一种基于抗差约束最小二乘算法的点云精确配准方法.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CN112017220A(43)申请公布日2020.12.01(21)申请号202010875627.7(22)申请日2020.08.27(71)申请人南京工业大学地址211816江苏省南京市江北新区浦珠南路30号南京工业大学江浦校区(72)发明人王彬赵志胜(74)专利代理机构南京苏高专利商标事务所(普通合伙)32204代理人柏尚春(51)Int.Cl.G06T7/33(2017.01)G06T5/00(2006.01)G06F17/16(2006.01)G06F17/11(2006.01)权利要求书2页说明书8页附图2页(54)发明名称一种基于抗差约束最小二乘算法的点云精确配准方法(57)摘要本发明提供了一种基于抗差约束最小二乘算法的点云精确配准方法，首先，根据地面三维激光扫描仪采集被测物体从不同视角观测的具有一定重叠度的点云数据，通过PCA算法对待配准点云和目标点云进行粗配准，使得两点云有一个相对良好的初始位置；其次，在目标点云中建立kd‑tree，搜索与待配准点云相对应的点，再根据点云的法向量特征，保留特征度较大的点；最后，将得到的对应点对利用抗差约束最小二乘算法，将待配准点云和目标点云通过旋转平移统一到同一坐标系下。本发明有效解决了原始点云数据量大，精度不高以及三角函数求解复杂的情况，避免在配准过程中陷入局部最优解，缩短配准时间，提高点云配准的精度。CN112017220ACN112017220A权利要求书1/2页1.一种基于抗差约束最小二乘算法的点云精确配准方法，其特征在于，包括以下步骤：(1)获取经过去噪滤波处理的待配准点云和目标点云；(2)通过PCA算法对待配准点云和目标点云进行粗配准；(3)利用kd-tree搜索待配准点云在目标点云中的对应点，设置搜索距离阈值η，删除错误的点对；(4)根据点云的法向量特征，提取特征度较大的点；(5)将得到的对应点对利用抗差约束最小二乘算法，将待配准点云通过旋转和平移配准到目标点云上，直至两点云的满足距离阈值δ。2.根据权利要求1所述的基于抗差约束最小二乘算法的点云精确配准方法，其特征在于，所述步骤(1)实现过程如下：采用SOA的离群噪声去除算法对两点云进行去噪滤波处理，设待处理的点云为P＝{pi∈3R∣i＝1,2,3,…,n}，n为待处理点云中的采样点个数，对其中的任意采样点pi，建立pi的k邻域，计算采样点pi到它的k邻域点的平均距离，之后判断平均距离，如果距离在设定范围内，则判定为主体点云，否则，判定为噪声点，然后移除噪声点。3.根据权利要求1所述的基于抗差约束最小二乘算法的点云精确配准方法，其特征在于，所述步骤(2)实现过程如下：(21)计算待配准点云P和目标点云Q的质心点坐标：式中，N和M代表待配准点云P和目标点云Q的点云数量，UP和UQ代表P，Q的质心点坐标；(22)计算两组点云的协方差：TcovP＝(P-UP)(P-UP)TcovQ＝(Q-UQ)(Q-UQ)式中，UP和UQ代表P，Q的质心点坐标，cov表示协方差，T表示转置；(23)通过协方差矩阵，分别求两组点云各自的特征向量，按特征值将特征向量从大到小排列，求出粗配准的旋转矩阵R和平移矩阵T，将两组点云形成的坐标轴统一到相同的坐标系下，完成粗配准。4.根据权利要求1所述的基于抗差约束最小二乘算法的点云精确配准方法，其特征在于，步骤(3)所述的搜索距离阈值η为所有对应点对距离平均值的1.5倍。5.根据权利要求1所述的基于抗差约束最小二乘算法的点云精确配准方法，其特征在于，所述步骤(4)实现过程如下：(41)点云中某一点pi处法向量的变化程度即其特征度fi，定义为其法向量与其k近邻点夹角的算术平均值：其中，θij为点pi的法向量与其近邻点pj的法向量的夹角；2CN112017220A权利要求书2/2页(42)选取适当的阈值ε1，去掉点云中较为平坦的部分并保留fi>ε1的点，对于保留点中的任一pm，若其满足：pmf(pm)＝max[f(pm1),f(pm2),…,f(pmk)]将pm作为特征点，其中f(pm1),f(pm2),…,f(pmk)为点pm的k近邻点的特征度；(43)设两点云为P和Q，其中P为待配准点云，Q为目标点云，分别对两个点云进行特征点提取，得到P的特征点集为Pt＝{ptl,pt2,pt3…,ptn′}，Q的特征点集为Qt＝{qtl,qt2,qt3,…,qtm′}，其中n′和m′分别为P和Q的特征点的个数。6.根据权利要求1所述的基于抗差约束最小二乘算法的点云精确配准方法，其特征在于，所述步骤(5)实现过程如下：(51)对待配准点云和目标点云搜索得到的对应点对坐标进行重心化处理，并建立重心化后的误差方程；(52)使用间接平差的基本