本发明提供一种点云配准方法.该方法包括:获取测试点集中的满足预设位置的四个测试特征点以及参考点集中的与每个测试特征点对应的参考特征点,其中测试值是由测试特征点的高斯曲率与平均曲率确定的,参考值是由参考特征点的高斯曲率与平均曲率确定的;获取使得测试点集中的四个测试特征点到参考点集中的四个参考特征点距离最小的粗配准矩阵;根据粗配准矩阵和测试点集,得到粗配准点集;获取使得粗配准点集中各粗配准点到参考点集中的第一参考点的距离和最小的精配准矩阵,且第一参考点与粗配准点集中各粗配准点之间的距离最小.本发明解决了现有点云配准方法中估计所有数据点的特征造成的耗时长且精度低的问题,有效提高了计算效率和精度.
发明专利
CN201710584041.3
2017.07.18
CN107492120A
2017-12-19
郑志明 姜鑫 霍冠英 王博伦 苏澄 陆泽鸿 叶丹蕾
北京航空航天大学
G06T7/33(2017.01)I,G,G06,G06T,G06T7
G06T7/33(2017.01)I,G,G06,G06T,G06T7,G06T7/33
一种点云配准方法,其特征在于,包括:获取测试点集中的满足预设位置的四个测试特征点以及参考点集中的与每个测试特征点对应的参考特征点,其中针对任一测试特征点,计算所述任一测试特征点的测试值与所述参考点集中的每个参考点的参考值的差值,确定最小差值对应的参考点为所述任一测试特征点对应的参考特征点,所述测试值是由所述测试特征点的高斯曲率与平均曲率确定的,所述参考值是由所述参考特征点的高斯曲率与平均曲率确定的;获取使得所述测试点集中的四个测试特征点到所述参考点集中的四个参考特征点距离最小的粗配准矩阵;根据所述粗配准矩阵和所述测试点集,得到粗配准点集;获取使得所述粗配准点集中的各粗配准点到所述参考点集中的第一参考点的距离和最小的精配准矩阵,且所述第一参考点与所述粗配准点集中的各粗配准点之间的距离最小.