公开(公告)号：CN114972460B

公开(公告)日：2025-04-25

申请号：CN202210622101.7

申请日：2022-06-02

Applicant: 福州大学

Inventor： 郑明魁 ,  邱鑫 ,  叶强强 ,  王泽峰

IPC: G06T7/33 ,  G06V10/40

Abstract: 本发明涉及一种结合图特征上下文匹配的点云配准方法，包括以下步骤：几何域图特征提取，得到图特征A；特征域图特征提取，根据源点云和目标点云的图特征A，得到图特征B；准确特征获取，根据图特征A和图特征B，得到完整的图特征C，根据图特征C进行特征上下文匹配，得到变换特征，根据变换特征和图特征C，得到准确特征；根据包含准确特征的源点云和目标点云构建特征差异匹配矩阵；根据特征差异匹配矩阵估计源点云到目标点云的刚性变换；将刚性变换作用于源点云，设定迭代次数N，进行迭代，得到细化的刚性变换；根据刚性变换进行点云配准。本发明基于深度学习的特征域配准受噪声与离群值的影响较小，对局部点云配准具有较好的鲁棒性。

公开(公告)号：CN114972460A

公开(公告)日：2022-08-30

申请号：CN202210622101.7

申请日：2022-06-02

Applicant: 福州大学

Inventor： 郑明魁 ,  邱鑫 ,  叶强强 ,  王泽峰

IPC: G06T7/33 ,  G06V10/40

Abstract: 本发明涉及一种结合图特征上下文匹配的点云配准方法，包括以下步骤：几何域图特征提取，得到图特征A；特征域图特征提取，根据源点云和目标点云的图特征A，得到图特征B；准确特征获取，根据图特征A和图特征B，得到完整的图特征C，根据图特征C进行特征上下文匹配，得到变换特征，根据变换特征和图特征C，得到准确特征；根据包含准确特征的源点云和目标点云构建特征差异匹配矩阵；根据特征差异匹配矩阵估计源点云到目标点云的刚性变换；将刚性变换作用于源点云，设定迭代次数N，进行迭代，得到细化的刚性变换；根据刚性变换进行点云配准。本发明基于深度学习的特征域配准受噪声与离群值的影响较小，对局部点云配准具有较好的鲁棒性。