[发明专利]基于深度学习的点云配准方法

摘要

本发明涉及一种基于深度学习的点云配准方法，鉴于传统的点云配准算法计算复杂度高，不适于在计算资源有限的设备上运行，提出一种基于深度学习的点云配准方法。配准过程为：将点云转换成深度图像表示；使用堆叠卷积自动编码器网络提取深度图像的特征；利用提取到的深度图像特征通过配准网络计算点云的旋转参数；其中的自动编码器网络和配准网络需要在配准之前进行训练以得到网络参数，得到参数后不需要在使用时进行训练。本发明实现了点云的优化配准，并具备配准效率高的特点，可应用于三维模型扫描、三维重建和物体跟踪等领域。

主权项

一种基于深度学习的点云配准方法，其特征在于，包括以下步骤：第一步：获取训练点云和测试点云的深度图像；对于一片有限大小的点云，计算点云在观测方向上的深度图像；第二步：训练堆叠卷积自动编码器网络，使之能够从训练点云的深度图像中提取深度图像的特征；第三步：训练配准网络，使之能够利用堆叠卷积自动编码器网络提取的两片训练点云的深度图像的特征计算两片训练点云之间的配准参数；第四步：精调堆叠卷积自动编码器网络和配准网络的网络参数，使之得到更好的配准效果；第五步：利用训练好的堆叠卷积自动编码器网络和配准网络，计算两片测试点云之间的配准参数。