[发明专利]一种基于深度学习的建筑物三维点云配准方法

摘要

本发明公开了一种基于深度学习的建筑物三维点云配准方法，包括以下步骤：S1、训练数据的获取；S2、深度学习模型的构建；S3、模型训练及调优；S4、待检测数据预处理；S5、检测点云关键区域；S6、检测点云关键点；S7、判断关键点对应关系；S8、计算转换关系及配准。本发明将深度学习应用于点云配准的两个关键步骤：寻找关键点及确定匹配关系。本发明充分利用深度学习对点云数据的表征能力来分步骤寻找关键区域、定位关键点，相对于传统的遍历方式极大地加快了检测速度，并且用深度网络模型学习点云特征而代替手工特征，使得算法更加鲁棒和高效。

主权项

1.一种基于深度学习的建筑物三维点云配准方法，其特征在于，包括以下步骤：S1、训练样本的获取，得到用于训练模型的样本数据；S2、搭建深度学习模型，使得模型适用于点云数据的处理；S3、根据模型训练、测试反馈信息调整超参数；S4、预处理点云，将待检测的点云数据分块，作为模型的输入；S5、针对模型的输入点云块，检测其中是否含有关键区域，将包含关键区域的点云块保留；S6、检测出包含关键区域的点云块中的关键点；S7、将分别处于不同点云的关键点成对地输入关键点匹配模型，判断它们是否匹配；S8、取足量的对应关键点计算转换关系，从得到的转换矩阵中选出配准效果最好的一个作为最终结果。