基于特征点法线与全局点云曲率优化的点云配准方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116012423A(43)申请公布日2023.04.25(21)申请号202211450587.7(22)申请日2022.11.18(71)申请人中国地质大学（武汉）地址430000湖北省武汉市洪山区鲁磨路388号(72)发明人梅爽李磊文国军马伟杰贺鑫付刚(74)专利代理机构武汉知产时代知识产权代理有限公司42238专利代理师吴晓茜(51)Int.Cl.G06T7/33(2017.01)G06T7/60(2017.01)G06T7/64(2017.01)权利要求书4页说明书9页附图2页(54)发明名称基于特征点法线与全局点云曲率优化的点云配准方法(57)摘要本发明公开了一种基于特征点法线与全局点云曲率优化的点云配准方法，包括以下步骤：从目标点云和参考点云中提取表面关键点，利用FPFH描述子搜索构建一一对应的特征点对；基于正态分布构建一种基于距离差值、法向量角度差值和曲率差值自适应阈值的综合剔除条件，对特征点对中的离群点对进行剔除；利用保留下来的特征点对构建包含法向量约束的马氏距离误差度量，将马氏距离误差度量优化后实现位姿的粗对齐；基于位姿粗对齐算法与加入综合剔除条件的改进ICP算法结合交叉迭代，实现点云精细配准。该方法有助于提高点云配准的收敛速度和精度。多种实验证明，该方法对点云初始位置差具有很高的容忍度，对迭代过程中的局部极小现象有明显的抑制作用。CN116012423ACN116012423A权利要求书1/4页1.一种基于特征点法线与全局点云曲率优化的点云配准方法，其特征在于，包括以下步骤：S1：分别从目标点云和参考点云中提取表面关键点，利用FPFH描述子搜索构建一一对应的特征点对；S2：基于正态分布构建一种基于距离差值、法向量角度差值和曲率差值自适应阈值的综合剔除条件，利用所述综合剔除条件对特征点对中的离群点对进行剔除；S3：利用保留下来的特征点对构建包含法向量约束的马氏距离误差度量，将所述马氏距离误差度量优化后实现位姿的粗对齐；S4：基于位姿粗对齐算法与加入所述综合剔除条件的改进ICP算法结合交叉迭代，实现点云的精细配准。2.根据权利要求1所述的点云配准方法，其特征在于，步骤S1具体包括：S11：采用ISS算法提取参考点云和目标点云的表面关键点作为候选点，设置阈值条件，将满足阈值条件的候选点选为关键点；S12：对参考点云和目标点云中提取的关键点构建FPFH描述子，所述FPFH描述子为33维度的特征向量；S13：对于参考点云中的关键点FPFH描述子，利用33维的KD树对目标点云中关键点的FPFH描述子进行空间搜索，找到最相似的对应点，构成特征点对。3.根据权利要求2所述的点云配准方法，其特征在于，步骤S11具体包括：S111：对每个候选点pi，查询在邻域半径内的所有点pj，计算其权重wij；S112：结合权重计算每个候选点pi的协方差矩阵cov(pi)：S113：计算每个候选点pi的协方差矩阵的特征值{λ1，λ2，λ3}，按照大小顺序进行排序，根据特征值的变化关系设置阈值条件，将满足阈值条件的候选点将选为关键点；所述阈值条件为：式中，ε1和ε2分别表示第一阈值和第二阈值。4.根据权利要求1所述的点云配准方法，其特征在于，步骤S2具体包括：S21：将参考点云中的特征点经过变换后与目标点云对应特征点之间的欧式距离作为计算得到的距离差值；S22：将参考点云中的特征点经过变换后与目标点云对应特征点两者法向量之间的夹角作为法向量角度差值；S23：将参考点云中的特征点经过变换后与目标点云对应特征点两者曲率之间的对数差作为曲率对数差值；S24：计算特征点对的在S21、S22、S23得到的距离差值、法向量角度差值、曲率对数差值三项数据分布，设定一个阈值间隔来近似表示那些正确点对的所在区间，进行正态分布拟合得到分布的均值和标准偏差，所述阈值间隔由Wilson置信区间选择一个标准区间，最终计算得到的三类置信阈值区间为其表达式为：2CN116012423A权利要求书2/4页式中，distance、normal，curvature分别表示距离差值、法向量夹角差值、曲率差值的三类阈值区间，M表示已知变换矩阵，分别表示参考点云与目标点云上的对应点，分别表示对应点的相应法向量，分别表示对应点处邻域的曲率大小，N表示对应变换的维度大小，表示变换矩阵乘积；S25：利用S24中计算的距离差值、法向量角度差值、曲率差值三类阈值区间，若特征点对的距离差值、法向量角度差值、曲率差值同时位于三类阈值区间中，则保留该特征点对；否则，作为离群点剔除。5.根据权利要求1所述的点云配准方法，其特征在于，步骤S3具体包括：S31：根据S2保留下来的特征点对，构建粗对齐的马氏距离误差度量函数，所述马氏距离误差度