[发明专利]区域中心签名点云局部特征描述子的构建及配准方法

说明书

本发明公开的区域中心签名点云局部特征描述子的构建方法，首先建立一个局部参考系；然后构建球形包围盒，划分主区域，再对每个主区域划分为子区域；其次对每个子区域的顶点坐标、顶点数量以及区域中心值进行编码；最后将所有子区域的形状信息串接组合，形成区域签名描述子。本发明解决了因噪声干扰、点密度变化导致鲁棒性不强的问题。本发明公开的区域中心签名点云局部特征描述子的配准方法，给定模型点云和场景点云的描述子集合并比较两者特征相似度，选取相似度高的作为特征匹配点对；然后求解特征匹配点对之间的刚性变换矩阵，从而进行点云配准。本发明将描述子应用于点云配准，精确的配准结果表明描述子对于数模变化的鲁棒性。

技术领域

本发明属于计算机视觉技术领域，具体涉及一种区域中心签名点云局部特征描述子的构建方法，还涉及一种区域中心签名点云局部特征描述子的配准方法。

背景技术

三维点云特征描述是目前计算机视觉领域的研究热点之一，在目标识别、位姿估计、点云配准等方面均有广泛的应用。根据考虑物体信息的相对范围，现有的点云特征描述子主要分为两类。

全局特征描述子，如文献“Rusu R B,Blodow N,Marton Z C,et al.AligningPoint Cloud Views using Persistent Feature Histograms[C]//

2008IEEE/RSJ International Conference on Intelligent Robots andSystems,September 22-26,2008,Acropolis Convention Center,Nice,France.IEEE,2008.”通过提取物体完整的模型信息，编码全部的形状特征，实现对物体的特征表达。在实际情况下，往往获取到的信息是不完整的，该描述子对于信息缺失非常的敏感，因此，不适用于局部信息缺失等一些复杂的应用场景。

局部特征描述子，如文献“Salti S,Tombari F,Stefano L D.SHOT:Uniquesignatures of histograms for surface and texture description[J].ComputerVisionImage Understanding,2014,125(AUG.):251-264.”基于物体查询点的局部支撑面建立局部坐标系，根据邻域点的空间分布信息进行局部支撑面的区域划分，并以直方图的形式实现局部区域特征表达。该描述子能够有效的克服单一视角下信息缺失的问题，但仍面临着噪声干扰、点密度变化等因素鲁棒性不足的挑战。

三维点云配准领域中，最为经典的算法是迭代最近点算法(ICP)，但当面向两片点云初始位置差别过大时，容易陷入局部最优，导致配准精度可能比较低。因此，研究两片点云获得较好的初始位置是点云配准的关键一步。

发明内容

本发明的目的是提供一种区域中心签名点云局部特征描述子的构建方法，解决了因噪声干扰、点密度变化导致鲁棒性不强的问题。

本发明的另一目的是提供一种区域中心签名点云局部特征描述子的配准方法，解决了当两片点云初始位值差别过大时，导致配准精度差的问题。

本发明所采用的第一种技术方案是，区域中心签名点云局部特征描述子的构建方法，具体包括以下步骤：

步骤1：给定点云数据的任意一个查询点，以查询点为中心，特征向量为坐标轴建立局部坐标系；

步骤2：根据查询点局部邻域形成的局部支撑面，构建一个球形包围盒，按照径向、方位角、仰角方向将球形包围盒划分为若干区域；

步骤3：提取S2的每一个区域的局部信息并有序串接，组成区域中心签名描述子。

本发明第一种技术方案的特征还在于，

步骤1具体按照以下步骤实施：