[發明專利]一種基于主成分分析的平面點云匹配方法及裝置

在審

• 申請號: 202110097200.3
• 申請日: 2021-01-25
• 公開（公告）號: CN112767457A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 吉長江
• 申請（專利權）人: 北京影譜科技股份有限公司
• 主分類號: G06T7/32
• 分類號: G06T7/32;G06K9/62;G06N3/04
• 代理公司: 北京萬思博知識產權代理有限公司 11694
• 代理人: 高鎮

1.一種基于主成分分析的平面點云匹配方法，包括：

對兩個特征點云的主要成分進行提取，得到所述兩個特征點云的主方向；

使用PCA主成分分析法對所述兩個特征點云的主方向進行初始配準；

截取所述兩個特征點云周圍單位長度的像素輸入到CNN神經網絡進行對比，確定所述兩個特征點云的匹配結果。

2.根據權利要求1所述的方法，其特征在于，還包括：

當所述兩個特征點云被正確匹配時，繼續進行所述兩個特征點云的相似度計算；

當所述兩個特征點云未被正確匹配時，輸出匹配結果：所述兩個特征點云不相似。

3.根據權利要求1或2所述的方法，其特征在于，使用PCA主成分分析法對所述兩個特征點云的主方向進行初始配準包括：

對所述兩個特征點云的協方差信息進行特征值分解，得到所述兩個特征點云對應的特征向量矩陣；

對所述特征向量矩陣進行矩陣變換將所述兩個特征點云的主方向進行配準。

4.根據權利要求3所述的方法，其特征在于，對所述兩個特征點云的協方差信息進行特征值分解，得到所述兩個特征點云對應的特征向量矩陣包括：

分別計算源點云X和目標點云Y的質心坐標，表示為xmean和ymean；

分別計算源點云X和目標點云Y的協方差矩陣，表示為Xcovar和Ycovar；

分別對獲得的兩個協方差矩陣進行特征值分解，得到對應的兩個特征向量矩陣，表示為Xeigen和Yeigen，

其中，X＝{x_i∈R³|i＝1，2，…，M}，Y＝{y_j∈R³|j＝1，2，…，N}。

5.根據權利要求4所述的方法，其特征在于，對所述特征向量矩陣進行矩陣變換包括：

根據獲得的特征向量矩陣按照計算旋轉矩陣R；

根據獲得的旋轉矩陣R按照T＝y_mean-R*x_mean計算平移矩陣T；

根據所述旋轉矩陣R和平移矩陣T按照X_init＝R*X+T對源點云執行計算。

6.根據權利要求5所述的方法，其特征在于，截取所述兩個特征點云周圍單位長度的像素輸入到CNN神經網絡進行對比，確定所述兩個特征點云的匹配結果包括：

將經過計算的點云X_init與目標點云Y作為CNN神經網絡的輸入；

利用CNN神經網絡分別得到源點云X和目標點云Y的特征圖；

用余弦相似度算法計算源點云X和目標點云Y的特征圖之間的相似度。

7.根據權利要求6所述的方法，其特征在于，用余弦相似度算法計算源點云X和目標點云Y的特征圖之間的相似度包括：

當計算得到的余弦相似度小于預設的閥值則認為相似，否則不相似。

8.一種基于主成分分析的平面點云匹配裝置，包括：

主成分分析模塊，設置為對兩個特征點云的主要成分進行提取，得到所述兩個特征點云的主方向；

初始配準模塊，設置為使用PCA主成分分析法對所述兩個特征點云的主方向進行初始配準；

卷積神經網絡模塊，設置為截取所述兩個特征點云周圍單位長度的像素輸入到CNN神經網絡進行對比，確定所述兩個特征點云的匹配結果。

9.根據權利要求8所述的裝置，其特征在于，還包括：判斷模塊，設置為

當所述兩個特征點云被正確匹配時，繼續進行所述兩個特征點云的相似度計算；

當所述兩個特征點云未被正確匹配時，輸出不相似匹配結果。

10.根據權利要求8或9所述的裝置，其特征在于，所述初始配準模塊使用PCA主成分分析法對所述兩個特征點云的主方向進行初始配準包括：

對所述兩個特征點云的協方差信息進行特征值分解，得到所述兩個特征點云對應的特征向量矩陣；

對所述特征向量矩陣進行矩陣變換將所述兩個特征點云的主方向進行配準。