一种基于张量投票方法的点云配准方法.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CN113902779A(43)申请公布日2022.01.07(21)申请号202111141554.X(22)申请日2021.09.28(71)申请人燕山大学地址066004河北省秦皇岛市海港区河北大街438号(72)发明人林洪彬郭聃杨博关勃然魏佳宁陈泽宇(74)专利代理机构石家庄众志华清知识产权事务所(特殊普通合伙)13123代理人田秀芬(51)Int.Cl.G06T7/32(2017.01)G06T5/00(2006.01)权利要求书2页说明书7页附图2页(54)发明名称一种基于张量投票方法的点云配准方法(57)摘要本发明提供一种基于张量投票方法的点云配准方法，属于机器视觉目标姿态识别领域，包括以下步骤：获取目标物体的两组点云数据；对两组点云数据滤除噪声；将预处理之后的两组点云数据进行张量编码；将编码后的两组点云数据进行张量投票；投票完成后对张量矩阵进行SVD分解；将两组点云处理得到的特征值做比对，创建相似度函数∆，取∆值最小的一组点作为张量配准的结果；计算两组点云特征矩阵的数学关系，得到旋转矩阵和平移向量。本发明解决现有研究方法中的效率低、耗时长、误差大的问题。CN113902779ACN113902779A权利要求书1/2页1.一种基于张量投票方法的点云配准方法，其特征在于：包括以下步骤：S1、获取目标物体的两组点云数据，一组作为原始点云，一组作为目标点云；S2、对两组点云数据进行预处理，采用半径滤波的方法滤除噪声；S3、将预处理之后的两组点云数据进行张量编码，根据两组点云数据中己知的位置信息，将输入数据的两组点云数据分别表示为一系列稀疏张量，由正定对称矩阵表示；S4、将编码后的两组点云数据进行张量投票；S5、投票完成后对张量矩阵进行SVD分解,得到的两组点云的特征数学化表示；S6、将两组点云处理得到的特征值做比对，创建相似度函数Δ，取Δ值最小的一组点作为张量配准的结果；S7、根据S5得到的两组点云的特征数学化表示，计算两组点云特征矩阵的数学关系，得到旋转矩阵和平移向量。2.根据权利要求1所述的一种基于张量投票方法的点云配准方法，其特征在于：S1中，所述两组点云数据是目标物体通过刚性变换得到的，刚性变换保证点之间的距离不变、线之间的夹角不变。3.根据权利要求1所述的一种基于张量投票方法的点云配准方法，其特征在于：S1中，所述两组点云数据的采集工具包括单目成像系统和双目成像系统，所述单目成像系统包括深度相机。4.根据权利要求1所述的一种基于张量投票方法的点云配准方法，其特征在于：S2中，所述半径滤波的方法为当一个点周围的点数少于m个时，则认为这个点为离群点，在数据集中属于噪声，则滤除该点；m为4～10之间的整数。5.根据权利要求1所述的一种基于张量投票方法的点云配准方法，其特征在于：S3中，所述己知的位置信息包括切线方向信息和法向信息；当点云没有切线方向信息时，被编码为球张量；当点云只有切线方向信息时，被编码为板张量；当点云有法向的信息，则被编码为棒张量。6.根据权利要求1所述的一种基于张量投票方法的点云配准方法，其特征在于：S4中，在张量投票阶段，分别进行稀疏投票和稠密投票。7.根据权利要求1所述的一种基于张量投票方法的点云配准方法，其特征在于：S5中，对张量矩阵进行SVD分解，具体包括以下步骤：在三维空间中，分解为棒张量分量、板张量分量和球张量分量，获得各张量分量及其显著性；分解得到的结果：原始点云张量矩阵的特征值λ1、λ2、λ3，张量矩阵的特征向量e1、e2、e3；目标点云张量矩阵的特征值λ′i、λ′2、λ′3，目标点云张量矩阵的特征向量e′1、e′2、e′3。8.根据权利要求1所述的一种基于张量投票方法的点云配准方法，其特征在于：S6中，创建相似度函数Δ为：222Δ＝(λ1‑λ′1)+(λ2‑λ′2)+(λ3‑λ′3)。9.根据权利要求1所述的一种基于张量投票方法的点云配准方法，其特征在于：S7中，得到旋转矩阵和平移向量，具体包括以下步骤：在得到两组相似点的坐标的基础上，通过计算e1、e2、e3组成的特征矩阵E和e′1、e′2、e′3组成的特征矩阵E′之间的数学关系，得到旋转矩阵R和平移向量T；这组对应点对的数学坐2CN113902779A权利要求书2/2页标关系表示为以下的方程：E＝R×E′+T其中E、E′分别是目标点云矩阵和原始点云矩阵的一组对应点的特征向量组成的张量矩阵；将E和E′通过转置转化成齐次矩阵的形式：TTE＝[e1e2e31]，E′＝[e′1e′2e′31]推导过程：令配准矩阵由E＝AE′得：由于：令配准向量约束向量则故配准过程中需要10维张量投票，即张量矩阵的维度为10；而EE′‑1＝AE′E′‑1；配准矩阵A＝EE′‑