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：中国人民解放军国防科技大学

摘要：本发明公开了一种三维成像声呐点云的水下地形匹配定位方法及系统，方法包括：S1、对在线采集的声呐点云帧进行采样，将点数达到N，并将预存的大范围声呐点云地图切割成具有N点的点云X；S2、将L个随机生成的变换矩阵{T1,…,TL},TL∈SE3作用于点云X＝[X0,…,XN]∈R3×N，得到L对数据以训练关键点提取网络；S3、选择每个关键点的多个邻域点，并对邻域点进行特征提取，分别对预存的声呐点云地形图和在线采集的声呐点云地形图，以每个关键点的邻域范围提取特征；S4、根据关键点计算实时点云帧与地图之间的匹配代价；S5、根据匹配代价实时计算声呐点云帧与地图在预测下的位置偏移量；S6、根据预测的位置偏移量和地面真实数值之间距离的平方来定义损失。本发明可以提升匹配效果、减小误差和精确定位。

主权项：1.一种三维成像声呐点云的水下地形匹配定位方法，其特征在于，包括以下步骤：S1、对在线采集的声呐点云帧进行采样，将点数达到N，并将预存的大范围声呐点云地图切割成具有N点的点云X；S2、将L个随机生成的变换矩阵{T1,…,TL},TL∈SE3作用于点云X＝[X0,…,XN]∈R3×N，得到L对数据以训练关键点提取网络，通过关键点提取网络对分块后的声呐点云地形图和在线采集的点云区域分别提取关键点，并将小块地形图的关键点进行拼接形成整个地形的关键点；S3、选择每个关键点的多个邻域点，并对邻域点进行特征提取，分别对预存的声呐点云地形图和在线采集的声呐点云地形图，以每个关键点的邻域范围提取特征；S4、根据关键点计算实时点云帧与地图之间的匹配代价；S5、根据匹配代价实时计算声呐点云帧与地图在预测下的位置偏移量；S6、根据预测的位置偏移量和地面真实数值之间距离的平方来定义损失；所述步骤S2中训练关键点提取网络的步骤具体为：输入点云X∈R3×N，使用FPS采样方式输出M个初始关键点S＝[S1,…SM]∈R3×M；采用点到关键点的采样方式对点云的每个点进行分组以得到当前关键点分组Km表示属于当前关键点邻域的点数，Sm为当前关键点，Sm∈S；对当前关键点分组进行去均值操作，得到其中，将每个当前关键点分组输入三个全连接层和一个最大池化层构成的网络，获得M个当前关键点对应的特征向量；对每个当前关键点Sm对应的特征进行KNN操作，得到邻域点并对邻域点归一化得到将每个当前关键点分组特征分别输入三个全连接层、一个最大池化层和一个全连接层构成的网络，最后输出获得M个当前关键点的偏移位置和不确定性Q1,σ1,…,QM,σM，其中Qm∈R3×M,σ∈R+分别表示M个当前关键点的坐标和不确定性；对M个当前关键点进行非极大值抑制，并根据关键点的不确定性进行排序，选取设定数量的关键点；将输出的当前关键点预测偏移和当前关键点求和以得到最终的关键点{Q1,…QM}。

全文数据：

权利要求：

百度查询： 中国人民解放军国防科技大学 一种三维成像声呐点云的水下地形匹配定位方法及系统