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！

摘要：本发明提出了电动汽车充电口的多域点云配准自动识别定位方法，属于充电桩技术领域，包括以下步骤：S1：建立电动汽车充电口模型点云域，传感器采集充电口的原始点云域；S2：基于知识滤波、数据滤波、空间滤波，得到视觉点云域；S3：对视觉点云域进行小波变化得到小波点云域；S4：分别在原始点云域、视觉点云域、小波点云域基于迭代最近点进行配准，基于不同域的误差与权重为配准结果进行打分；S5：选取最佳点云变化方法，对应的旋转矩阵和位移矩阵作为配准的最终结果，输出最佳旋转矩阵与最佳位移矩阵。本发明在保留特征的同时，去除原始点云中的干扰噪点，可得到最佳的旋转矩阵与位移矩阵，实现点云准确可靠配准。

主权项：1.电动汽车充电口的多域点云配准自动识别定位方法，其特征在于，包括以下步骤：S1：建立电动汽车充电口模型点云域，传感器采集充电口的原始点云域；S2：基于历史点云信息实现对原始点云域的知识滤波，基于数据特征关联度实现对原始点云域的数据滤波，基于点云空间实现对原始点云域的空间滤波，得到视觉点云域；S3：对视觉点云域进行小波变化得到小波点云域；S4：分别在原始点云域、视觉点云域、小波点云域基于迭代最近点进行配准，基于不同域的误差与权重对配准结果进行打分；S5：选取最佳点云变化方法，对应的旋转矩阵和位移矩阵作为配准的最终结果，输出最佳旋转矩阵与最佳位移矩阵，实现点云准确可靠配准；所述S2中，知识滤波包括以下步骤：基于历史点云的干扰噪点信息构建历史知识库，历史知识库包含不同历史点云中干扰噪点的稀疏程度，通过干扰噪点与其邻域内q个噪点的平均欧式距离和欧式距离方差，来计算干扰噪点的稀疏程度，公式如下： （1）；式中，为基于历史知识库预测的干扰噪点稀疏程度，为基于第l个历史点云预测的干扰噪点稀疏程度，、分别为第l个历史点云中干扰噪点k与其邻域q内噪点的平均欧式距离和欧式距离方差，为第l个历史点云中干扰噪点k与其邻域内第i个点的欧式距离，为第l个历史点云的干扰噪点稀疏程度预测调节参数；计算原始点云各点的稀疏程度，若，则原始点云中的点a视为无效的干扰噪点，从原始点云域中剔除；所述S2中，数据滤波包括以下步骤：将原始点云与模型点云网格化，得到原始点云矩阵与模型点云矩阵，之后分别计算原始点云与模型点云的特征值；对原始点云中包含的所有点，分别计算考虑该点以及不考虑该点的特征值，并与模型点云的特征值比较；若考虑该点的原始点云特征值远离模型点云的特征值，不考虑该点的原始点云特征值接近模型点云的特征值，则视为干扰噪点，从原始点云域中剔除；所述S4和S5中，考虑J种点云变化方法，第j种点云变化方法的旋转矩阵与位移矩阵分别表示为Qj与Uj，对于不同点云域内模型点云中的点ma、ms、mh，在原始点云A、视觉点云S、小波点云H中寻找与之欧式距离最近的点a、s、h作为对应点，组成对应点集；计算对应点对的法向量夹角，若大于设定的夹角阈值β，则剔除此点对，更新对应点集，采用第j种点云变化方法，对原始点云A的点a进行旋转与位移变化，公式如下： （3）；式中，ma,j为点a采用第j种点云变化方法进行旋转与位移变化后得到的点；对点a与点ma,j做视觉点云域变化，得到点a与点ma,j在视觉点云上对应的点s与点ms,j，对点a与点ma,j做小波点云域变化得到点a与点ma,j在小波点云上对应的点h与点mh,j；计算采用第j种点云变化方法的原始点云域、视觉点云域以及小波点云域中的配准误差，并基于误差和预设的权重为配准结果打分，公式如下： （4）；式中，分别为原始点云域、视觉点云域以及小波点云域的打分权重；选取配准结果打分最高的点云变化方法，作为最佳点云变化方法，对应的旋转矩阵和位移矩阵作为配准的最终结果，实现点云准确可靠配准。

全文数据：

权利要求：

百度查询： 国网(山东)电动汽车服务有限公司 电动汽车充电口的多域点云配准自动识别定位方法