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：中南大学

摘要：本公开实施例中提供了一种基于FPFH的凸包辅助三维点云配准方法、设备及介质，属于数据处理技术领域，具体包括：计算获取的三维点云数据的凸包，再通过泊松采样获得凸包的点云，并去除点云中离群的点；根据凸包的点云计算FPFH特征，通过特征描述子相似性建立对应点点集；使用RANSAC算法，求出凸包点云的最优变换矩阵；再对获取的三维点云数据计算FPFH特征，通过特征描述子相似性建立对应点点集，通过凸包点云的变换矩阵对对应点点集进行筛选，并对筛选后的对应点点集进行验证，之后通过RANSA算法计算出最优变换矩阵，得到最终配准结果。通过本公开的方案，提高了配准效率和精准度。

主权项：1.一种基于FPFH的凸包辅助三维点云配准方法，其特征在于，包括：步骤1：根据空间目标物体的源点云P和目标点云Q，使用Quickhull算法分别计算所述源点云P和所述目标点云Q的凸包，得到QP和QQ；步骤2：对所述凸包QP和QQ进行泊松采样，得到点云Pc和Qc分别表示所述凸包QP和QQ的三维点云数据；步骤3：根据预设条件筛选所述点云Pc和Qc中的点；步骤4：对筛选后的点云Pc和Qc中的点分别计算其FPFH特征描述子，得到FPc＝{Fpc，pc∈Pc}，FQc＝{Fqc，qc∈Qc}，并根据所述FPFH特征描述子构建第一k-d树，其中，FPc和FQc分别表示筛选后的点云Pc和Qc的FPFH特征描述子，pc表示筛选后的点云Pc中的点，qc表示筛选后的点云Qc中的点；步骤5：对于筛选后的点云Pc中的每一个点的特征描述子FPc，在点云Qc中通过所述第一k-d树查询与该点最相似的FPFH特征描述子Fqc，则Pc和qc为一组对应点，得到筛选后的点云Pc对Qc的对应点点集Kpqc，以及，同理得到筛选后的点云Qc对Pc的对应点集Kqpc，选择对应点集Kpqc和Kqpc同时包含的点对建立对应点集Kc；步骤6：根据所述对应点集Kc，采用RANSAC算法迭代计算最优变换矩阵Tc；步骤7：对所述源点云P和所述目标点云Q中的点分别计算其FPFH特征描述子，得到FP＝{Fp，p∈P}，FQ＝{Fq，q∈Q}并对点云的FPFH特征描述子构建第二k-d树，其中，FP和FQ分别表示P和Q的FPFH特征描述子，其中p表示所述源点云P中的点，q表示所述目标点云Q中的点；步骤8：对于所述源点云P中的每一个点的特征描述子FPi，在所述目标点云Q中通过所述第二k-d树查询与该点最相似的FPFH特征描述子Fq，则p和q为一组对应点，得到所述源点云P对Q的对应点点集Kpq，以及，同理得到所述目标点云Q对P的对应点集Kqp，选择对应点集Kpq和Kqp同时包含的点对建立对应点集K；步骤9：最优变换矩阵Tc筛选所述对应点集K，通过筛选得到新的点集，同时对所述新的点集进行验证；步骤10：利用所述新的点集，采用所述RANSAC算法迭代求取最优变换矩阵T，进行预设次数的迭代且每次迭代采样过程与步骤6相同，得到所述源点云P和所述目标点云Q的关系变换矩阵，并通过所述关系变换矩阵对所述源点云P进行变换得到配准结果。

全文数据：

权利要求：

百度查询： 中南大学 基于FPFH的凸包辅助三维点云配准方法、设备及介质