CN117237428B - 一种面向三维点云的数据配准方法、装置及介质 - Google Patents

Abstract

本发明公开了一种面向三维点云的数据配准方法、装置及介质，所述方法包括：对三维点云数据进行预处理，包括使用体素法进行下采样和使用统计滤波器进行去除数据噪声；然后，通过区域生长算法提取三维点云中的平面结构；然后，构建基于平面结构和面面相交的交线组成的特征描述符，利用特征描述符的相似性，来匹配三维点云的平面结构；然后，利用匹配的平面结构，估计配准参数中的尺度参数、旋转参数和平移参数，根据配准参数进行转换参数优化；根据配准参数计算刚性坐标变换矩阵，将变换矩阵应用于源点云，实现三维点云的数据配准。本发明能够有效匹配对应平面，然后对转换参数进行优化，提升配准精度。

Description

一种面向三维点云的数据配准方法、装置及介质

技术领域

本发明属于三维点云数据处理领域，尤其涉及一种面向三维点云的数据配准方法、装置及介质。

背景技术

三维点云的数据配准是指，在两组三维点云的相对位置姿态未知的情况下，通过寻找一个刚体坐标变换矩阵，对源点云进行刚性标准变换，使得两组三维点云可以对齐到统一的坐标系下。三维点特征常用于三维点云的数据配准，一般分为特征提取和特征匹配两步，通过匹配的三维点特征对应关系，计算刚体坐标变换矩阵，但这种基于三维点特征的方法的鲁棒性较差。

由于两组三维点云之间，存在噪声幅度、分辨率和尺度差异，当前数据配准方法，难以满足三维点云的数据配准需求。

发明内容

发明目的：为解决上述技术问题，本发明提供了一种面向三维点云的数据配准方法、装置及介质，能够有效匹配对应平面，快速准确地完成转换参数的计算和优化。

技术方案：本发明所述的一种面向三维点云的数据配准方法，包括以下步骤：

（1）输入两组不同坐标系下的三维点云数据，并分别设定为目标点云和源点云；

（2）基于体素法分别对两组三维点云进行下采样；

（3）基于统计滤波器分别对两组三维点云进行数据噪声去噪；

（4）通过区域生长算法分别对两组三维点云提取点云中的平面结构；

（5）分别对两组三维点云，构建基于平面结构和面面相交的交线组成的特征描述符，利用特征描述符的相似性，来匹配三维点云的平面结构；

（6）利用匹配的平面结构关系，计算源点云相对于目标点云的配准转换参数；

（7）根据配准转换参数，计算刚性变换矩阵，将刚性坐标变换矩阵应用于源点云，对源点云进行坐标变换，实现三维点云的数据配准。

进一步地，所述步骤（2）实现过程如下：

首先对三维点云进行八叉树体素化，然后计算出每一个非空体素网格的重心点，以所述重心点来替代所述体素网格中所有点，得到下采样后的三维点云数据。

进一步地，所述步骤（3）实现过程如下：

首先计算三维点云中每个点到k个领域点的平均欧式距离，三维点分布服从高斯分布，其形状取决于均值和标准差/>，定义标准范围/>，其中std为标准差倍数，不满足标准范围的，则从数据中去除。

进一步地，所述步骤（4）实现过程如下：

首先创建一个空的种子点序列和聚类区域，将排序后的三维点云中曲率最小的点添加到种子点序列中；然后搜索当前种子点的邻域点，并比较每个邻域点与当前种子点的法线夹角；如果法线夹角小于预先设定阈值，将该点添加到当前区域；如果该邻域点的曲率小于阈值，将其添加到种子点序列中，然后删除当前种子点；重复以上步骤，直到种子序列为空；区域生长完成后对剩余点重复以上步骤，得到三维点云中的所有平面结构。

进一步地，所述步骤（5）实现过程如下：

（51）通过两两平面结构相交得到所有交线，从中任意选择一条交线和一对交线平面，利用图元之间的几何关系来构建描述符，构建的描述符如下：

其中，为交线，/>为平面结构，/>表示两种图元的夹角，/>表示两条直线之间的距离，/>表示直线与两个平面结构交点的距离；

（52）对于两个描述符，使用范数作为特征之间的相似性度量：

其中，表示源点云第i个特征描述符，/>表示目标点云第j个特征描述符，上标/>表示来自目标点云，/>表示来自源点云，/>表示相似度；/>越小，两个描述符之间的相似度越高；反之则相似度越低；设置相似度阈值/>确定两个描述符是否对应。

进一步地，所述步骤（6）实现过程如下：

（61）使用对应两交线的距离的比值得到尺度：

其中，表示来自源点云的两交线的距离，/>表示来自源点云的两交线的距离，上标/>表示来自目标点云，/>表示来自源点云；

使用两对交线的单位方向向量来估计旋转矩阵：

其中，是交线的单位方向向量，/>表示来自目标点云的交线的单位方向向量,/>表示来自源点云的交线的单位方向向量，使用两交线间的最短线段的一对端点计算平移向量/>：

（62）将每个初始转换矩阵应用到源点云平面结构，统计目标点云和源点云中对应平面结构数，仅保留对应平面结构数最多的一组转换参数；

（63）设有个对应平面结构，最小化下面的目标函数确定最优的旋转矩阵/>：

其中，和/>分别是目标点云和源点云中的平面结构的单位法向量；通过下式计算最优的尺度因子/>和平移向量/>：

其中，为尺度因子，/>为平移向量，/>表示来自目标点云的平面结构到原点的距离，/>表示来自源点云的平面结构到原点的距离。

进一步地，所述步骤（7）实现过程如下：

将源点云转换到目标点云的坐标系下，转换参数包括尺度参数、旋转参数/>和平移参数/>，根据转换参数计算得到刚体变换矩阵/>如下：

将转换矩阵应用到源点云，即实现所述的面向三维点云的数据配准。

基于相同的发明构思，本发明还提供一种装置设备，包括存储器和处理器，其中：

存储器，用于存储能够在处理器上运行的计算机程序；

处理器，用于在运行所述计算机程序时，执行如上所述的面向三维点云的数据配准方法的步骤。

基于相同的发明构思，本发明还提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被至少一个处理器执行时实现如上所述的面向三维点云的数据配准方法的步骤。

与现有技术相比，本发明的优点和有益效果：本发明首先通过体素下采样和统计滤波器进行数据预处理，减少了数据冗余，降低了噪声的干扰，区域生长算法能够快速地提取平面结构；本发明基于平面结构和面面相交的交线组成的特征描述符，该描述符能够有效匹配对应平面，然后基于所有对应平面对转换参数进行了优化，提升了配准精度。

附图说明

图1为面向三维点云的数据配准方法的流程图；

图2为本发明中描述符构建示意图；

图3为本发明中目标点云和源点云初始位姿图；

图4为本发明中目标点云和源点云配准结果图。

具体实施方式

下面结合附图对本发明做进一步说明。

如图1所示，本发明提供一种面向三维点云的数据配准方法，包括以下步骤：

S1：输入两组不同坐标系下的三维点云数据，并分别设定为目标点云和源点云，初始位姿如图3所示，上侧为源点云，下侧为目标点云。

S2：分别对两组三维点云，基于体素法，进行下采样。

体素法具体步骤包括：首先对三维点云进行八叉树体素化，然后计算出每一个非空体素网格的重心点，以所述的重心点来替代所述体素网格中所有点，以得到下采样后的三维点云数据。

S3: 分别对两组三维点云，基于统计滤波器，去除数据噪声去噪。

统计滤波器具体步骤包括：首先计算三维点云中每个点到k个领域点的平均欧式距离，三维点分布服从高斯分布，其形状取决于均值和标准差/>，定义标准范围，其中std为标准差倍数，不满足上述标准范围则从数据中去除该点。

S4：分别对两组三维点云，通过区域生长算法，提取点云中的平面结构。

区域生长算法具体步骤包括：首先创建一个空的种子点序列和聚类区域，将排序后的三维点云中曲率最小的点添加到种子点序列中。然后搜索当前种子点的邻域点，并比较每个邻域点与当前种子点的法线夹角。如果法线夹角小于阈值，将该点添加到当前区域。如果该邻域点的曲率小于阈值，将其添加到种子点序列中，然后删除当前种子点。重复以上步骤，直到种子序列为空。此时，区域生长完成；接下来对剩余点重复进行以上步骤。最后得到三维点云中的所有平面结构。

S5：分别对两组三维点云，构建基于平面结构和面面相交的交线组成的特征描述符，利用特征描述符的相似性，来匹配三维点云的平面结构；具体包括以下步骤：

S5.1：构建基于平面结构和面面相交的交线组成的特征描述符。

基于步骤S4中的平面结构集合，通过两两平面结构相交得到所有交线，接着从中任意选择一条交线和一对平面/>，/>是/>和/>的交叉平面，利用之间的几何关系来构建描述符，构建方式如图2所示，/>是/>间的最短线段的端点，是直线/>与/>的交点，/>是两个图元之间的夹角，构建的描述符如下式所示：

其中， 表示两种图元的夹角，/>表示两条直线之间的距离，/>表示直线与两个平面结构交点的距离。

S5.2：利用特征描述符的相似性，来匹配三维点云的平面结构。

对于两个描述符，使用范数作为特征之间的相似性度量。

其中，表示源点云第i个特征描述符，/>表示目标点云第j个特征描述符，上标/>表示来自目标点云，/>表示来自源点云，/>表示相似度；/>越小，两个描述符之间的相似度越高；反之则相似度越低；设置相似度阈值/>确定两个描述符是否对应。

S6.1：利用匹配的平面结构关系，计算源点云相对于目标点云的初始配准转换参数，包括尺度参数、旋转参数和平移参数。

使用对应两交线的距离的比值得到尺度：

其中，表示来自源点云的两交线的距离，/>表示来自源点云的两交线的距离，上标/>表示来自目标点云，/>表示来自源点云。

使用两对交线的单位方向向量来估计旋转矩阵：

其中，是交线的单位方向向量，/>表示来自目标点云的交线的单位方向向量,/>表示来自源点云的交线的单位方向向量。

然后使用两交线间的最短线段的一对端点计算平移向量/>：

。

S6.2：将每组转换参数应用到源点云平面结构，然后统计目标点云和源点云中对应平面结构数，仅保留对应平面结构数最多的一个转换矩阵。

S6.3：最后优化配准参数。

设有个对应平面结构，最小化下面的目标函数确定最优的旋转矩阵/>：

其中，和/>分别是目标点云和源点云中的平面结构的单位法向量；通过下式计算最优的尺度因子/>和平移向量/>：

其中， 为尺度因子，/>为平移向量，/>表示来自目标点云的平面结构到原点的距离，/>表示来自源点云的平面结构到原点的距离。

S7：根据步骤S6的转换参数，将源点云转换到目标点云的坐标系下，转换参数包括尺度参数、旋转参数/>和平移参数/>，根据转换参数计算得到刚体变换矩阵/>如下：

将转换矩阵应用到源点云，即实现所述的面向三维点云的数据配准。

基于相同的发明构思，本发明所述的装置设备，包括存储器和处理器，其中：存储器，用于存储能够在处理器上运行的计算机程序；处理器，用于在运行所述计算机程序时，执行如上所述的面向三维点云的数据配准方法的步骤。

基于相同的发明构思，本发明所述的存储介质上存储有计算机程序，所述计算机程序被至少一个处理器执行时实现如上所述的面向三维点云的数据配准方法的步骤。

本实施例选取了不同位姿的两组三维点云数据进行实验，如图3所示，上侧为源点云，下侧为目标点云。对点云进行体素下采样后，此时源点云和目标点云的点数分别为314898和364568，接着应用区域生长算法提取平面结构，分别在源点云和目标点云提取了18和27个平面，接着应用步骤S5~S7计算刚体变换矩阵，转换源点云后，配准结果如图4所示。由图4可知，两组三维点云数据基本重合在一起，本发明方法能够对三维点云数据取得良好的配准效果。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (6)

1.一种面向三维点云的数据配准方法，其特征在于，包括以下步骤：

(1)输入两组不同坐标系下的三维点云数据，并分别设定为目标点云和源点云；

(2)基于体素法分别对两组三维点云进行下采样；

(3)基于统计滤波器分别对两组三维点云进行数据噪声去噪；

(4)通过区域生长算法分别对两组三维点云提取点云中的平面结构；

(5)分别对两组三维点云，构建基于平面结构和面面相交的交线组成的特征描述符，利用特征描述符的相似性，来匹配三维点云的平面结构；

(6)利用匹配的平面结构关系，计算源点云相对于目标点云的配准转换参数；

(7)根据配准转换参数，计算刚性变换矩阵，将刚性坐标变换矩阵应用于源点云，对源点云进行坐标变换，实现三维点云的数据配准；

所述步骤(4)实现过程如下：

首先创建一个空的种子点序列和聚类区域，将排序后的三维点云中曲率最小的点添加到种子点序列中；然后搜索当前种子点的邻域点，并比较每个邻域点与当前种子点的法线夹角；如果法线夹角小于预先设定阈值，将该点添加到当前区域；如果该邻域点的曲率小于阈值，将其添加到种子点序列中，然后删除当前种子点；重复以上步骤，直到种子序列为空；区域生长完成后对剩余点重复以上步骤，得到三维点云中的所有平面结构；

所述步骤(5)实现过程如下：

(51)通过两两平面结构相交得到所有交线，从中任意选择一条交线和一对交线平面，利用图元之间的几何关系来构建描述符，构建的描述符如下：

D⁵＝[∠(l₁,l₂) ∠(P₁,P₂) ∠(l₂,P₁) ∠(l₂,P₂) d₁₂/d₃₄]

其中，l₁,l₂为交线，P₁,P₂为平面结构，∠(*,*)表示两种图元的夹角，d₁₂表示两条直线之间的距离，d₃₄表示直线l₂与两个平面结构交点的距离；

(52)对于两个描述符，使用L₂范数作为特征之间的相似性度量：

其中，表示源点云第i个特征描述符，/>表示目标点云第j个特征描述符；上标t表示来自目标点云，s表示来自源点云，sf表示相似度；sf越小，两个描述符之间的相似度越高；反之则相似度越低；设置相似度阈值ε确定两个描述符是否对应；

所述步骤(6)实现过程如下：

(61)使用对应两交线的距离的比值得到尺度γ^e：

γ^e＝dis^t/dis^s

其中，dis^×为两交线的距离，上标t表示来自目标点云，s表示来自源点云；

使用两对交线的单位方向向量来估计旋转矩阵R^e：

其中，R为旋转矩阵，是交线的单位方向向量，上标t表示来自目标点云，s表示来自源点云；使用两交线间的最短线段的一对端点/>计算平移向量t^e：

(62)将每个初始转换矩阵应用到源点云平面结构，统计目标点云和源点云中对应平面结构数，仅保留对应平面结构数最多的一组转换参数；

(63)设有n个对应平面结构，最小化下面的目标函数确定最优的旋转矩阵R^*：

其中，是平面结构的单位法向量；通过下式计算最优的尺度因子γ^*和平移向量t^*：

其中，γ为尺度因子，t为平移向量，表示平面结构到原点的距离，上标t表示来自目标点云，s表示来自源点云。

2.根据权利要求1所述的一种面向三维点云的数据配准方法，其特征在于，所述步骤(2)实现过程如下：

首先对三维点云进行八叉树体素化，然后计算出每一个非空体素网格的重心点，以所述重心点来替代所述体素网格中所有点，得到下采样后的三维点云数据。

3.根据权利要求1所述的一种面向三维点云的数据配准方法，其特征在于，所述步骤(3)实现过程如下：

首先计算三维点云中每个点到k个领域点的平均欧式距离，三维点分布服从高斯分布，其形状取决于均值μ和标准差σ，定义标准范围(μ-σ*std,μ+σ*std)，其中std为标准差倍数，不满足标准范围的，则从数据中去除。

4.根据权利要求1所述的一种面向三维点云的数据配准方法，其特征在于，所述步骤(7)实现过程如下：

将源点云转换到目标点云的坐标系下，转换参数包括尺度参数γ^*、旋转参数R^*和平移参数t^*，根据转换参数计算得到刚体变换矩阵T如下：

将转换矩阵T应用到源点云，即实现所述的面向三维点云的数据配准。

5.一种装置设备，其特征在于，包括存储器和处理器，其中：

存储器，用于存储能够在处理器上运行的计算机程序；

处理器，用于在运行所述计算机程序时，执行如权利要求1-4任一项所述的面向三维点云的数据配准方法的步骤。

6.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被至少一个处理器执行时实现如权利要求1-4任一项所述的面向三维点云的数据配准方法的步骤。