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:中北大学
摘要:本发明公开了一种基于协方差矩阵改进的激光点云配准方法,属于图形学三维重建技术领域。本发明通过采用张量投票与ISS相结合的关键点提取方法,使其具有一定的抗噪性,同时可剔除部分边界点降低误匹配率。特征描述符的构建需要充分包含点云的邻域信息,且不易受平移旋转的影响,具有鲁棒性。协方差矩阵描述子是一种可以充分描述邻域信息的描述子,角度量不受平移旋转的影响,是构建特征描述向量的极佳选择。本发明结合特征直方图中三维坐标系的建立方法,构建一个包含角度量与曲率信息的协方差矩阵,特征匹配使用双向最近距离法,降低误匹配率。
主权项:1.一种基于协方差矩阵改进的激光点云配准方法,其特征在于:包括以下步骤:步骤1,结合张量投票与内在形状签名ISS的关键点选取方法;步骤2,构建协方差描述子矩阵;步骤3,粗配准,对得到的匹配对采用区域生长的方法聚类,聚类后得到两组聚类块,将不在聚类块中的点对剔除,得到重叠区域,同时,剔除边缘匹配点对,降低误匹配率;对剩余匹配对计算平移旋转矩阵,采用齐次坐标求得对应的变换矩阵,分别计算每一个矩阵所对应的最大公共点集LCP,选取LCP为最大值的变换矩阵;步骤4,精配准,获得较好的对应位置后,对点云进行精配准,通过迭代最近点ICP对点云进行精细配准;所述步骤2构建协方差描述子矩阵还包括以下步骤:步骤2.1,对获取的关键点构建协方差矩阵的特征描述向量;步骤2.2,利用构建的特征描述向量即可计算协方差矩阵描述子;步骤2.3,构建特征描述符后,对两组点云进行特征匹配;所述步骤2.1,对获取的关键点构建协方差矩阵的特征描述向量,具体如下: 在当前关键点ps和其最近邻点pt之间计算方向向量,并单位化,c1为采样点的法向量ns与单位化后的方向向量夹角的余弦值,c2为采样点法向量ns与其最近近邻点pt的法向量nt夹角的余弦值;利用采样点与其最近邻点的方向向量以及采样点法向量ns求外积得到一个新的向量v,继续使用采样点法向量ns与新得到的向量v求外积,得到向量w,c3为w与最近邻点法向量ns夹角的余弦值,计算外积时,均要求法向量ns在前;p1为采样点的平均曲率,p2为采样点的高斯曲率,T表示向量转置;所述步骤2.2,利用构建的特征描述向量即可计算协方差矩阵描述子,具体如下: 其中,Covi表示第i个关键点的协方差矩阵描述子,Dl是半径为l的近邻点的集合,通过改变半径l即可得到多尺度特征描述符,表示第i个关键点的第j个近邻点的特征描述向量,υi为所有近邻点的特征描述均值向量,T表示向量转置;构建特征描述子后,只需改变邻域半径即可得到多尺度协方差矩阵特征描述符。
全文数据:
权利要求:
百度查询: 中北大学 一种基于协方差矩阵改进的激光点云配准方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。