[发明专利]时序多维点云形变识别方法、系统、电子设备及存储介质

权利要求书

1.一种时序多维点云形变识别方法，其特征在于，所述时序多维点云形变识别方法包括：

基于发生形变的被测物体表面的多帧点云，构建时序多维点云；

格网化所述时序多维点云；

对格网化后的时序多维点云进行逐点形变追踪；

基于形变追踪结果建立所述时序多维点云的点对匹配关系；

其中，所述点对匹配关系为所述时序多维点云的前一帧多维点云与后一帧多维点云之间的匹配关系；

基于所述点对匹配关系构建局部形变描述子和全局形变描述子，以识别所述被测物体表面的形变过程。

2.如权利要求1所述的时序多维点云形变识别方法，其特征在于，所述构建时序多维点云的步骤前包括：

按照预设时间间隔采集发生形变的被测物体表面的多帧点云；

所述构建时序多维点云的步骤包括：

按照采集时间顺序，基于采集到的所述多帧点云构建时序多维点云；

或，

所述构建时序多维点云的步骤前包括：

实时采集发生形变的被测物体表面的多帧点云；

所述构建时序多维点云的步骤包括：

基于实时采集的所述多帧点云，实时构建时序多维点云。

3.如权利要求1所述的时序多维点云形变识别方法，其特征在于，所述格网化所述时序多维点云的步骤前包括：

预处理所述时序多维点云，所述预处理包括去除背景数据、去除噪声数据和均一化处理中至少一种。

4.如权利要求1所述的时序多维点云形变识别方法，其特征在于，所述对格网化后的时序多维点云进行逐点形变追踪的步骤包括：

对格网化后的时序多维点云提取关键点和所述关键点的多维特征，其中所述多维特征包括旋转缩放不变特征和/或纹理特征；

基于所述多维特征，对所述关键点进行初始点对匹配；

通过相关性模型和迭代优化方法，优化所述初始点对匹配结果，以建立格网点对匹配关系；所述迭代优化的方法包括高斯-牛顿迭代方法；所述相关性模型用于判断点对匹配是否精确。

5.如权利要求4所述的时序多维点云形变识别方法，其特征在于，所述基于形变追踪结果建立所述时序多维点云的点对匹配关系的步骤包括：

根据所述格网点对匹配关系，建立所述时序多维点云的点对匹配关系。

6.如权利要求1所述的时序多维点云形变识别方法，其特征在于，所述基于所述点对匹配关系构建局部形变描述子的步骤包括：

基于所述点对匹配关系，获取离散的时空坐标信息、离散的位移向量、离散的应变向量及离散的形变速率向量；

基于所述离散的时空坐标信息、离散的位移向量、离散的应变向量及离散的形变速率向量，通过以下公式构建局部形变描述子：

LDD＝[aΔev]^T

其中，LDD表征局部形变描述子，a表征离散的时空坐标信息，Δ表征离散的位移向量，e表征离散的应变向量，v表征离散的形变速率向量，T表征转置符号。

7.如权利要求6所述的时序多维点云形变识别方法，其特征在于，所述基于所述点对匹配关系构建全局形变描述子的步骤包括：

对所述离散的时空坐标信息、离散的位移向量、离散的应变向量及离散的形变速率向量进行插值，得到预设时间点和预设空间位置的连续的位移场、连续的应变场和连续的速度场；

其中，所述位移场为所述被测物体表面的位移状态的函数，所述应变场为所述被测物体表面的应变状态的函数，所述速度场为所述被测物体表面的形变速率的函数；

基于所述连续的位移场、连续的应变场和连续的速度场，通过以下公式构建全局形变描述子：

GDD＝[D(x,y,z,t)E(x,y,z,t)V(x,y,z,t)]^T

其中，所述GDD表征全局形变描述子，D(x,y,z,t)为位移场，E(x,y,z,t)为应变场，V(x,y,z,t)为速度场，x、y、z表征某帧多维点云的一个点的x轴、y轴和z轴的三维坐标信息，t表征某帧多维点云的一个点的时间信息，T表征转置符号。