋轉(zhuǎn)使得l₂與l_QXYi方向一致，求解旋轉(zhuǎn)角度與旋轉(zhuǎn)矩陣T_R，將Q_ci旋轉(zhuǎn)T_R得到點云Q_ciR，進而按式(16)將Q_ciR中l(wèi)_QZi的中點平移至l₁中點得到點云Q_ciRt，最后將Q_ciRt點云沿l_QZi軸上下平移，得到l₂與l_QXYi直線共線位移量t_z，按式(17)計算轉(zhuǎn)換矩陣T_zi，最終得到轉(zhuǎn)換后的點云Q_trans，參數(shù)評價部分，使用配準參數(shù)將點云Q轉(zhuǎn)換到點云P坐標系下，記錄Q點云中距P點云小于距離閾值λ的點數(shù)占Q點云總數(shù)的百分比τ_i，同時統(tǒng)計Q_L中直線在P_L中最近鄰直線方向一致的百分比ι_i，τ_i與ι_i越大表明配準效果越好，按式(18)計算配準得分，取score最大值對應的一組配準參數(shù)(R_maxτι,t_maxτι)作為候選配準參數(shù)，

其中，是直線l_QZi的中點坐標，t_ci表示平移向量，E為3乘3單位矩陣，T_ci表示l_QZi中點平移至坐標系原點的轉(zhuǎn)換矩陣，Q_ci表示Q平移轉(zhuǎn)換之后的點云；

其中，v_rot為l₁的方向向量，v_ori為l_QXYi的方向向量，k為Z軸單位向量，方向與重力方向相反，表示旋轉(zhuǎn)量，T_R為旋轉(zhuǎn)量繞Z軸的矩陣表達方式，Q_ciR表示Q_ci繞l_QZi旋轉(zhuǎn)T_R之后的點云；

其中，表示l₂中點坐標，t_ti表示Q_ciR中l(wèi)_QZi的中點平移至l₂中點平移向量，T_ci為平移量t_ti的矩陣表示，Q_ciRt表示Q_ciR平移T_ci后的點云；

其中，t_zi為點云Q_ciRt沿l_QZi平移向量，T_zi為t_zi的矩陣表達，Q_trans為最終的轉(zhuǎn)換點云，

score＝n_wτ_i+(1-n_w)ι_i????????????????????????????(18)

其中score為配準得分，n_w∈(0，1)為權(quán)重系數(shù)；

6)迭代求解最優(yōu)點云配準參數(shù)的方法，包含以下內(nèi)容：

為得到正確配準參數(shù)，基礎二基線的選取應保證在基準點云P和待配準點云Q的重疊區(qū)內(nèi)，基于采樣一致性框架能夠保證高置信度下獲取符合要求的基礎二基線，重復4-6，更新基礎二基線與全等二基線的匹配，獲得新的候選配準參數(shù)，更新最大score得分max_score，當?shù)螖?shù)超過N或max_score大于迭代停止閾值Γ時停止計算，輸出max_score對應的轉(zhuǎn)換參數(shù){R,t}，完成點云全局配準。