基于16維特征描述的激光點(diǎn)云自動(dòng)配準(zhǔn)方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種基于16維特征描述的激光點(diǎn)云自動(dòng)配準(zhǔn)方法及系統(tǒng)，包括步驟：步驟1，對(duì)激光點(diǎn)云數(shù)據(jù)中各激光點(diǎn)單位法向量重新定向；步驟2，構(gòu)建激光點(diǎn)鄰域內(nèi)任意兩鄰域激光點(diǎn)間的局部坐標(biāo)系；步驟3，在局部坐標(biāo)系下獲取激光點(diǎn)的特征向量；步驟4，基于激光點(diǎn)的特征向量從點(diǎn)云數(shù)據(jù)中提取特征點(diǎn)，并獲取特征點(diǎn)的最佳尺度；步驟5，基于特征點(diǎn)在最佳尺度下的特征向量對(duì)兩站激光點(diǎn)云進(jìn)行配準(zhǔn)。本發(fā)明可提高激光點(diǎn)云配準(zhǔn)的自動(dòng)化程度和匹配準(zhǔn)確性。
【專利說明】基于16維特征描述的激光點(diǎn)云自動(dòng)配準(zhǔn)方法及系統(tǒng)

【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于激光點(diǎn)云數(shù)據(jù)處理應(yīng)用領(lǐng)域，尤其涉及一種基于16維特征描述的激光點(diǎn)云自動(dòng)配準(zhǔn)方法及系統(tǒng)。

【背景技術(shù)】
[0002]地面激光掃描技術(shù)(Terrestrial Laser Scanning Technology)是近些年發(fā)展起來的一項(xiàng)新型三維測(cè)量掃描技術(shù)，許多國內(nèi)測(cè)繪廠商都推出了自主知識(shí)產(chǎn)權(quán)的激光雷達(dá)產(chǎn)品。目前在國內(nèi)，地面激光掃描技術(shù)已被應(yīng)用于土方計(jì)算、交通事故處理、城市規(guī)劃、資源探測(cè)、應(yīng)急救災(zāi)、文物保護(hù)等多種領(lǐng)域，但國內(nèi)地面激光掃描技術(shù)在各行業(yè)領(lǐng)域的應(yīng)用比例仍然處于較低水平，其中一個(gè)主要原因是與國產(chǎn)硬件設(shè)備相配套的激光點(diǎn)云數(shù)據(jù)處理軟件仍存在很多缺點(diǎn)和不足。
[0003]激光點(diǎn)云數(shù)據(jù)的配準(zhǔn)是激光點(diǎn)云數(shù)據(jù)處理的第一步，也是激光點(diǎn)云分割、分類、建模等后處理的基礎(chǔ)，在激光點(diǎn)云數(shù)據(jù)處理的中至關(guān)重要。激光點(diǎn)云數(shù)據(jù)的配準(zhǔn)，一般通過放置標(biāo)靶并進(jìn)行識(shí)別或通過手工選取同名點(diǎn)方式來進(jìn)行，但上述方法具有很大的局限性。因此，無標(biāo)靶的激光點(diǎn)云配準(zhǔn)方法的研究也就凸顯了其必要性和重要性。無標(biāo)靶的激光點(diǎn)云配準(zhǔn)以激光點(diǎn)云的特征提取和匹配為主，但這種激光點(diǎn)云配準(zhǔn)方法難以適用于所有的情況，因?yàn)榧す恻c(diǎn)云數(shù)據(jù)所對(duì)應(yīng)的場(chǎng)景往往比較復(fù)雜，很多算法只能針對(duì)其中部分場(chǎng)景進(jìn)行配準(zhǔn)。因此，通過不斷改進(jìn)、完善尋找一種場(chǎng)景適應(yīng)性好、抗噪能力強(qiáng)、配準(zhǔn)效率高的激光點(diǎn)云配準(zhǔn)方法，對(duì)地面激光掃描設(shè)備以及激光點(diǎn)云數(shù)據(jù)在實(shí)際生產(chǎn)中的應(yīng)用有著重要價(jià)值。
[0004]目前，激光點(diǎn)云特征提取方法主要集中于幾何特征提取，此類特征提取方法通過擬合各激光點(diǎn)的法向量、曲率等基本特征進(jìn)而計(jì)算更高級(jí)、穩(wěn)定的點(diǎn)特征，例如，三維積分描述子(通過積分計(jì)算激光點(diǎn)的球形鄰域與過該激光點(diǎn)的擬合曲面所構(gòu)成空間的體積)、法向量與曲率半徑方向夾角的正弦值、3D-SITF特征、不變矩、球面諧波不變量等點(diǎn)特征。除了點(diǎn)特征，很多方法還利用線特征、面特征、環(huán)特征和球特征等多維度特征對(duì)激光點(diǎn)云進(jìn)行特征描述和提取。提取點(diǎn)云特征后，目前主要通過特征空間中最臨近搜索確定激光點(diǎn)云中用于配準(zhǔn)的同名點(diǎn)，但這種方法往往存在較多誤匹配點(diǎn)；而且，上述特征提取方法在不同尺度上提取的特征往往不同。
[0005]文中涉及如下相關(guān)文獻(xiàn):
[0006][l]Gelfand N, Niloy J M, Leonidas J G, et al.Robust Global Registrat1n.SGPJ 05:Proceedingsof the third Eurographics symposium on Geometryprocessing, 2005.197 - 206.
[0007][2]Liu R, Hirzinger G..Marker-free automatic matching of range data.Proceedings of In:R.Reulke and U.Knauer(eds), Panoramic PhotogrammetryWorkshop, Proceedings of the ISPRS working group V/5, 2005.
[0008][3] Sharp G C, Lee S ff, Wehe D K.1CP registrat1n using invariantfeatures[J].Pattern Analysis and Machine Intelligence, IEEE Transact1nson, 2002，24(1):90-102.
[0009][4] Bae K H，Lichti D D.Automated registrat1n of unorganisedpoint clouds from terrestrial laser scanners[M].Curtin University ofTechnology.2006.
[0010][5]Sadjadi F A, Hall E L Three-dimens1nal moment invariants[J].PatternAnalysis and Machine Intelligence,IEEE Transact1ns on,1980 (2):127-136.
[0011][6]Burel G，Henocq H.Three-dimens1nal invariants and their applicat1nto object recognit1n[J].Signal Processing,1995, 45 (I):1-22.
[0012][7 I Stamosj M Leordeanuj Automated Feature-based Range Registrat1n ofUrban Scenes of Large Scale, in IEEE Conference on Computer Vis1n and PatternRecognit1n (2003)
[0013][8] J Yaoj MR Ruggerij P Taddeij V Sequeiraj Automatic scan registrat1nusing 3D linear and planar features.3D Res.1(3)，1- 18(2010)
[0014][9] C Chaoj I Stamosj Sem1-automatic Range to Range Registrat1n: aFeature-based Method, in Internat1nal Conference on 3-D Digital Imaging andModeling(3DIM)(2005)
[0015][10]C Doldj C Brenner, Registrat1n of Terrestrial Laser Scanning DataUsing Planar Patches and Image Data, in Internat1nal Society for Photogrammetryand Remote Sensing (2006)
[0016][II]C Chaoj I Stamosj Range Image Registrat1n Based on CircularFeatures,in Proceedings of Internat1nal Symposium on 3D Data ProcessingVisualizat1n and Transmiss1n(3DPVT)(2006)
[0017][12]M Franaszekj GS Cheokj C Witzgallj Fast automatic registrat1nof range images from 3D imaging systems using sphere targets.AutomConstr.18 (3)，265 - 274 (2009).do1: 10.1016/j.autcon.2008.08.003


【發(fā)明內(nèi)容】

[0018]針對(duì)現(xiàn)有技術(shù)存在的問題，本發(fā)明提供了一種匹配更精確的基于16維特征描述的激光點(diǎn)云自動(dòng)配準(zhǔn)方法及系統(tǒng)。
[0019]為解決上述技術(shù)問題，本發(fā)明釆用如下的技術(shù)方案:
[0020]一、基于16維特征描述的激光點(diǎn)云配準(zhǔn)方法，包括步驟:
[0021]步驟1，對(duì)激光點(diǎn)云數(shù)據(jù)中各激光點(diǎn)單位法向量重新定向，S卩:選取視點(diǎn)，若以視點(diǎn)為起點(diǎn)、以激光點(diǎn)為終點(diǎn)的矢量向量與該激光點(diǎn)單位法向量的夾角大于90度，則激光點(diǎn)單位法向量反向；否則，激光點(diǎn)單位法向量方向不變；
[0022]步驟2，構(gòu)建激光點(diǎn)鄰域內(nèi)任意兩鄰域激光點(diǎn)間的局部坐標(biāo)系，具體為:
[0023]分別獲取兩鄰域激光點(diǎn)單位法向量與兩鄰域激光點(diǎn)連線的銳角夾角，取較小銳角夾角對(duì)應(yīng)的鄰域激光點(diǎn)為原點(diǎn)，另一鄰域激光點(diǎn)為目標(biāo)點(diǎn)；以原點(diǎn)單位法向量為u軸，以起點(diǎn)為原點(diǎn)、終點(diǎn)為目標(biāo)點(diǎn)的矢量向量與原點(diǎn)單位法向量的叉乘結(jié)果為V軸，U軸與V軸方向向量的叉乘結(jié)果為W軸；
[0024]步驟3，在局部坐標(biāo)系下獲取激光點(diǎn)的特征向量，具體為:
[0025]3.1在局部坐標(biāo)系下下,計(jì)算目標(biāo)點(diǎn)單位法向量與V軸方向向量的點(diǎn)乘關(guān)系fl、原點(diǎn)和目標(biāo)點(diǎn)間距離f2、以起點(diǎn)為原點(diǎn)、終點(diǎn)為目標(biāo)點(diǎn)的矢量向量與u軸的夾角f3及目標(biāo)點(diǎn)單位法向量在u軸和ν軸形成平面上投影的反正弦值f4 ；
[0026]3.2 比較fi 和閾值 & 的大小,若 fi > ti;貝丨J s(ti，fi) = I ;否則 s (\，fi) = O ；i = 1>
2、3、4，&和t2在[-1，I]范圍內(nèi)取值，t4在[-π /2，/2]范圍內(nèi)取值，t3表示尺度；
[0027]3.3獲得激光點(diǎn)鄰域內(nèi)任意兩鄰域激光點(diǎn)的特征值方，統(tǒng)計(jì)任意兩鄰域激光點(diǎn)特征值為[0，15]內(nèi)整數(shù)的頻率，構(gòu)成激光點(diǎn)的16維特征向量；
[0028]步驟4，基于激光點(diǎn)的特征向量從點(diǎn)云數(shù)據(jù)中提取特征點(diǎn)，并獲取不同尺度下特征點(diǎn)維度特性表現(xiàn)的概率組合，取令概率組合香農(nóng)熵最小的尺度為特征點(diǎn)的最佳尺度；
[0029]步驟5，基于特征點(diǎn)在最佳尺度下的特征向量對(duì)兩站激光點(diǎn)云進(jìn)行配準(zhǔn)。
[0030]子步驟3.2中所述的tp t2和t4均設(shè)為O。
[0031]步驟4中所述的基于激光點(diǎn)的特征向量從點(diǎn)云數(shù)據(jù)中提取特征點(diǎn)具體為:
[0032]根據(jù)不同尺度下激光點(diǎn)特征向量分別獲得各尺度下的平均特征向量，所述的平均特征向量為點(diǎn)云數(shù)據(jù)中所有激光點(diǎn)特征向量的均值；
[0033]在不同尺度下，分別衡量激光點(diǎn)特征向量和平均特征向量間的距離，根據(jù)激光點(diǎn)特征向量和平均特征向量間的距離選擇當(dāng)前尺度下的初始特征點(diǎn)；
[0034]在兩個(gè)連續(xù)尺度上均為初始特征點(diǎn)的激光點(diǎn)即為最終的特征點(diǎn)。
[0035]上述根據(jù)激光點(diǎn)特征向量和平均特征向量間的距離選擇當(dāng)前尺度下的初始特征點(diǎn)，具體為:
[0036]選擇與平均特征向量的距離大于標(biāo)準(zhǔn)差σ的激光點(diǎn)作為初始特征點(diǎn)，標(biāo)準(zhǔn)差σ為點(diǎn)云數(shù)據(jù)中所有激光點(diǎn)特征向量和平均特征向量間距離的標(biāo)準(zhǔn)差。
[0037]上述衡量激光點(diǎn)特征向量和平均特征向量間的距離采用KL距離進(jìn)行衡量:
Dkl = Yjiivf - μ,)* ln{v! /代)]，其中，Dia表示激光點(diǎn)特征向量和平均特征向量間的KL距離，vf表示激光點(diǎn)特征向量的第i維元素，μ i為平均特征向量的第i維元素。
[0038]步驟4中所述的獲取不同尺度下特征點(diǎn)維度特性表現(xiàn)的概率組合，具體為:
[0039]對(duì)特征點(diǎn)的鄰域激光點(diǎn)集(X1,...，Xi,...，Xn)，獲取矩陣5 = (X1 -X,...,Xn -?和M
一 η
=ΒΤΒ，其中，X = ΣΑ',;

1-l
[0040]計(jì)算矩陣M的特征值，并按從大到小對(duì)特征值排序，排序后特征值為入I 3入2 >入3 ;
[0041]根據(jù)矩陣M的特征值獲得特征點(diǎn)維度特性表現(xiàn)的概率值:? = ( λ r λ 2) / λ 1、a2=(λ 2_ λ 3) / λ j 和 a3 = λ 3/ λ j,犾得概率組合(a” a2, a3)；
[0042]同時(shí)，步驟4中所述的概率組合香農(nóng)熵E,:t'p = -?I * Ιηαι - aU * Jna2 - a3 * Inai。
[0043]步驟6進(jìn)一步包括:
[0044]基于特征點(diǎn)在最佳尺度下的特征向量對(duì)兩站激光點(diǎn)云中特征點(diǎn)進(jìn)行粗配準(zhǔn)，獲得初始同名點(diǎn)對(duì)；
[0045]基于同名點(diǎn)對(duì)間距離的均方根誤差，采用分層貪心法篩選初始同名點(diǎn)對(duì)獲得篩選后的同名點(diǎn)對(duì)；
[0046]根據(jù)篩選后的同名點(diǎn)對(duì)兩站激光點(diǎn)云進(jìn)行配準(zhǔn)。
[0047]上述基于同名點(diǎn)對(duì)間的距離均方根誤差，采用分層貪心法篩選初始同名點(diǎn)對(duì)獲得篩選后的同名點(diǎn)對(duì)，具體為:
[0048]將初始同名點(diǎn)集中距離均方根誤差小于閾值rThresh()ld的任意兩對(duì)初始同名點(diǎn)對(duì)合并，并加入2階點(diǎn)對(duì)象集；
[0049]對(duì)k階點(diǎn)對(duì)象集中任意對(duì)象eki，在k階點(diǎn)對(duì)象集中搜索與對(duì)象eki沒有重復(fù)結(jié)點(diǎn)的對(duì)象ew，若對(duì)象對(duì)(eki，ekJ)中k對(duì)初始同名點(diǎn)對(duì)間的距離均方根誤差小于閾值rThresh()ld，則將對(duì)象對(duì)(eki，ekJ)合并加入2k階點(diǎn)對(duì)象集；同時(shí)刪除k階點(diǎn)對(duì)象集中與對(duì)象對(duì)(eki，ekJ)有相同結(jié)點(diǎn)的對(duì)象；其中，k依次取2、4、8，最終獲得16階點(diǎn)對(duì)象集；閾值iWd-根據(jù)兩站激光點(diǎn)云的點(diǎn)云密度設(shè)定；
[0050]將16階點(diǎn)對(duì)象集中對(duì)象加入同名點(diǎn)對(duì)集，根據(jù)同名點(diǎn)對(duì)集中同名點(diǎn)對(duì)獲取轉(zhuǎn)換參數(shù)(R，t)，對(duì)初始同名點(diǎn)對(duì)集中未加入16階點(diǎn)對(duì)象集的剩余同名點(diǎn)對(duì)(Pi’，q/)計(jì)算
R*Pi’+t|_qi’，將I R*Pi’+t 1-q/小于預(yù)設(shè)閾值的剩余同名點(diǎn)對(duì)加入同名點(diǎn)對(duì)集，所述的預(yù)設(shè)閾值根據(jù)兩站激光點(diǎn)云的點(diǎn)云密度設(shè)定。
[0051]上述根據(jù)篩選后的同名點(diǎn)對(duì)兩站激光點(diǎn)云進(jìn)行配準(zhǔn)，具體為:
[0052]根據(jù)同名點(diǎn)對(duì)集中同名點(diǎn)對(duì)獲得兩站激光點(diǎn)云間的轉(zhuǎn)換參數(shù)，采用轉(zhuǎn)換參數(shù)對(duì)兩站激光點(diǎn)云進(jìn)行配準(zhǔn)。
[0053]二、一種基于16維特征描述的激光點(diǎn)云配準(zhǔn)系統(tǒng),包括:
[0054](I)單位法向量定向模塊，用來對(duì)激光點(diǎn)云數(shù)據(jù)中各激光點(diǎn)單位法向量重新定向，即:選取視點(diǎn)，若以視點(diǎn)為起點(diǎn)、以激光點(diǎn)為終點(diǎn)的矢量向量與該激光點(diǎn)單位法向量的夾角大于90度，則激光點(diǎn)單位法向量反向；否則，激光點(diǎn)單位法向量方向不變；
[0055](2)局部坐標(biāo)系構(gòu)建模塊，用來構(gòu)建激光點(diǎn)鄰域內(nèi)任意兩鄰域激光點(diǎn)間的局部坐標(biāo)系，本模塊進(jìn)一步包括子模塊:
[0056]原點(diǎn)確定模塊，用來分別獲取兩鄰域激光點(diǎn)單位法向量與兩鄰域激光點(diǎn)連線的銳角夾角，取較小銳角夾角對(duì)應(yīng)的鄰域激光點(diǎn)為原點(diǎn)，另一鄰域激光點(diǎn)為目標(biāo)點(diǎn)；
[0057]坐標(biāo)軸確定模塊，用來以原點(diǎn)單位法向量為U軸，以起點(diǎn)為原點(diǎn)、終點(diǎn)為目標(biāo)點(diǎn)的矢量向量與原點(diǎn)單位法向量的叉乘結(jié)果為V軸，u軸與V軸方向向量的叉乘結(jié)果為w軸；
[0058](3)特征向量構(gòu)建模塊，用來在局部坐標(biāo)系下獲取激光點(diǎn)的特征向量，本模塊進(jìn)一步包括子模塊:
[0059]幾何特征計(jì)算模塊，用來在局部坐標(biāo)系下下，計(jì)算目標(biāo)點(diǎn)單位法向量與V軸方向向量的點(diǎn)乘關(guān)系fl、原點(diǎn)和目標(biāo)點(diǎn)間距離f2、以起點(diǎn)為原點(diǎn)、終點(diǎn)為目標(biāo)點(diǎn)的矢量向量與u軸的夾角f3及目標(biāo)點(diǎn)單位法向量在u軸和ν軸形成平面上投影的反正弦值f4 ；
[0060]比較模塊，用來比較fi和閾值\的大小，若fi>ti，則S(ti，fi) =1 ;否則s(ti，fi)=
O；i = 1、2、3、4，&和&在[-1，I]范圍內(nèi)取值，^在[-31/2，Jr/2]范圍內(nèi)取值，t3表示尺度；
[0061]特征向量獲得模塊，用來獲得激光點(diǎn)鄰域內(nèi)任意兩鄰域激光點(diǎn)的特征值
/<4
為=統(tǒng)計(jì)任意兩鄰域激光點(diǎn)特征值為[0，15]內(nèi)整數(shù)的頻率，構(gòu)成激光點(diǎn)的16維特征向量；
[0062](4)最佳尺度獲得模塊，用來基于激光點(diǎn)的特征向量從點(diǎn)云數(shù)據(jù)中提取特征點(diǎn)，并獲取不同尺度下特征點(diǎn)維度特性表現(xiàn)的概率組合，取令概率組合香農(nóng)熵最小的尺度為特征點(diǎn)的最佳尺度；
[0063](5)配準(zhǔn)模塊，用來基于特征點(diǎn)在最佳尺度下的特征向量對(duì)兩站激光點(diǎn)云進(jìn)行配準(zhǔn)。
[0064]和現(xiàn)有技術(shù)相比，本發(fā)明具有如下特點(diǎn)和有益效果:
[0065]結(jié)合香農(nóng)熵分析特征向量的最佳尺度，獲得特征點(diǎn)的最佳尺度，并基于最佳尺度提取特征和匹配；結(jié)合剛體轉(zhuǎn)換中距離不變特性，采用貪心思想進(jìn)一步篩選初始同名點(diǎn)對(duì)，獲得可提高匹配準(zhǔn)確性的同名點(diǎn)對(duì)集。
[0066]本發(fā)明可提高激光點(diǎn)云配準(zhǔn)的自動(dòng)化程度和匹配準(zhǔn)確性。

【專利附圖】

【附圖說明】
[0067]圖1為原點(diǎn)和目標(biāo)點(diǎn)的確定過程示意圖；
[0068]圖2為本發(fā)明方法的具體流程圖；
[0069]圖3為獲取激光點(diǎn)云中激光點(diǎn)單位法向量的具體流程圖。

【具體實(shí)施方式】
[0070]下面將結(jié)合附圖和【具體實(shí)施方式】對(duì)本發(fā)明技術(shù)方案作進(jìn)一步說明。
[0071]本發(fā)明基于16維特征描述的激光點(diǎn)云自動(dòng)配準(zhǔn)方法，具體步驟如下:
[0072]步驟1，獲取激光點(diǎn)云數(shù)據(jù)中各激光點(diǎn)的單位法向量。
[0073]根據(jù)激光點(diǎn)P鄰域點(diǎn)Xi = (Xi, Yi, Zi)獲得矩陣A:
[0074]A= (X1,...,Xi,...,Xn)τ ⑴
[0075]其中，(Xi, Yi, Zi)表示鄰域點(diǎn)Xi坐標(biāo)，η為激光點(diǎn)ρ鄰域中激光點(diǎn)數(shù)量。
[0076]根據(jù)最小二乘原理列出誤差方程V = AX+L獲得激光點(diǎn)P法向量:
[0077]X = (AtPA) -1AtPL (2)
[0078]其中，V表示大小ηΧ I的誤差矩陣；矩陣L中所有元素均為_1，大小為nX I ;Ρ表示大小ηΧη的加權(quán)矩陣，一般情況下，加權(quán)矩陣P為單位矩陣；Χ表示大小3X1的法向量矩陣，X= (a, b, c)T,即激光點(diǎn)ρ法向量n’p = (a, b, c)。
[0079]令3 = 777^77,獲得激光點(diǎn)P的單位法向量np = n’p/d。采用上述方法獲得激光點(diǎn)云數(shù)據(jù)中各激光點(diǎn)的單位法向量。
[0080]步驟2，對(duì)激光點(diǎn)單位法向量重新定向。
[0081 ] 對(duì)激光點(diǎn)ρ單位法向量的方向進(jìn)行重新定向，以統(tǒng)一點(diǎn)云中激光點(diǎn)單位法向量的方向，具體為:令O為視點(diǎn),O點(diǎn)坐標(biāo)一般取為(0,0,0),若激光點(diǎn)P的單位法向量np與向量
pO的夾角大于90度,令激光點(diǎn)ρ單位法向量np反向，如下:

【權(quán)利要求】
1.基于16維特征描述的激光點(diǎn)云配準(zhǔn)方法，其特征在于，包括步驟: 步驟1，對(duì)激光點(diǎn)云數(shù)據(jù)中各激光點(diǎn)單位法向量重新定向，即:選取視點(diǎn)，若以視點(diǎn)為起點(diǎn)、以激光點(diǎn)為終點(diǎn)的矢量向量與該激光點(diǎn)單位法向量的夾角大于90度,則激光點(diǎn)單位法向量反向；否則，激光點(diǎn)單位法向量方向不變； 步驟2，構(gòu)建激光點(diǎn)鄰域內(nèi)任意兩鄰域激光點(diǎn)間的局部坐標(biāo)系，具體為: 分別獲取兩鄰域激光點(diǎn)單位法向量與兩鄰域激光點(diǎn)連線的銳角夾角，取較小銳角夾角對(duì)應(yīng)的鄰域激光點(diǎn)為原點(diǎn)，另一鄰域激光點(diǎn)為目標(biāo)點(diǎn)；以原點(diǎn)單位法向量為u軸，以起點(diǎn)為原點(diǎn)、終點(diǎn)為目標(biāo)點(diǎn)的矢量向量與原點(diǎn)單位法向量的叉乘結(jié)果為V軸，u軸與V軸方向向量的叉乘結(jié)果為w軸； 步驟3，在局部坐標(biāo)系下獲取激光點(diǎn)的特征向量，具體為: 3.1在局部坐標(biāo)系下下，計(jì)算目標(biāo)點(diǎn)單位法向量與V軸方向向量的點(diǎn)乘關(guān)系fl、原點(diǎn)和目標(biāo)點(diǎn)間距離f2、以起點(diǎn)為原點(diǎn)、終點(diǎn)為目標(biāo)點(diǎn)的矢量向量與u軸的夾角f3及目標(biāo)點(diǎn)單位法向量在u軸和V軸形成平面上投影的反正弦值f4 ；
3.2 比較fi 和閾值 ti 的大小，若fi > ti;則 S(Lfi) = I ;否則 s(ti，fi) = O ；i = 1、2、3、4，&和t2在[-1，I]范圍內(nèi)取值，t4在[-π /2，π /2]范圍內(nèi)取值，t3表示尺度； 3.3獲得激光點(diǎn)鄰域內(nèi)任意兩鄰域激光點(diǎn)的特征值方外，p]，統(tǒng)計(jì)任意兩






/-1鄰域激光點(diǎn)特征值為[0，15]內(nèi)整數(shù)的頻率，構(gòu)成激光點(diǎn)的16維特征向量； 步驟4，基于激光點(diǎn)的特征向量從點(diǎn)云數(shù)據(jù)中提取特征點(diǎn)，并獲取不同尺度下特征點(diǎn)維度特性表現(xiàn)的概率組合，取令概率組合香農(nóng)熵最小的尺度為特征點(diǎn)的最佳尺度； 步驟5，基于特征點(diǎn)在最佳尺度下的特征向量對(duì)兩站激光點(diǎn)云進(jìn)行配準(zhǔn)。
2.如權(quán)利要求1所述的基于16維特征描述的激光點(diǎn)云配準(zhǔn)方法，其特征在于: 子步驟3.2中所述的tp t2和t4均設(shè)為O。
3.如權(quán)利要求1所述的基于16維特征描述的激光點(diǎn)云配準(zhǔn)方法，其特征在于: 步驟4中所述的基于激光點(diǎn)的特征向量從點(diǎn)云數(shù)據(jù)中提取特征點(diǎn)具體為: 根據(jù)不同尺度下激光點(diǎn)特征向量分別獲得各尺度下的平均特征向量，所述的平均特征向量為點(diǎn)云數(shù)據(jù)中所有激光點(diǎn)特征向量的均值； 在不同尺度下，分別衡量激光點(diǎn)特征向量和平均特征向量間的距離，根據(jù)激光點(diǎn)特征向量和平均特征向量間的距離選擇當(dāng)前尺度下的初始特征點(diǎn)； 在兩個(gè)連續(xù)尺度上均為初始特征點(diǎn)的激光點(diǎn)即為最終的特征點(diǎn)。
4.如權(quán)利要求3所述的基于16維特征描述的激光點(diǎn)云配準(zhǔn)方法，其特征在于: 所述的根據(jù)激光點(diǎn)特征向量和平均特征向量間的距離選擇當(dāng)前尺度下的初始特征點(diǎn)，具體為: 選擇與平均特征向量的距離大于標(biāo)準(zhǔn)差ο的激光點(diǎn)作為初始特征點(diǎn)，標(biāo)準(zhǔn)差σ為點(diǎn)云數(shù)據(jù)中所有激光點(diǎn)特征向量和平均特征向量間距離的標(biāo)準(zhǔn)差。
5.如權(quán)利要求3所述的基于16維特征描述的激光點(diǎn)云配準(zhǔn)方法，其特征在于: 所述的衡量激光點(diǎn)特征向量和平均特征向量間的距離采用KL距離進(jìn)行衡量:
其中，Dia表示激光點(diǎn)特征向量和平均特征向量間的KL距離，ν/表示激光點(diǎn)特征向量的第i維元素，μ i為平均特征向量的第i維元素。
6.如權(quán)利要求1所述的基于16維特征描述的激光點(diǎn)云配準(zhǔn)方法，其特征在于: 步驟4中所述的獲取不同尺度下特征點(diǎn)維度特性表現(xiàn)的概率組合，具體為: 對(duì)特征點(diǎn)的鄰域激光點(diǎn)集(X1,...，Xi,...，Xn)，獲取矩陣5 = (X1-X,...,X,, -?)和M =BTB，其中，
計(jì)算矩陣M的特征值，并按從大到小對(duì)特征值排序，排序后特征值為X1S λ2> λ3;根據(jù)矩陣M的特征值獲得特征點(diǎn)維度特性表現(xiàn)的概率值:ai = U1-X2VXp a2 =(入 2_ X 3) / X I 和 a3 = \ J \ y> 犾得概率組合(^1，a2, a3)； 同時(shí)，步驟4中所述的概率組合香農(nóng)熵=—a' * Umx ~aM * lnaI —a' * lnaS
7.如權(quán)利要求1所述的基于16維特征描述的激光點(diǎn)云配準(zhǔn)方法，其特征在于: 步驟6進(jìn)一步包括: 基于特征點(diǎn)在最佳尺度下的特征向量對(duì)兩站激光點(diǎn)云中特征點(diǎn)進(jìn)行粗配準(zhǔn)，獲得初始同名點(diǎn)對(duì)； 基于同名點(diǎn)對(duì)間距離的均方根誤差，采用分層貪心法篩選初始同名點(diǎn)對(duì)獲得篩選后的同名點(diǎn)對(duì)； 根據(jù)篩選后的同名點(diǎn)對(duì)兩站激光點(diǎn)云進(jìn)行配準(zhǔn)。
8.如權(quán)利要求7所述的基于16維特征描述的激光點(diǎn)云配準(zhǔn)方法，其特征在于: 所述的基于同名點(diǎn)對(duì)間的距離均方根誤差，采用分層貪心法篩選初始同名點(diǎn)對(duì)獲得篩選后的同名點(diǎn)對(duì)，具體為: 將初始同名點(diǎn)集中距離均方根誤差小于閾值rTh_h()ld的任意兩對(duì)初始同名點(diǎn)對(duì)合并，并加入2階點(diǎn)對(duì)象集； 對(duì)k階點(diǎn)對(duì)象集中任意對(duì)象eki，在k階點(diǎn)對(duì)象集中搜索與對(duì)象eki沒有重復(fù)結(jié)點(diǎn)的對(duì)象ew，若對(duì)象對(duì)(eki，ekJ)中k對(duì)初始同名點(diǎn)對(duì)間的距離均方根誤差小于閾值rThresh()ld，則將對(duì)象對(duì)(eki，ekJ)合并加入2k階點(diǎn)對(duì)象集；同時(shí)刪除k階點(diǎn)對(duì)象集中與對(duì)象對(duì)(eki，ekJ)有相同結(jié)點(diǎn)的對(duì)象；其中，k依次取2、4、8，最終獲得16階點(diǎn)對(duì)象集；閾值rTh—根據(jù)兩站激光點(diǎn)云的點(diǎn)云密度設(shè)定； 將16階點(diǎn)對(duì)象集中對(duì)象加入同名點(diǎn)對(duì)集，根據(jù)同名點(diǎn)對(duì)集中同名點(diǎn)對(duì)獲取轉(zhuǎn)換參數(shù)(R，t)，對(duì)初始同名點(diǎn)對(duì)集中未加入16階點(diǎn)對(duì)象集的剩余同名點(diǎn)對(duì)(Pi’，qi’)計(jì)算R*Pi’+t|_qi’，將I R*Pi’+t 1-q/小于預(yù)設(shè)閾值的剩余同名點(diǎn)對(duì)加入同名點(diǎn)對(duì)集，所述的預(yù)設(shè)閾值根據(jù)兩站激光點(diǎn)云的點(diǎn)云密度設(shè)定。
9.如權(quán)利要求1所述的基于16維特征描述的激光點(diǎn)云配準(zhǔn)方法，其特征在于: 所述的根據(jù)篩選后的同名點(diǎn)對(duì)兩站激光點(diǎn)云進(jìn)行配準(zhǔn)，具體為: 根據(jù)同名點(diǎn)對(duì)集中同名點(diǎn)對(duì)獲得兩站激光點(diǎn)云間的轉(zhuǎn)換參數(shù)，采用轉(zhuǎn)換參數(shù)對(duì)兩站激光點(diǎn)云進(jìn)行配準(zhǔn)。
10.一種基于16維特征描述的激光點(diǎn)云配準(zhǔn)系統(tǒng),其特征在于,包括: (1)單位法向量定向模塊，用來對(duì)激光點(diǎn)云數(shù)據(jù)中各激光點(diǎn)單位法向量重新定向，即:選取視點(diǎn)，若以視點(diǎn)為起點(diǎn)、以激光點(diǎn)為終點(diǎn)的矢量向量與該激光點(diǎn)單位法向量的夾角大于90度，則激光點(diǎn)單位法向量反向；否則，激光點(diǎn)單位法向量方向不變； (2)局部坐標(biāo)系構(gòu)建模塊，用來構(gòu)建激光點(diǎn)鄰域內(nèi)任意兩鄰域激光點(diǎn)間的局部坐標(biāo)系，本模塊進(jìn)一步包括子模塊: 原點(diǎn)確定模塊，用來分別獲取兩鄰域激光點(diǎn)單位法向量與兩鄰域激光點(diǎn)連線的銳角夾角，取較小銳角夾角對(duì)應(yīng)的鄰域激光點(diǎn)為原點(diǎn)，另一鄰域激光點(diǎn)為目標(biāo)點(diǎn)； 坐標(biāo)軸確定模塊，用來以原點(diǎn)單位法向量為u軸，以起點(diǎn)為原點(diǎn)、終點(diǎn)為目標(biāo)點(diǎn)的矢量向量與原點(diǎn)單位法向量的叉乘結(jié)果為V軸，U軸與V軸方向向量的叉乘結(jié)果為W軸； (3)特征向量構(gòu)建模塊，用來在局部坐標(biāo)系下獲取激光點(diǎn)的特征向量，本模塊進(jìn)一步包括子模塊: 幾何特征計(jì)算模塊，用來在局部坐標(biāo)系下下，計(jì)算目標(biāo)點(diǎn)單位法向量與V軸方向向量的點(diǎn)乘關(guān)系fl、原點(diǎn)和目標(biāo)點(diǎn)間距離f2、以起點(diǎn)為原點(diǎn)、終點(diǎn)為目標(biāo)點(diǎn)的矢量向量與U軸的夾角f3及目標(biāo)點(diǎn)單位法向量在u軸和ν軸形成平面上投影的反正弦值f4 ； 比較模塊，用來比較仁和閾值h的大小,若fi > &,則s(ti, = I ;否則s(ti, =O ；i = 1、2、3、4，&和&在[-1，I]范圍內(nèi)取值，^在[-31/2，Jr/2]范圍內(nèi)取值，t3表示尺度； 特征向量獲得模塊，用來獲得激光點(diǎn)鄰域內(nèi)任意兩鄰域激光點(diǎn)的特征值 =統(tǒng)計(jì)任意兩鄰域激光點(diǎn)特征值為[0，15]內(nèi)整數(shù)的頻率，構(gòu)成激光點(diǎn)
/-1的16維特征向量； (4)最佳尺度獲得模塊，用來基于激光點(diǎn)的特征向量從點(diǎn)云數(shù)據(jù)中提取特征點(diǎn)，并獲取不同尺度下特征點(diǎn)維度特性表現(xiàn)的概率組合，取令概率組合香農(nóng)熵最小的尺度為特征點(diǎn)的最佳尺度； (5)配準(zhǔn)模塊，用來基于特征點(diǎn)在最佳尺度下的特征向量對(duì)兩站激光點(diǎn)云進(jìn)行配準(zhǔn)。
【文檔編號(hào)】G06T7/00GK104134216SQ201410366257
【公開日】2014年11月5日 申請(qǐng)日期:2014年7月29日 優(yōu)先權(quán)日:2014年7月29日
【發(fā)明者】萬幼川, 陳茂霖, 何培培, 秦家鑫, 盧維欣, 王思穎 申請(qǐng)人:武漢大學(xué)