[发明专利]一种基于重叠区域掩模预测的3D点云配准方法

权利要求书

1.一种基于重叠区域掩模预测的3D点云配准方法，其特征在于，包括如下步骤：

S1、对源点云和目标点云进行特征提取，得到其中每个点的特征；

S2、对步骤S1中得到的每个点的特征进行多层卷积运算，获取源点云和目标点云的相同纬度的全局特征，并计算源点云和目标点云相互重叠区域；

S3、将步骤S1得到的每个点的特征以及步骤S2得到的全局特征进行组合，进行3D刚体变换参数计算并进行迭代。

2.根据权利要求1所述的基于重叠区域掩模预测的3D点云配准方法，其特征在于，所述步骤S1具体包括：

S11、对源点云和目标点云中每个点进行特征提取；

S12、利用迭代预测的掩模对步骤S11得到的特征进行加权；

S13、将经过步骤S12加权之后点的特征进行最大池化操作，得到源点云和目标点云各自的全局特征；

S13、将步骤S13得到的全局特征复制多份，分别与源点云和目标点云中各自点的中间层特征组合，得到源点云和目标点云的每个点的特征。

3.根据权利要求2所述的基于重叠区域掩模预测的3D点云配准方法，其特征在于，所述步骤S2具体包括：

S21、将步骤S1得到的每个点的特征经过多层卷积计算，得到降维之后的点云特征，并提取每次降维之后的中间层特征；

S22、将降维之后的点云特征经过Softmax函数计算得到每个点属于重叠区域的概率，再通过argmax函数计算得到分类结果；

S23、根据步骤S22的分类结果得到源点云和目标点云的重叠区域。

4.根据权利要求3所述的基于重叠区域掩模预测的3D点云配准方法，其特征在于，所述步骤S22中通过argmax函数计算得到分类结果的计算方式为：

其中，y表示点云中第k个点的分类结果，z表示网络预测的置信度值，C表示有属于重叠区域和不属于重叠区域两个类别，N表示点云中坐标点的个数。

5.根据权利要求4所述的基于重叠区域掩模预测的3D点云配准方法，其特征在于，所述步骤S3具体包括：

S31、将步骤S1得到的源点云和目标点云中每个点的特征及步骤S21得到的中间层特征合并；

S32、将步骤S31得到的合并之后的特征进行最大池化计算得到源点云和目标点云的整体特征；

S33、将步骤S32得到的整体特征进行多层感知回归计算得到四元数和平移距离，并对四元数进行归一化处理，得到一次迭代之后的3D刚体变换；

S34、将步骤S33得到3D刚体变换应用到源点云上并对变换后的源点云重复步骤S31-S33，得到配准之后的3D目标点云。

6.根据权利要求5所述的基于重叠区域掩模预测的3D点云配准方法，其特征在于，所述步骤S33中计算多层感知回归计算得到四元数和平移距离的方式为：

{q，t}＝r_θ(cat[f_X，f_Y])

其中，q表示四元数和t表示平移距离，r_θ()表示多层感知回归网络，cat[]表示级联操作，f_X和f_Y表示源点云和目标点云的全局特征。

7.根据权利可要求6所述的基于重叠区域掩模预测的3D点云配准方法，其特征在于，所述步骤S2中计算源点云和目标点云相互重叠区域的损失函数表示为：

其中，g和p分别表示点云重叠区域的标签以及网络预测的点云重叠区域概率，i表示第i次迭代过程，α表示源点云和目标点云互相重叠区域的比例，M表示重叠区域掩模。

8.根据权利要求7所述的基于重叠区域掩模预测的3D点云配准方法，其特征在于，所述步骤S33中刚体变换的回归损失表示为：

其中，g表示真实标签，λ表示平衡两个损失项的系数。