一种基于分布的点云配准方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113989340A(43)申请公布日2022.01.28(21)申请号202111277493.X(22)申请日2021.10.29(71)申请人天津大学地址300350天津市津南区海河教育园雅观路135号天津大学北洋园校区(72)发明人陶文源孙洛茹翁仲铭(74)专利代理机构天津市北洋有限责任专利代理事务所12201代理人刘子文(51)Int.Cl.G06T7/33(2017.01)G06N3/08(2006.01)G06N3/04(2006.01)权利要求书1页说明书5页附图2页(54)发明名称一种基于分布的点云配准方法(57)摘要本发明公开一种基于分布的点云配准方法，主要由点云特征提取模块、注意力重叠部分识别模块、点云分布式配准模块构成，用于存在部分重叠的点云配准任务中。其中点云特征提取模块使用RRI算法提取点云旋转不变描述子；注意力识别模块由GNN网络、多头自注意力模块、多头交叉注意力模块构成。学习点云的几何特征和全局特征，有效地识别源点云与目标点云的重叠点；点云分布式配准模块由三层全连接构成，得到点云的GMM分布参数用于点云配准计算，得到源点云与目标点云的旋转矩阵和平移矩阵。本发明可以应用于基于三维点云的定位与重建任务中。CN113989340ACN113989340A权利要求书1/1页1.一种基于分布的点云配准方法，其特征在于，包括点云特征提取网络、基于注意力机制的重叠点云识别网络、以及估计点云的混合高斯分布参数网络；点云特征提取网络由MLP和EdgeConv构成；基于注意力机制的重叠点云识别网络由自注意力层、GCN以及交叉注意力层构成；点云的混合高斯分布参数网络由一个MLP网络和一个池化层构成；具体包括以下步骤：(1)点云特征提取网络中：步骤101，输入源点云A与目标点云B，通过EdgeConv，聚合周围点信息，进行初步的点局部特征学习；步骤102，使用MLP全连接层，进行点云的特征提取与维度扩充；(2)基于注意力机制的重叠点云识别网络中：步骤201，输入经过特征提取后的源点云A与目标点云B，分别经过自注意力层，进一步叠加融合特征；步骤202，源点云A特征与目标点云B特征，同时进入交叉注意力层，用以信息交互，识别重叠部分点云；输出交互后的点云特征，与识别到的重叠部分点云的预测标签；步骤203，交互后的点云特征，通过自注意力层进一步融合提取后的特征；步骤204，识别到的重叠部分的点云，经过GCN层，聚合周围点信息，得到源点云A，与目标点云B的重叠部分点云的特征；(3)点云的混合高斯分布参数网络中：步骤301，识别到的源点云A与目标点云B的重叠部分，经过最大池化层，聚合为全局特征；步骤302，全局特征重叠扩充，与局部特征结合到一起，经过一个Decoder的MLP层，下采样为一个N*J的矩阵，其中N为点数，J为若干个混合高斯分布的分布个数；步骤303，根据N*J的矩阵，计算点云混合高斯分布分布参数θ；步骤304，根据源点云A的混合高斯分布参数与目标点云B的混合高斯分布参数，通过EM算法中的最大期望优化计算出位姿矩阵T。2CN113989340A说明书1/5页一种基于分布的点云配准方法技术领域[0001]本发明涉及三维图像处理、点云配准、注意力机制和机器学习领域，特别是涉及一种应用于点云配准任务的网络架构，主要优化了当配准的源点云与目标点云只存在部分重叠的配准任务。背景技术[0002]三维图像是立体描述三维空间的一种形式，有别于二维图像，三维图像通常的数据形式有多视角图像、体素、三维网格以及三维点云。其中三维点云是将三维空间用一个一个点来表示，通常点信息包括空间的x，y，z坐标，以及颜色RGB信息来表示，可以完整的描述三维场景，是一种简单且灵活的三维图像数据形式。正因为这样，三维点云被广泛应用于三维重建，无人驾驶等广泛任务中。[0003]在三维重建和无人驾驶等任务中，点云配准任务是其中的一项基础任务，三维重建和无人驾驶中的建图，就是将传感器获得的三维点云数据，经过数据处理，点云的配准，重新还原三维空间。其中点云配准任务可以描述为：存在部分重叠的源点云A与目标点云B，由于二者坐标系不统一，需要经过点云配准，求得二者的位姿变化矩阵T(4*4)。使得源点云A与位姿变化矩阵T得到转换到目标点云的坐标系下，从而能够将源点云与目标点云进行合并。其中位姿变换矩阵T由一个3*3的旋转矩阵和一个1*3的平移矩阵构成。[0004]传统的点云配准任务，可以分为两大类：一种是基于优化的点对点的配准方法，通常的技术路线为选择源点云与目标点云的关键点，对于源点云中的所有关键点，在目标点云中找到其相对应的点，然后使用优化算法，得出最优的源点云与目标点云所匹配的旋转矩阵T，比