(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210611042.3 (22)申请日 2022.05.31 (71)申请人 哈尔滨理工大 学 地址 150080 黑龙江省哈尔滨市南岗区学 府路52号 (72)发明人 尤波　陈鸿雨　李佳钰　庄天扬　 (51)Int.Cl. G06T 7/33(2017.01) G06T 7/73(2017.01) (54)发明名称 一种基于低维点云局部特征描述符的点云 配准方法 (57)摘要 本发明提出了一种基于低维点云局部特征 描述符的点 云配准方法。 首先通过均匀采样提取 两片点云的关键点， 通过构建局部参考坐标系将 关键点转移 到一个新3D空间形成 “3D”描述符； 然 后我们结合点云邻域内法向量夹角和、 曲率和、 距离和形成 “邻域点特征直方图 ”描述符来对关 键点邻域信息进行编码； “3D”描述符和“邻域点 特征直方图 ”描述符共同组成低维点云局部特征 描述符； 提出的描述符首先在新的3D空间中对 “3D”关键点位置径向搜索， 减少了对应点对的搜 索空间； 最后使用 “邻域点特征直方图 ”描述符通 过RANSAC算法进行配准。 该算 法能够在较短的时 间里获得准确的配准效果， 适用于对配准效果要 求高的精密测量领域。 权利要求书2页 说明书5页 附图3页 CN 114972459 A 2022.08.30 CN 114972459 A 1.一种基于低维点云局部特 征描述子的点云配准方法， 其特 征在于： 包括以下步骤： 步骤1： 获取点云数据并计算 点云数据法向量； 步骤2： 通过点云下采样选取体素重心最近邻点作为关键点； 步骤3： 由关键点获取邻域表面点集， 然后计算点云的修正协方差矩阵， 通过建立局部 参考坐标系将关键点 转移到新3D空间， 关键点的新3D坐标构成 “3D”描述符。 步骤4： 通过计算点云的法向量夹角和、 曲率和和距离和提出 “邻域点特征直方图 ”描述 符， 在接下来的3个维度中编码点云邻域特征。 “3D”描述符和“邻域点特征直方图 ”描述符共 同组成低维点云局部特 征描述子 。 步骤5： 通过关键点几何表面描述进行匹配， 利用随机采样一致性(RANSAC)算法计算旋 转矩阵和平 移矩阵， 完成点云配准。 2.根据权利要求书1所述的基于点云局部特征描述子的点云配准方法， 其特征在于： 所 述步骤2采用如下步骤提取关键点： 步骤2.1： 对点云建立KD ‑tree， 统计点云中点的总数N， 计算出该点云的最小包围盒及 其体积V， 设Lx、 Ly、 Lz分别为包围盒在x、 y、 z方向上的长度。 其中， KD ‑Tree， 全称K ‑ Dimensional Tree， 一种KN N检索数据结构， 用于存 储K维空间向量 点集并进行 快速检索。 步骤2.2： 设置小立方体的边长为 则将点云分成n＝l ×w×h个小立 方体。 其中： s为比例系数， α 是根据点云数量调节边长的比例因子， l＝ceil(Lx/L)， w＝ceil (Ly/L)， h＝cei l(Lz/L)， ceil为向上取整函数。 步骤2.3： 计算每个非空小立方体的重心为p0(x0， y0， z0)， 构建新的点集{Pc， c＝1， 2， 3，…， n}， 其中 步骤2.4： 利用kd ‑tree遍历点云P、 Q， 寻找与点集Pi、 Qi中每个点的最近邻点， 构成新的 关键点点集Ps、 Qt。 3.根据权利要求书1所述的基于点云局部特征描述子的点云配准方法， 其特征在于： 所 述步骤3采用如下步骤构成 “3D”描述符来编码3D关键点 位置。 步骤3.1： 计算关键点Ki表面半径 r邻域空间Surfaceik内质心坐标meanpt； 步骤3.2： 使Surfaceik中所有点坐标减去质心坐标meanpt有效生成了一个新的表面 步骤3.3： 让关键点Ki减去质心坐标meanpt得到 步骤3.4： 我们从新 的曲面 中估计局部参考坐标系[RF]3×3， 将关键点 转换到一个新3D空间， 转换 过程如下式； 其中， [KiRF]3×1为生成的“3D”描述符。 4.根据权利要求书1所述的基于点云局部特征描述子的点云配准方法， 其特征在于： 所 述步骤4采用如下步骤计算邻域 点特征直方图： 步骤4.1： 计算关键点Ki法向量与表面邻域 点法向量之间的夹角余弦值之和；权　利　要　求　书 1/2 页 2 CN 114972459 A 2步骤4.2： 计算关键点Ki的曲率与表面邻域 点的曲率 值之和； 步骤4.3： 计算关键点Ki与Surfaceik点之间的距离之和； 步骤4.4： 结合 步骤4.1、 4.2、 4.3中三个特 征值， 形成邻域 点特征直方图。 5.根据权利要求书1所述的基于点云局部特征描述子的点云配准方法， 其特征在于： 所 述步骤5采用如下步骤进行匹配并计算刚性变换矩阵： 步骤5.1： 首先对于新3D空间中源关键点KiRFsource， 径向搜索阈值Td内的最近目标关键点 列表KiRFtarget； 步骤5.2： 我们通过使用欧式距离通过 “邻域点特征直方图 ”描述符找到精确对应点， 生 成匹配点对。 步骤5.3： 对于对应特征点对， 使用奇异值分解算法得到源点云到目标点云的三维刚性 变换矩阵； 步骤5.4： 根据估计三维刚性变换矩阵， 分别对每对对应特征点进行坐标转换， 根据坐 标转换后对应特 征点间的欧式距离得到三维刚性变换矩阵下的内点个数； 步骤5.5： 重 复步骤5.4和5.5， 获得每对对应特征点估计三维刚性变换矩阵下的内点个 数， 将该内点个数最多的估计三维刚性变换矩阵确定为最终三维刚性变换矩阵， 完成点云 配准。权　利　要　求　书 2/2 页 3 CN 114972459 A 3