[发明专利]一种非结构化点云特征点检测方法及其提取方法

说明书

技术领域

本发明属于三维空间目标识别领域，涉及一种非结构化点云特征点检测方法及其提取方法。具体涉及一个面向非结构化三维点云数据的多尺度特征点检测算法和一个基于形状信息统计和空间变换思想的特征点描述算法。

背景技术

随着三维建模技术的大量普及，三维点云数据被广泛应用于文物保护、空间目标识别等诸多领域。面对信息量庞大的三维点云，如何提取符合实际应用要求的、有意义的信息是处理三维点云数据必须要解决的问题。

点云数据特征点提取作为三维点云数据处理中的关键技术是目前点云处理中的研究热点。现有的三维模型特征提取算法主要针对网格数据，无法满足对非结构化点云特征提取的要求。与网格化点云数据相比，非结构化点云数据量大、无点云拓扑信息、特征点检测容易受噪声影响，因此特征点检测和描述难度大。

发明内容

本发明提供了一种非结构化点云特征点检测方法及其提取方法，满足对非结构化点云特征的检测及提取要求。

为解决以上技术问题，本发明采用以下技术方案：

一种非结构化点云特征点检测方法，包括以下步骤：（1）利用采样点不同尺度空间的邻域信息计算采样点在不同尺度空间中的Harris响应值；（2）通过迭代算法选取最优尺度空间下的Harris响应值作为采样点的Harris响应值，得到特征点集合Q；（3）将Harris响应值在尺度空间邻域和几何邻域都具有极大性的点作为候选特征点，最后利用候选特征点选择优化策略提取最终的特征点。作为本发明的优选实施例，所述步骤（1）中，采样点在不同尺度空间中的Harris响应值根据以下方法计算：（1.1）设N_r(p_i)是p_i的邻域点集合，p_j∈N_r(p_i)，分别在p_j的[1,0,0]方向和[-1,0,0]方向确定两个点p_j+和p_j-，计算p_j+的邻域点集合N_r(p_j+)和p_j-的邻域点集合N_r(p_j+)之间的Hausdorff距离；其中，i、r、j均为正整数；（1.2）根据步骤（1.1）的Hausdorff距离计算p_j在X轴方向的偏导数f_x；（1.3）计算p_j在Y方向的偏导数f_y；（1.4）根据p_j在X轴方向和Y方向的偏导数f_x和f_y计算每个邻域点的高斯权重，即E矩阵；（1.5）根据E矩阵计算p_j的Harris响应值，计算公式为：Harris(x,y)=det(E)–k·(Trace(E))²，k为经验系数。

所述步骤（1.1）的Hausdorff距离根据以下公式计算：