一种基于全局特征与局部特征融合的点云配准方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115908514A(43)申请公布日2023.04.04(21)申请号202211273775.7G06V10/82(2022.01)(22)申请日2022.10.18(71)申请人西安电子科技大学地址710071陕西省西安市太白南路2号(72)发明人武越朱晨卓马文萍苗启广公茂果谢飞(74)专利代理机构西安嘉思特知识产权代理事务所(普通合伙)61230专利代理师李薇(51)Int.Cl.G06T7/33(2017.01)G06V10/80(2022.01)G06V10/44(2022.01)G06V10/42(2022.01)G06V10/74(2022.01)权利要求书2页说明书7页附图1页(54)发明名称一种基于全局特征与局部特征融合的点云配准方法(57)摘要本发明公开了一种基于全局特征与局部特征融合的点云配准方法，包括：获取基准点云和待配准点云；分别提取基准点云与待配准点云的点云特征，构成初始基准点云特征集和初始待配准点云特征集；通过引入自注意力机制与交叉注意力机制，同时引入基准点云与待配准点云之间的相关性信息，构成最终基准点云特征集和最终待配准点云特征集；获得每一个点对之间的相似度信息；根据点对之间的相似度信息构建匹配点对关系矩阵；获取基准点云和待配准点云的变换模型参数；对基准点云和待配准点云进行配准。本发明通过结合局部特征与全局特征，充分挖掘点云数据潜在的空间拓扑结构信息，获得具有丰富语义信息的点云融合特征，能够有效提升点云配准的精度。CN115908514ACN115908514A权利要求书1/2页1.一种基于全局特征与局部特征融合的点云配准方法，其特征在于，包括：S1：获取基准点云和待配准点云；S2：分别提取所述基准点云与所述待配准点云的点云特征，构成初始基准点云特征集和初始待配准点云特征集；S3：基于所述初始基准点云特征集和所述初始待配准点云特征集，通过引入自注意力机制与交叉注意力机制，同时引入所述基准点云与所述待配准点云之间的相关性信息，构成最终基准点云特征集和最终待配准点云特征集；S4：对所述最终基准点云特征集和所述最终待配准点云特征集进行相似度计算，获得每一个点对之间的相似度信息；S5：根据每一个点对之间的相似度信息构建匹配点对关系矩阵；S6：根据所述匹配点对关系矩阵获取所述基准点云和所述待配准点云的变换模型参数；S7：根据所获得变换模型参数对所述基准点云和所述待配准点云进行配准。2.根据权利要求1所述的基于全局特征与局部特征融合的点云配准方法，其特征在于，所述S2包括：S2.1：利用多层感知机分别对所述基准点云和所述待配准点云进行编码，在不同层级间通过跳跃连接为最终特征引入多维度特征信息，以分别得到所述基准点云和所述待配准点云对不同维度数据信息感知的全局特征；S2.2：对所述基准点云和所述待配准点云通过使用k最近邻算法构建点云内部的局部结构，分别获得所述基准点云和所述待配准点云的局部特征；S2.3：采用自适应融合策略对获得的点云全局特征与点云局部特征进行融合，分别获得融合后的初始基准点云特征集和初始待配准点云特征集。3.根据权利要求2所述的基于全局特征与局部特征融合的点云配准方法，其特征在于，所述S2.2包括：S2.21：对所述基准点云和所述待配准点云通过使用k最近邻算法构建点云内部的局部结构，获得边信息，所述边信息表示为：其中，表示所述基准点云或所述待配准点云中心点xi与第k个点所构成的边，表示所述基准点云或所述待配准点云中心点xi经由K最近邻算法所找到的第k个点；S2.22：通过对所述基准点云或所述待配准点云的边信息分别进行卷积网络提取，获得所述基准点云和所述待配准点云的局部特征。4.根据权利要求2所述的基于全局特征与局部特征融合的点云配准方法，其特征在于，在步骤S2.3中，融合后的初始基准点云特征集或初始待配准点云特征集表示为：Fmix＝α1Fglobal+α2Flocal2CN115908514A权利要求书2/2页其中，Fmix为基准点云或待配准点云的融合特征，Fglobal为基准点云或待配准点云的全局特征，Flocal为基准点云或待配准点云的局部特征，αi为归一化权重，∑αi＝1，wi和wj表示初始化权重参数。5.根据权利要求1所述的基于全局特征与局部特征融合的点云配准方法，其特征在于，所述S3包括：S3.1：采用自注意力机制分别为所述初始基准点云特征集和所述初始待配准点云特征集按照显著性分配权重，获得经过自注意力机制增强后的特征集：TTFnew＝softmax(mlp(softmax(FF)))softmax(FF)F其中，F表示所述基准点云特征集或所述待配准点云特征集的融合特征，Fnew为经自注意力机制增强后的基准点云特征集