[发明专利]激光轮廓仪平面度测量中的点云配准策略

权利要求书

1.激光轮廓仪平面度测量中的点云配准策略,其特征在于包括模板采样点设置步骤、模板边界点云计算步骤、待测边界点云计算步骤、点云粗配步骤、位姿变换量计算步骤和平面度计算步骤；

所述模板采样点设置步骤，获得一待测物的点云作为模板点云，并且在所述模板点云中设置采样点；

所述模板边界点云计算步骤，将所述模板点云作为原点云输入点云边界提取算法，将输出的边界点云作为模板边界点云；

所述待测边界点云计算步骤，获取所述待测物的点云信息作为待测点云，所述待测点云作为原点云输入点云边界提取算法，将输出的边界点云作为被测边界点云；

所述点云粗配步骤，将所述模板边界点云进行均匀降采样得到关键点作为模板关键点，计算所述模板关键点对应的特征描述子作为模板特征描述子；将所述待测边界点云进行均匀降采样得到关键点作为待测关键点，计算所述待测关键点对应的特征描述子作为待测特征描述子；根据所述模板关键点邻域内的所述模板特征描述子和所述待测关键点邻域内的所述待测特征描述子，将所述模板边界点云和所述待测边界点云进行匹配得到匹配点对实现点云粗配准；

所述位姿变换量计算步骤，将完成点云粗配准后的模板边界点云和待测边界点云采用ICP算法进行点云细配准，得到最终的位姿变换旋转矩阵和平移向量；

所述平面度计算步骤，根据所述位姿变换旋转矩阵和所述平移向量，将所述采样点转换到所述待测点云的对应位置得到匹配采样点，根据所述匹配采样点计算得到平面度；

所述点云边界提取算法包括将所述原点云进行均匀降采样得到降采样后点云，采样半径设置为，为大于1的常数，为原点云的空间分辨率；

所述点云边界提取算法包括：

1） （1）

其中，为所述原点云中的总点数；为原点云中的第个点的坐标；为的最近邻点；

2）对于降采样后点云中的每个点，搜索其最邻近的个点，，构建三维协方差矩阵并进行特征分解得到特征值与特征向量如公式（2）-（4）所示：

（2）

（3）

，（4）

其中，为个点的质心点；C为协方差矩阵；为特征向量；为特征值；最小特征值对应的特征向量即为局部点云的法向量方向，基于法向量得到单位正交向量，构建局部坐标系；

3)在邻域的局部坐标系中将与局部坐标系内任意一点连接得到向量，与单位正交向量的夹角为，与另一单位正交向量的夹角为，由公式（5）、（6）求得：

（5）

（6）

计算得邻域内所有点的值并按从小到大顺序排列得到，前后做差得，，当时有，邻域内的角度最大差值，当大于某预设的角度阈值时即判定为边界点，全部被判定为边界点形成的点云为降边界点云；

4）所述降边界点云中的每个点表示为，对原点云进行搜索，保留原点云中以为圆心为半径的球形内的所有点，得到包含精确边界信息的点云，其中为，为常数；

5）将降采样后点云中的每个点替换为点云中的每个点，重复2）与3），邻域参考点云设置为原点云，全部判定为边界点形成的点云为所述输出的边界点云；

基于完成点云粗配准后的边界点云采用ICP算法得到最终的坐标变换矩阵如公式15所示：

（15）

其中为一个3×3的旋转矩阵，为3×1的平移向量，为1×3的零向量；

基于所述坐标变换矩阵，将模板点云中预设的所述采样点转换到待测点云的对应位置，每个预设采样点的坐标为，则转化方式用公式（16）表示：

^T（16）

其中即为转换后采样点，对待测原点云进行搜索，获取最邻近的个点云数据并求出其重心作为一个有效数据点，最后通过所有采用最小二乘法拟合标准平面并测量待测点云的平面度。

2.根据权利要求1所述的激光轮廓仪平面度测量中的点云配准策略,其特征在于，所述点云粗配步骤中，基于最小二乘拟合估计、几何一致性约束和RANSAC算法剔除无效关键点，其中采用最小二乘法分别对所述模板关键点和所述待测关键点邻域内的点云进行拟合，通过判断所有点到最小二乘直线之间的距离，若邻域内小于预设的距离阈值的点超过预设的数量，则去除对应的所述待测关键点。