买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京科技大学顺德创新学院;航天科工集团智能科技研究院有限公司

摘要：本发明提供一种基于特征一致性和空间一致性的点云精配准方法，属于计算机视觉技术领域。所述方法包括：对点云粗配准之后的点对进行处理，得到特征一致性和空间一致性；在特征一致性和空间一致性的基础上，利用置信度进行种子点选取；定义k近邻特征空间，以种子点为中心，在k近邻特征空间中寻找其近邻点，构成簇，将特征一致性和空间一致性与非局部注意力融合，得到点云特征更新公式，以获得簇内点更新后的包含长距离信息的点云特征；通过更新后的点云特征生成概率匹配矩阵，基于概率匹配矩阵，通过奇异值分解计算得到旋转向量和平移矩阵，实现点云配准。采用本发明，能够提高点云配准的准确率和速度。

主权项：1.一种基于特征一致性和空间一致性的点云精配准方法，其特征在于，包括：对点云粗配准之后的点对进行处理，得到特征一致性和空间一致性；在特征一致性和空间一致性的基础上，利用置信度进行种子点选取；定义k近邻特征空间，以种子点为中心，在k近邻特征空间中寻找其近邻点，构成簇，将特征一致性和空间一致性与非局部注意力融合，得到点云特征更新公式，以获得簇内点更新后的包含长距离信息的点云特征；通过更新后的点云特征生成概率匹配矩阵，基于概率匹配矩阵，通过奇异值分解计算得到旋转向量和平移矩阵，实现点云配准；其中，所述对点云粗配准之后的点对进行处理，得到特征一致性和空间一致性包括：定义点对的特征差经过归一化后的值为α，α值反应了点对的特征一致性，α值越小，则特征越趋于一致，具体公式如下：Δfn＝||gxn-gyn|| 其中，g·表示动态图卷积神经网络；xn和yn由cn分解而来，xn、yn和cn分别表示第n个源点云、第n个目标点云和第n个初始点对，初始点对由点云粗配准得到，N表示点对的总数目，即：表示6维实数空间，表示3维实数空间；Δfn表示第n个点对的特征差；αn表示第n个点对的特征一致性；||·||表示欧几里得距离；[·]+是非负操作，表示αn值大于等于0；定义每两组点对之间的点对空间距离差为β，β值反应了空间一致性，β值越小，则点对与点对间的空间位置特征越匹配，设第i组点对间的欧式距离为di，则第i组点对和第j组点对间的欧式距离差值dij为：dij＝||di-dj||第i组点对和第j组点对间的空间一致性βij为： 其中，所述通过更新后的点云特征生成概率匹配矩阵，基于概率匹配矩阵，通过奇异值分解计算得到旋转向量和平移矩阵，实现点云配准包括：将更新后的点云特征进行L2归一化和非负操作，并计算其主特征值，得到概率匹配矩阵；基于概率匹配矩阵，通过奇异值分解计算得到旋转向量和平移矩阵，实现点云配准；其中，所述将更新后的特征进行L2归一化和非负操作，并计算其主特征值，得到概率匹配矩阵包括：通过更新后的特征信息，生成概率匹配矩阵e：e＝L{m} 其中，m由k近邻特征空间输出的更新后的点云特征f归一化得到，L{·}表示用幂迭代方法计算主特征向量，[·]+是非负操作，表示m值非负；其中，通过奇异值分解计算得到的旋转向量R和平移矩阵t表示为：

全文数据：

权利要求：

百度查询： 北京科技大学顺德创新学院 航天科工集团智能科技研究院有限公司 一种基于特征一致性和空间一致性的点云精配准方法