[發明專利]一種基于RANSAC測度優化的三維點云配準方法

在審

• 申請號: 202110016027.X
• 申請日: 2021-01-07
• 公開（公告）號: CN112652003A
• 公開（公告）日: 2021-04-13
• 發明（設計）人: 楊佳琪;黃志強;張艷寧;陳家豪;權思文
• 申請（專利權）人: 西北工業大學
• 主分類號: G06T7/33
• 分類號: G06T7/33
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 劉新瓊

本發明涉及一種基于RANSAC測度優化的三維點云配準方法，包括從數據庫中讀取點云數據；給點云數據添加噪聲；計算點云的匹配集合，獲取候選匹配集；對匹配集合進行迭代隨機采樣，計算場景點云與目標點云之間的位姿矩陣；在時間消耗和RMSE兩方面進行評價算法的優劣。本方法計算得出的位姿仍然能使場景點云與目標點云有較高的吻合度和重疊率，抗干擾能力更強。

技術領域

本發明屬于計算機視覺領域，具體涉及一種基于隨機抽樣一致性(RANdom SAmpleConsensus，RANSAC)測度優化的三維點云配準方法。

背景技術

點云是一種由若干離散、無序、無拓撲結構的三維點組成，它能夠精確的反映三維物體的真實尺寸和形狀結構，且具有抗光照和尺度變化的等優點。隨著科技的發展，三維點云配準廣泛應用于計算機視覺、計算機圖形學、遙感、機器人等領域。具體的，不同視角下的兩組點云序列配準可應用于三維目標重建、三維場景重建以及三維數據融合；不同時刻的兩組點云序列配準可應用于三維運動物體姿態跟蹤；模型-場景點云之間的配準則廣泛應用于三維目標檢測于識別，如機器人領域的物體抓取與擺放，以及空對地精準目標打擊等。現有的基于RANSAC的三維點云配準及其變種算法是一種比較有效的點云配準算法，且這些算法在工業界已有相應的應用。這種算法的主要思想是采用隨機抽樣一致性算法，迭代的估計出最優的變換位姿，進而實現配準的目的。但是目前的基于RANSAC及其變種的三維點云配準算法都大大小小的存在一些問題，比如算法適應性不強，他們大多只能在某些特定的數據集有比較好的效果；魯棒性不強，當數據受到噪聲干擾，獲取的點云分辨率較低，或者點云中存在孔洞和重復模式時，性能就會有明顯的下降。因此如果能夠在各種復雜情況下都得到一個比較高的配準準確率，將非常有利于提高配準結果的可靠性和穩定性。

發明內容

要解決的技術問題

為了避免現有技術的不足之處，本發明提出一種基于RANSAC測度優化的三維點云配準方法。該方法將機器學習常用的損失函數與傳統RANSAC算法相結合，優化現有的評估測度。該方法可以在不同種類的數據集下都得到較高的配準準確率；此外，在數據受到各種干擾，傳統RANSAC及其變種算法配準效果特別差甚至不能進行配準的情況下，本方法仍然能有較高的配準率。

技術方案

一種基于RANSAC測度優化的三維點云配準方法，其特征在于步驟如下：

S1：對輸入的場景點云和目標點云進行降采樣，依據降采樣后點云的關鍵點和描述子，計算場景與目標的匹配集合，再將匹配集合進行排序，篩選出K根候選匹配；

S2：設置初始位姿得分Score和初始迭代次數Iterators；

S3：在候選匹配中隨機選取三根匹配，并依此生成假設；

S4：采用優化測度評估生成的假設，評估得分記作Score Iterator；

S5：根據評估得分更新Score，迭代步驟S3和S4，直至迭代次數。

本發明技術方案更進一步的說：所述S1中的K根候選匹配的具體過程包括：

S11：建立三維體素網格，計算每個體素的重心，將體素的重心作為降采樣的值；

S12：計算每根匹配在場景點云和目標點云中索引的對應關系：

其中，與分別表示場景點云與目標點云中第i和第j個關鍵點處的描述子，n表示目標點云中關鍵點的個數；

S13：記場景點云關鍵點為P^s，目標點云關鍵點為P^t，依據公式(1)中的對應關系計算兩點云之間的匹配集合為C＝{c_i}，其中且