[发明专利]一种基于点云姿态标准化的点云线特征提取方法

说明书

技术领域

本发明涉及一种基于点云姿态标准化的点云线特征提取方法，它是基于目标点云进行目标姿态测量或多视角匹配中提取点云线特征的一种方法，应用于点云目标的相对姿态测量。属于三维测量及机器视觉技术领域。

技术背景

三维点云数据的获取技术已经比较成熟，常见的方法有基于双目立体视觉获取高精度点云信息、通过激光扫描方式快速获得对象的点云信息，以及其他的三维点云获取技术。基于三维点云数据，可以实现加工尺寸测量、逆向工程、目标位姿测量等，在这些技术中，底层的关键技术是特征提取。线特征又具有数据量小、表达结构特征重要、易于存储分析处理等优点和应用价值。

关于三维点云线特征提取有几种代表性的方法，主要有以下几类：

把三维空间点云向特定的平面进行投影，在平面内利用寻找极点或峰值的方法进行特征点提取。但平面投影的结果同平面选择及原始点云结构紧密相关，提取的结果易受点云结构姿态及选取平面多重影响而不够稳定。

利用点云向量同临近点云向量夹角作为特征点判别指标，对于结构变化较大的特征点云，该夹角会较大，而对于平面或平滑曲面来说该夹角会比较小。用点云向量夹角作为特征选择依据具有对空间变换的稳定性，但对所有点云计算向量的计算量较大，且噪声点对计算结果的影响比较明显。

此外应用较广的是基于曲率的特征提取方法，用曲率来描述点云表面的平坦程度。一般的基于曲率的线特征提取算法会根据点云构造曲面，基于曲面方程计算点云曲率估计值。但一般算法在点集搜索、点云主方向调整、曲率估计方式选择上仍可有改善空间。

发明内容

技术问题：本发明提供了一种基于点云姿态标准化的点云线特征提取方法，它通过添加点云集主方向对准选择主曲率等功能，比已有的基于曲率方法提取效果在特征质量及算法稳定性方面有较大提高，可为后续的相对姿态测量、视场拼接提供较好的特征点云。

技术方案：基于点云数据的目标姿态测量或视场拼接，在实践中有广泛的应用，直接用扫描所得点云进行分析处理，一方面点云数量较多，影响处理的速度及复杂程度，另一方面由于大量视场差造成的干扰点影响，使最终的测量精度难以保障。因此提出了对点云数据进行线特征提取的思想，使用较少的点云数据更方便目标的测量或识别。

根据点云表面数据机构特征与曲率的对应关系，本发明提出一种基于点云姿态标准化的点云线特征提取方法，适用于无序三维点云中线特征的提取，该方法首先构建点云的KD-TRE E结构，以提高点云临近点集的搜索速度。然后根据整体点云密度构建每个点的临近点集，求出此点集的主方向并构建Householder变换矩阵调整点云姿态。接着对临近点集进行曲面拟合，进而基于曲面方程求出该点的两个主曲率，选择主曲率绝对值较大者作为该点曲率估计。最后，求出全部点云的曲率估计值，大于给定阈值的点作为线特征点，实现线特征提取。

本发明一种基于点云姿态标准化的点云线特征提取方法，该方法具体步骤为：

步骤一：构建某点的临近点集：对点云经过滤波及去噪操作后，使用KD-TREE算法构建原始点云的树结构，根据点云的坐标分布将原始点云细分到不同区域，由于细分过程是基于坐标信息的，可直接根据区域地址信息实现最近点的搜索，以大幅提高搜索速度。快速构建出指定点的临近点集。

步骤二：计算临近点集主方向：使用PCA主成分分析法，根据点集坐标构建协方差矩阵，其最小特征值对应的特征向量即为主方向。设点p_i的临近点集为（r为点集内点云个数）。即根据点的坐标，计算点集的主方向