买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：长春理工大学

摘要：本发明涉及一种基于快速点特征直方图的改进点云配准方法，属于三维雷达配准技术领域，解决了现有的点特征直方图算法会存在大量重复的邻域点计算，计算效率相对较低，导致点云配准效率较低的问题。本发明通过构造协方差矩阵，将估计正态线问题演变成求解特征向量的问题，再利用简化点特征直方图、快速点特征直方图和平均快速点特征直方图寻找特征点，采用贪心初始对齐算法确定四个初始点对，最终计算得到刚体变换矩阵，根据刚体变换矩阵对点云数据集进行配准。本发明采用阈值对新点对进行控制，使误差保持在稳定范围内，因此具有较高的精度和可靠的稳定性，对公共点云和文物点云均具有良好的配准效果，普适性更强，应用范围更广。

主权项：1.一种基于快速点特征直方图的改进点云配准方法，其特征在于，包括以下步骤：步骤1：获取待配准的点云数据集，对于点云数据集中的给定点构造协方差矩阵，并根据协方差矩阵将估计正态线问题演变成求解特征向量的问题；步骤2：创建一个以查询点Pq为圆心、半径为rh的球体，位于球内的点是查询点Pq的邻居点，根据球面区域内两点的角度和位置之差计算两点之间的角关系；步骤3：对于每个查询点，重新确定它的k个邻居点，并计算所有邻居点的简化点特征直方图，根据简化点特征直方图加权计算得到对应的快速点特征直方图，再根据快速点特征直方图计算得到平均快速点特征直方图，根据快速点特征直方图和平均快速点特征直方图寻找到m个特征点；步骤4：采用贪心初始对齐算法确定四个初始点对，具体过程包括：为源点云数据集Q中的m个特征点构造一组对应候选点，如下公式11所示：C＝{ci|ci＝{pi,qi1,qi2,qi3,...,qi1,1≤i≤m}}11其中，ci为集合C中任意一点，pi为目标点云数据集P中任意一点，qi1,qi2,qi3,...,qi1为源点云数据集Q中构造的候选点；然后分别将集合C中的最佳项ci和cj合并到一个两点对应的集合E2中，对于Pi和Pj的每一个组合，都有一个对应的点qir和点qjs，使||pi-pj|-|qir-qjs||最小，然后将qir和qjs依次加入集合E2；如果集合C中e2,i是下一个未合并的项目，并且e2,i最小化动态均方根dRMSP,Q，其中目标点云数据集P是所有点pi∈e2,i∪e2,j的集合，源点云数据集Q是所有点qi∈e2,i∪e2,j的集合，动态均方根dRMSP,Q的计算公式如下： e2,i,e2,j是从集合E2合并而来的，然后来自的更多条目继续以这种方式合并到中，直到Ekk＝kmax中没有足够的对应关系来生成2k点对应关系，最终得到l个点对；步骤5：根据四个初始点对计算包括旋转角度参数和平移距离参数的刚体变换矩阵，根据刚体变换矩阵对源点云数据集和目标点云数据集进行配准。

全文数据：

权利要求：

百度查询： 长春理工大学 一种基于快速点特征直方图的改进点云配准方法