[发明专利]一种并行的三维点云数据自动化配准方法

权利要求书

1.一种并行的三维点云数据自动化配准方法,其特征在于,包括以下步骤：

步骤1：获取不同视图下待配准的源点云P和目标点云Q；

步骤2：对大型的三维点云数据进行降采样处理；提取点云中的关键点作为降采样的结果；降采样后源点云P中的关键点数量N_p,目标点云Q中的关键点数量M_q；

步骤3：对两个点云集合中的点计算法向量进而计算快速点特征直方图描述子FPFH；

步骤4：启动多个进程分别进行点云的特征匹配和刚性变换；

步骤5：所述步骤4为一次迭代，迭代中进行对应点特征匹配；

查询之前建立的索引对应表，确定是否存在对应关系，存在对应关系直接获取，不存在对应关系再根据FLANN进行特征匹配，加快匹配速度；各进程的初始点是随机选取能够保证获取不同的对应关系，进而获取不同的刚性变换矩阵，每个进程的每次迭代都计算误差度量；

步骤6：当各个进程达到迭代次数m时停止，将误差和函数最小的刚性变换矩阵作为最终变换矩阵；

步骤7：利用得到的变换矩阵作为ICP迭代算法的初始化矩阵进行精配准；

所述步骤3的具体方法为：

步骤3.1：针对三维点云中的某点P_q，它的FPFH描述子由三维空间中半径为r的球体区域中的k个领域点决定；

步骤3.2：计算中心点P_q和领域点的相对差异，取领域中的任一点P_k，且各自的法向量为n₁和n₂，在点P_q上定义局部坐标系，坐标系方向u、v、w根据下式1计算：

u＝n₁

w＝u×v                (式1)

步骤3.3：根据u、v、w坐标，n₁和n₂的差异可以用一个三元组(α，φ，θ)来表示；其中α，φ，θ根据下式计算：

α＝v·n₂

θ＝arctan(w·n₂，u·n₂)         (式2)

步骤3.4：计算中心点P_q和领域k个点之间的三元组，并统计一个简化的点特征直方图SPFH；

步骤3.5：分别以k个领域点自身为中心点，采用步骤3.4的方式计算以每个点为中心的SPFH，利用领域点的SPFH加权计算P_q点最终的FPFH；权重w_k依赖于中心点P_q和领域点P_k的距离:

所述步骤4的具体方法为：

步骤4.1：从源点云P中随机选取n个采样点，选取的点两两之间的距离应满足预先给定的最小阈值d_min；

步骤4.2：在目标点云Q中根据kd-树最近邻查询算法FLANN查找与源点云P中采用点具有相似FPFH特征的对应点；

步骤4.3：根据随机采样一致性RANSAC去除错误的匹配关系，在提高准确性的同时提高计算速度；同时将获取到的对应关系建立索引对应表；

步骤4.4：根据对应点利用SVD分解方法获取旋转矩阵和平移向量；

步骤4.5：通过计算变换后的距离误差和函数来判断当前变换的误差水平，误差计算采用Huber函数；其中l_i为第i组对应点变换后的距离差，δ为预先设定的阈值；其计算方法为：