[发明专利]基于重叠特征与局部距离约束的叶片多视场点云配准方法

权利要求书

1.基于重叠特征与局部距离约束的叶片多视场点云配准方法，其特征在于包括如下步骤：

步骤100：获取叶片的多视场的点云数据，并求解出相邻两个视场间点云数据的重叠区域，并构建重叠区域的数据集X=（x₁,…,x_m,…,x_M）和Y=（y₁,…,y_n,…y_N），M为数据集X中点云数据的总个数，x_m为数据集X中第m个点云数据，N为数据集Y中点云数据的总个数，y_n为数据集Y中第n个点云数据；

步骤200：建立重叠特征约束矩阵F_MN；

首先，以数据集X中的点x_m为圆心绘制J个采样圆，对点x_m的第j个采样圆的半径如公式Ⅰ，

（Ⅰ）

公式Ⅰ中，r_mj为第j个采样圆的半径，r_mJ为最大采样圆的半径，r_m1为最小采样圆的半径，J为采样圆的数量，Ln（j）为变量j的对数函数，Ln（J）为固定值J的对数函数值；

然后，构造点x_m的协方差矩阵C_m如公式Ⅱ，

（Ⅱ）

公式Ⅱ中，C_m为点x_m的协方差矩阵，Sp_j为第j个采样圆对应的采样点；

其次，求解出协方差矩阵C_m的特征值λ1和λ2，且λ1≥λ2，点x_m的局部特征因子fx_m=λ1/λ2；依次计算数据集X中M个点的局部特征因子，并且数据集X的局部特征因子数据集为F_X=（fx₁,…,fx_m,…,fx_M）；以及计算出数据集Y的局部特征因子数据集为F_Y=（fy₁,…,fy_n,…,fy_N）；

最后，构造数据集X和Y之间的重叠特征约束矩阵F_MN，重叠特征约束矩阵F_MN中第m行第n列的元素为f_mn=∣fx_m-fy_n∣，f_mn为数据集X中的点x_m与数据集Y中的点y_n局部特征相似度，并依次计算出重叠特征约束矩阵F_MN；

步骤300：建立局部距离约束矩阵D_MN；

首先，设数据集X和数据集Y之间的距离矩阵d_MN，距离矩阵d_MN中第m行、第n列元素d_mn为点x_m与点y_n之间的欧拉距离；

然后，搜索距离矩阵d_MN中每一行中的最小值，并构成距离的极小值数据集Dis=（dis₁,…,dis_m,…,dis_M），计算出极小值数据集Dis的平均值Dd；

最后，将距离矩阵d_MN中大于约束半径Crm的值设为0，小于等于约束半径Crm的值设为1，建立局部距离约束矩阵D_MN；其中，约束半径Crm=γR×Dd，γR为放大系数，Dd为极小值数据集Dis的平均值；

步骤400：基于矩阵之间的哈达玛积，通过重叠约特征束矩阵F_MN和局部距离约束矩阵D_MN构建数据集X和数据集Y之间的成员概率矩阵P_MN，即P_MN=F_MND_MN，为哈达玛积，P_MN中第m行第n列元素为p_mn=f_mn×d_mn，f_mn和d_mn分别为F_MN与D_MN中的第m行第n列元素；更新成员概率矩阵P_MN，其步骤如下：

首先，将成员概率矩阵P_MN中的所有非0元素纳入高斯函数的框架下，如公式Ⅲ所示，

（Ⅲ）

公式Ⅲ中，p_mn为成员概率矩阵P_MN中第m行第n列的元素，δ_F²为成员概率矩阵P_MN中非0项的方差，，D=2为待配准点集的维度，W为成员概率矩阵P_MN中非0元素的个数；

然后对成员概率矩阵P_MN中所有元素进行归一化处理；设当前成员概率矩阵P_MN中第m行元素的和为S_m，则成员概率矩阵P_MN中第m行的任意元素更新为p_mn=p_mn/S_m，并依次更新成员概率矩阵P_MN中所有元素；

步骤500：基于EM算法计算数据集X和Y之间的转动矩阵和平移矩阵，通过计算出的转动矩阵和平移矩阵拼接出叶片的截面轮廓。