[发明专利]一种基于特征融合的复杂构件点云拼接方法及系统

权利要求书

1.一种基于特征融合的复杂构件点云拼接方法，其特征在于，包括如下步骤：

（S1）采集所述构件各局部的三维点云，并进行定位以获得各局部三维点云的位姿；相邻的局部三维点云之间存在部分重叠的点；

（S2）根据定位结果将各局部三维点云转换到世界坐标系下并进行均匀降采样后，提取各局部三维点云的关键点，得到对应的关键点云；

（S3）将关键点云输入至特征融合匹配网络，得到任意两个相邻关键点云的匹配对应关系；所述特征融合匹配网络以两个相邻的点云为输入，用于提取各点云中点的多尺度特征或多种特征并融合为对应点的特征描述子，并基于融合得到的特征描述子计算两个相邻点云的匹配对应关系；

（S4）利用相邻关键点云的匹配对应关系进行点云配准，得到任意两个相邻点云之间的位姿变换模型，基于点云配准结果将各关键点云拼接为所述构件的整体三维点云模型；

所述特征融合匹配网络包括：第一特征融合提取模块、第二特征融合提取模块、第一归一化模块、第二归一化模块、特征匹配模块以及Hardmax模块；所述第一特征融合提取模块为共享权值的孪生网络；

所述第一特征融合提取模块，用于提取源点云中每个点的多尺度特征或多种特征并融合为对应点的特征描述子；

所述第二特征融合提取模块，用于提取目标点云中每个点的多尺度特征或多种特征并融合为对应点的特征描述子；

所述第一归一化模块，用于对所述源点云中点的特征描述子进行归一化；

所述第二归一化模块，用于对所述目标点云中点的特征描述子进行归一化；

所述特征匹配模块，用于根据归一化之后的特征描述子，计算源点云和目标点云中各点的相似度，并构建相似度矩阵；所述相似度矩阵中，第i行第j列的元素用于表示所述源点云中第i个点与所述目标点云中第j个点之间的相似度；

所述Hardmax模块，用于将所述相似度矩阵的每一行中最大的元素编码为v₁，以表示对应的点对构成匹配，将该行中其余的元素编码为v₂，以表示对应的点对不构成匹配，从而得到描述所述源点云和所述目标点云的匹配对应关系的匹配矩阵；

其中，所述源点云为输入的两个相邻点云中的一个点云，所述目标点云为输入的两个相邻点云中的另一个点云；v₁≠v₂。

2.如权利要求1所述的基于特征融合的复杂构件点云拼接方法，其特征在于，所述步骤（S3）包括：

将所有关键点云中的部分相邻关键点云对划分为训练集，将剩余的关键点云划分为测试集；训练集数据量小于测试集数据量；

对所述训练集中每一对相邻的关键点云进行匹配标注，使相邻关键点云重叠部分中距离小于预设阈值的点对被标注为正样本，其余的点对被标注为负样本，从而得到所述训练集中每一对相邻关键点云的匹配对应关系；正样本表示对应的点对构成匹配，负样本表示对应的点对不构成匹配；

建立特征融合匹配网络，并利用匹配标注后的训练集对其进行训练；

将所述测试集所有相邻的关键点云对输入至训练后的特征融合匹配网络，得到所述测试集中每一对相邻关键点云的匹配对应关系。

3.如权利要求1所述的基于特征融合的复杂构件点云拼接方法，其特征在于，特征融合提取模块包括：特征提取模块、N个特征内融合模块以及1个特征间融合模块；

所述特征提取单元，用于提取点云中点的N个不同尺度的特征；

所述N个特征内融合模块，分别用于对所述N个不同尺度的特征进行特征提取；

所述特征间融合模块，用于融合所述N个特征融合模块输出的特征，得到点云的特征描述子；

其中，所述特征融合提取模块为所述第一特征融合提取模块或所述第二特征融合提取模块；N 1。