[发明专利]一种全局点云配准方法、系统、存储介质及设备

说明书

本发明提供了一种全局点云配准方法、系统、存储介质及设备，获取原始点云数据，对数据中源点云和目标点云中的每一个兴趣点，计算其邻域；计算兴趣点的切平面，并将邻域中的点映射到切平面上，计算切平面的法向量，将切平面上的所有映射点与兴趣点构成映射向量；计算映射点组成的向量之间的夹角，根据夹角判断兴趣点中的边界点，获得源边界点云和目标边界点云；计算源边界点云和目标边界点云在各坐标轴上的坐标方位之差，确定超过差值阈值的点云进行对应坐标轴的局部分割，判断是否符合要求，如果不符合则进行全局分割，否则进行配准。本发明能够实现计算量小、降低成本且速度快的效果。

技术领域

本发明属于三维点云的信息处理技术领域，具体涉及一种全局点云配准方法、系统、存储介质及设备。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

点云配准分为成对配准和多点云配准。多云配准基于成对配准，并借助全局优化方法(例如图形优化)进行辅助。成对配准包括精细配准和粗配准。粗配准的结果作为细配准的初始值，可以更准确地估计转换参数。将现有的成对配准方法分为精细配准算法和粗略配准算法。

精细算法的最有代表性的方法是迭代最近点(ICP)算法，主要包括两个步骤：在两个点云中搜索对应点并迭代计算最佳变换参数。ICP算法不需要有关点云的任何先验知识，而是专注于寻找点对点的对应关系。但是，它也对点云数据提出了严格的要求。ICP算法的收敛精度主要取决于重叠区域的比例。先前的工作表明，如果重叠率低于50％，则很难正确提取对应的点。因此，ICP算法需要数据预先完成粗略对齐，以避免从局部优化过程中获取质量较差的初始值，现有文献虽然存在部分对于ICP算法的改进，但在这些改进的目标函数中，尽管性能有所提高，但其收敛保证只有在完成粗配准后才能生效。

粗略配准中基于特征的方法，在特征提取和使用过程中，对环境有较为严格的要求，然而一般环境中的对象应具有丰富的几何结构，并不能实现上述要求，且粗配准还要求环境不能包含太多干扰特征提取的噪声。

基于非特征的方法也具有一定的缺点，如使用刚性变换不变量通常需要找出所有有效地满足点集中距离约束的点对，在配准过程中，仅将一个仿射不变量用作过滤条件，因此生成了大量候选登记基；且不能在大型场景中广泛使用。

发明内容

本发明为了解决上述问题，提出了一种全局点云配准方法、系统、存储介质及设备，本发明能够解决当前配准算法中的效率低下，所需存储空间大，而且对极端情况应用性不强的问题，利用基于边界点云进行重叠区域分割和非共面配准基选取的算法，进行点云配准，能够实现计算量小、降低成本且速度快的效果。

根据一些实施例，本发明采用如下技术方案：

一种全局点云配准方法，包括以下步骤：

获取原始点云数据，对数据中源点云和目标点云中的每一个兴趣点，计算其邻域；

计算兴趣点的切平面，并将邻域中的点映射到切平面上，计算切平面的法向量，将切平面上的所有映射点与兴趣点构成映射向量；

计算映射点组成的向量之间的夹角，根据夹角判断兴趣点中的边界点，获得源边界点云和目标边界点云；

计算源边界点云和目标边界点云在各坐标轴上的坐标方位之差，确定超过差值阈值的点云进行对应坐标轴的局部分割；

判断分割之后的子点云与较小的边界点云之间的相似度和规模，如果相似度大于给定的阈值，且两个点云的规模均小于给定的规模限制，则计算重叠区域中的配准基对，否则，进行全局分割；

计算源点云和目标点云经过刚体转换之后的均方根误差，将均方根误差最小对应的配准基对作为最终的配准基对。