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：浙江理工大学

摘要：本发明公开了一种基于聚类的点集配准方法，包括：获取参考点集和目标点集，对参考点集和目标点集分别进行聚类得到参考点集聚类中心和目标点集聚类中心，以及聚类对应关系矩阵，将聚类对应关系矩阵中的每个聚类簇对扩展为每个聚类簇对对应点集的点集对得到第一目标函数；将位移函数模型与第一目标函数融合得到第二目标函数，采用局部线性陷入方法对参考点集进行计算得到代价函数，将代价函数与第二目标函数进行融合，然后采用最大期望算法对融合后的目标函数进行迭代，完成参数优化得到最终目标函数。该方法能够准确的进行点集配准。

主权项：1.一种基于聚类的点集配准方法，其特征在于，包括：获取参考点集和目标点集，对参考点集和目标点集分别进行聚类得到参考点集聚类中心和目标点集聚类中心，采用高斯混合模型的点集配准方法得到参考点集聚类中心和目标点集聚类中心的聚类对应关系矩阵，将聚类对应关系矩阵中的每个聚类簇对扩展为每个聚类簇对对应点集的点集对得到第一目标函数，完成参考点集和目标点集的初步配准；采用变分法构建参考点集向目标点集移动的位移函数模型，将位移函数模型与第一目标函数融合得到第二目标函数，使得参考点集与目标点集配准过程中参考点集的整体结构不变，采用局部线性陷入方法对参考点集进行计算得到代价函数，将代价函数与第二目标函数进行融合，然后采用最大期望算法对融合后的目标函数进行迭代得到参数优化后的最终目标函数，参考点集通过最终目标函数完成向目标点集的最终配准；采用高斯混合模型的点集配准方法得到参考点集聚类中心和目标点集聚类中心的聚类对应关系矩阵，包括：将参考点集聚类中心作为高斯模型的均值，将目标点集聚类中心作为高斯模型生成的数据点，构建混合高斯模型的概率密度函数为： 其中，xk为目标点集的k簇的聚类中心，ω为使用参数，a为目标点集聚类生成簇的个数，b为参考点集聚类生成簇的个数，l为参考点集簇的索引，基于概率密度函数pxk，采用最大期望算法得到参考点集聚类中心和目标点集聚类中心的聚类对应关系矩阵；将聚类对应关系矩阵中的每个聚类簇对扩展为每个聚类簇对对应点集的点集对得到第一目标函数，包括：聚类对应关系矩阵中的每个聚类簇对ql,k进行扩展得到点集对pi,j，点集对pi,j与ql,k的关系式为： 其中pi,j表示目标点集聚类成a个簇中的第k个簇的第i个点和参考点集聚类成b个簇中的第l个簇的第j个点的对应关系，为目标点集聚类成的k个簇，为参考点集聚类成的l个簇，多个点集对pi,j构建了点集矩阵P，基于点集矩阵P，利用高斯模型得到第一目标函数；位移函数模型为： 其中，v为位移函数，G为高斯核函数，是G的傅立叶变换函数，是v的傅里叶变换，s表示傅里叶域的频率变量，表示数据是D维的；代价函数为： 其中，Gm1,·表示高斯核函数的第m1行，W为权重参数，Lmi为权重矩阵，即为参考点集的领域信息，m为参考点集中的第m个点，M为参考点集点的个数，K为参考点集中的每个点的K个最近邻点，i为K个最近邻点的索引；最终目标函数为： 其中，σ2为转换参数，Pold·为后验概率函数，xn为目标点集中的第n个点，ym为参考点集中的第m个点，λ和α分别为位移函数模型和代价函数权衡参数。

全文数据：

权利要求：

百度查询： 浙江理工大学 一种基于聚类的点集配准方法