一种非刚性点云配准方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115661221A(43)申请公布日2023.01.31(21)申请号202211078139.9(22)申请日2022.09.05(71)申请人西北农林科技大学地址712100陕西省咸阳市杨凌示范区邰城路3号(72)发明人黄会敏朱荣红谢淼淼何奕龙柳牧龙卢晓昀(74)专利代理机构西安铭泽知识产权代理事务所(普通合伙)61223专利代理师田甜(51)Int.Cl.G06T7/35(2017.01)G06F17/16(2006.01)权利要求书2页说明书6页附图2页(54)发明名称一种非刚性点云配准方法(57)摘要本发明公开了一种非刚性点云配准方法，涉及三维重建技术领域，包括以下步骤：对采集的非刚性点云的数据点云和参考点云分别进行标准化处理；计算数据点云的局部线性嵌入权重矩阵L；根据矩阵L，计算数据点云的矩阵M；计算数据点云的格拉姆矩阵G；以参考点云为基准，计算数据点云的对应矩阵P；基于矩阵G、矩阵M和矩阵P，利用L‑M算法，迭代计算非刚性变换系数矩阵W；根据迭代次数，更新非刚性变换系数矩阵W中的λ和σ2，再次计算矩阵P和非刚性变换系数矩阵W；设定迭代终止条件：迭代次数到达设定值或者目标函数值相对误差小于阈值；迭代终止后，基于矩阵G和非刚性变换系数矩阵W，输出非刚性变换T。CN115661221ACN115661221A权利要求书1/2页1.一种非刚性点云配准方法，其特征在于，包括以下步骤：对采集的机器人手臂姿态信息的数据点云和参考点云分别进行标准化处理；求取数据数据点云邻近点的线性重建系数，结合最小化代价函数法，计算数据点云的局部线性嵌入权重矩阵L；并根据矩阵L，计算数据点云的重构系数矩阵M，M＝(I‑L)(I‑L)T；计算数据点云的格拉姆矩阵G；以参考点云为基准，计算数据点云的对应概率矩阵P；基于矩阵G、矩阵M和矩阵P，利用L‑M算法，迭代计算非刚性变换系数矩阵W；根据迭代次数，更新非刚性变换系数矩阵W中的参数，根据更新后的参数再次计算矩阵P和非刚性变换系数矩阵W；设定迭代终止条件：迭代次数到达设定值或者目标函数值相对误差小于阈值；迭代终止后，基于矩阵G和非刚性变换系数矩阵W，输出非刚性变换T，并基于非刚性变换T判断机器人手臂姿态信息的准确性。2.如权利要求1所述的一种非刚性点云配准方法，其特征在于，所述对采集的机器人手臂姿态信息的数据点云和参考点云分别进行标准化处理，具体包括：采集的原始点云分别为：数据点云为机器人手臂姿态的实时视图，参考点云为机器人手臂环境对应的地图，其中，D代表点云维度，M代表数据点个数，N代表参考点个数；标准化处理后的两点云分别是：数据点云YM×D＝(y1,...,TTyM)和参考点云XN×D＝(x1,...,xN)，其中，和分别为原始数据点云和参考点云的平均值，σy和σx分别是原始数据点云和参考点云的均方差。3.如权利要求1所述的一种非刚性点云配准方法，其特征在于，所述计算数据点云的局部线性嵌入权重矩阵L，具体包括：通过每个数据点ym邻近点的线性重建系数对每个数据点ym进行刻画，局部线性嵌入权重通过最小化代价函数得到，其中，yi,i＝1,…,K为数据点ym的K邻近点。4.如权利要求3所述的一种非刚性点云配准方法，其特征在于，所述局部线性嵌入权重矩阵L的计算，包括以下步骤：对每一数据点ym，计算其K邻近点；m对每一数据点ym，计算K邻近点中心化后的相关矩阵C，其中yi和yj均是数据点ym的K邻近点；计算相关矩阵Cm的逆矩阵(Cm)‑1，并添加一个单位矩阵的倍数再求相关矩阵的逆，记为mmm‑1mR＝(C+ε·trace(C)·IK×K)·IK×1，则对每个数据点ym，其权重系数L(m,:)＝R/summ(Rm)，其中C为地图点云中任一数据点ym的K邻近点计算得到的相关矩阵，其维度为K×K，mm‑3ε·trace(C)·IK×K是和C同阶的一个单位矩阵的倍数，ε是一个常数，设定为10，tracemm(C)为矩阵C的迹，IK×K是维度为K×K的单位矩阵，IK×1维度为K×1的单位矩阵。5.如权利要求4所述的一种非刚性点云配准方法，其特征在于：2CN115661221A权利要求书2/2页利用计算所述数据点云的格拉姆矩阵G，其中初始化β＝2，yi和yj均是数据点ym的K邻近点。6.如权利要求1所述的一种非刚性点云配准方法，其特征在于：利用计算所述数据点云的对应概率矩阵P，其中D代表点云维度，M代表数据点个数，N代表参考点个数，xn为任一实时视图点云坐标，ym为任一地图点云坐标，T(ym)为ym经过非刚性变换后的坐标，即T(ym)＝ym+G(m,·)W。7.如权利要求1所述的一种非刚性点云配准方法，其特征在于：利用(d(P·1)G+λ1+ασ2MG)