[发明专利]一种多尺度法向特征点云配准方法

权利要求书

1.一种多尺度法向特征点云配准方法，其特征在于:

步骤1：读入由点云获取设备采集的目标点云和源点云两视角点云；

步骤2：计算点的三个尺度半径邻域的曲率，根据目标函数，从目标点云和源点云中抽取关键点；

步骤3：计算每一个关键点在不同尺度半径邻域的法向量角度偏差和曲率，将其作为特征分量，构成关键点的特征描述子，从而得到目标点云关键点特征向量集和源点云关键点特征向量集；

步骤4：根据关键点特征描述子的相似程度，初步确定目标点云关键点和源点云关键点的对应关系；

步骤5：去除错误的对应关系，获得精确对应关系；

步骤6：对获得的精确对应关系使用聚类分析方法进行精简，得到分布均匀的对应关系；

步骤7：对最终的对应关系进行奇异值分解得到刚体变换矩阵。

2.根据权利要求1所述的多尺度法向特征点云配准方法，其特征在于：步骤2中，具体包括以下步骤，

步骤2.1：根据不同点云数据选取适当半径r，作为任意一点p的邻域计算半径，计算点云每一个点p半径为r时邻域的3×3的协方差矩阵E，并计算特征值λ₁₁、λ₁₂、λ₁₃，

E=1kΣi=1k(pi-p‾)·(pi-p‾)T]]>

E·v_j＝λ_j·v_j,j∈{1,2,3}

式中，p_i是p半径为r邻域内的点，k是点p半径为r邻域内点的数量,表示这个邻域的质心，λ_j、v₁分别是协方差矩阵的特征向量和对应的特征值，j＝1,2,3；

步骤2.2：按照步骤2.1计算点p半径为2r时邻域的协方差矩阵，获得特征值λ₂₁、λ₂₂、λ₂₃；

步骤2.3：按照步骤2.1计算点p半径为3r时邻域的协方差矩阵，获得特征值λ₃₁、λ₃₂、λ₃₃；

步骤2.4:由以上所得的特征值估算曲率，曲率c_i由如下公式所得：

ci=λi1λi1+λi2+λi3,i=1,2,3]]>

由此，得到点云数据中每个点的三个半径的曲率c₁,c₂,c₃。选择满足如下关系的点为特征点，

|c1-c2|c1+c2≤ϵ,|c2-c3|c2+c3≤ϵ]]>

其中，ε为关键点选择阈值。