[发明专利]一种三维点云相似配准方法

权利要求书

1.一种三维点云相似配准方法，其特征在于，包括：

S1：获得形状点云和模型点云，建立相似配准优化模型并对参数进行初始化；

S2：利用所述相似配准优化模型获得尺寸因子初值、刚体变换中旋转矩阵的初值和平移向量的初值；

S3：利用所述尺寸因子获取多个取值，并利用每个取值进行刚体配准求解和迭代，获得每个取值对应的最优旋转矩阵和平移向量；

S4：根据每个取值对应的最优旋转矩阵和平移向量，进行尺度因子精细化迭代，获取最优尺度因子及最终的旋转矩阵和平移向量。

2.根据权利要求1所述的三维点云相似配准方法，其特征在于，所述S1包括：

S11：获取形状点云和模型点云其中，N_p为所述形状点云中的点数，N_m为所述模型点云的点数；

S12：根据所述形状点云和所述模型点云，建立基于伪Huber损失函数的三维点云相似配准优化模型：

s.t.R^TR＝I₃，det(R)＝1

其中，s为尺度因子，R为旋转矩阵，t为平移向量，p_i为所述形状点云中第i个点的三维坐标，m_c(i)为形状点云中第i个点p_i在模型点云中的最优对应点，b为外点阈值，I₃表示3阶的单位矩阵；

S13：设定刚体配准最大迭代次数k_max、尺度因子精细化最大迭代次数n_max、刚体变换后点云间均方误差最小值ε_min，以及相似变换均方误差最小值εs_min，并且令刚体配准迭代次数初始值k＝1，尺度因子精细化迭代次数初始值n＝1。

3.根据权利要求2所述的三维点云相似配准方法，其特征在于，所述S2包括：

S21：对所述模型点云M进行相似变换，获得相似变换后的形状点云P：

其中，s为尺度因子，R为旋转矩阵，t为平移向量；

S22：利用模型点云M及其相似变换后的形状点云P计算获得尺寸因子的初值：

其中，p_g和m_g分别为形状点云P和模型点云M的重心，p_w和m_w分别为形状点云P和模型点云M的质心；

S23：利用主成分分析法计算获得所述旋转矩阵R的初值R₀以及所述平移向量t的初值t₀。

4.根据权利要求3所述的三维点云相似配准方法，其特征在于，所述S3包括：

S31：利用表达式令n＝1，根据所述尺寸因子初值s₀获得多个取值

S32：对于所述多个取值进行所述形状点云P和所述模型点云M的刚性变换求解，获得每个取值对应的最优旋转矩阵和最优平移向量。