【CN109859256A】一种基于自动对应点匹配的三维点云配准方法【专利】

(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号
(43)申请公布日
(21)申请号 201910189213.6
(22)申请日 2019.03.13
(71)申请人 大连理工大学
地址 116024 辽宁省大连市高新园区凌工
路2号

(72)发明人 刘斌　张松　牛晓嫘　
(74)专利代理机构 大连东方专利代理有限责任
公司 21212
代理人 姜玉蓉　李洪福

(51)Int.Cl.
G06T 7/33
(2017.01)

G06T 7/37
(2017.01)

(54)发明名称
一种基于自动对应点匹配的三维点云配准
方法
(57)摘要
本发明公开了一种基于自动对应点匹配的
三维点云配准方法，包括以下步骤：采用深度映
射方法提取模型的局部几何特征、获得模型中点
集的深度矩阵；采用卷积自编码器对深度矩阵进
行降维处理提取特征矩阵；根据特征矩阵采用迭
代处理方式选取匹配点；采用RANSAC算法对两个
点云进行配准。该方法可以直接找到两个点云中
的匹配点，并且根据匹配点进行配准，同时本方
法不需要预配准，不受点云初始位置的影响；相
比现有技术，本方法的鲁棒性和精确度都有大幅
度提高。除了点云的整体配准，本方法还可以实
现子集配准和公共部分配准，现有技术无法实现
上述功能。

权利要求书1页 说明书5页 附图3页
CN 109859256 A
2019.06.07

C
N
1
0
9
8
5
9
2
5
6
A
1.一种基于自动对应点匹配的三维点云配准方法，其特征在于包括以下步骤：
采用深度映射方法提取模型的局部几何特征、获得模型中点集的深度矩阵；
采用卷积自编码器对深度矩阵进行降维处理提取特征矩阵；
根据特征矩阵采用迭代处理方式选取匹配点；
采用RANSAC算法对两个点云进行配准。
2.根据权利要求1所述的方法，其特征还在于：采用深度映射方法提取模型的局部几何
特征具体采用如下方式：获取模型中每个点的相邻点集合，采用PCA算法根据相邻点集合计
算该点的法向量，垂直于法向量方向构建圆盘映射面，在圆盘映射面上均匀选取映射点，以
映射点为起点沿法向量方向往模型表面发射映射线，将每个映射线的长度作为该映射点处
的深度值，将深度值保存在该点对应的深度矩阵中。
3.根据权利要求1所述的方法，其特征还在于：采用卷积自编码器对深度矩阵进行降维
处理提取特征矩阵具体方式为：构建卷积自编码器的网络模型，将卷积自编码器分为编码
器和解码器，在编码器中设置三个卷积层和三个池化层，在解码器中设置三个反卷积层和
三个上采样层，在三维模型中采集多个深度矩阵作为训练样本，利用训练样本对自编码器
进行训练获得自编码器模型；将深度矩阵输入到训练好的自编码器模型中、得到对应的特
征矩阵，并对特征矩阵进行中心化处理。
4.根据权利要求1所述的方法，其特征还在于：根据特征矩阵采用迭代处理方式选取匹
配点采用如下方式：计算特征矩阵每一行的平均值，将三个平均值作为该点的一个三维特
征坐标，在参考点的特征坐标周围收集临近点作为匹配的候选点，对所有的候选点进行迭
代处理，每次迭代中将候选点的特征矩阵与参考点的特征矩阵对应位置做差值、并求平均
差值，将平均差值最小的候选点作为该参考点的匹配点。
5.根据权利要求4所述的方法，其特征还在于：采用RANSAC算法对两个点云进行配准采
用如下方式：采用RANSAC算法将两个点云依次迭代、在其中一个点云中随机抽取一定数量
的参考点，采用迭代处理方式在另一个点云中寻找这些参考点的匹配点，根据匹配点计算
两个点云的配准矩阵，利用配准矩阵对点云进行配准、并计算配准后的两个点云之间的误
差，对上述过程进行迭代，选取误差最小的一次迭代结果作为最终的配准结果。
6.根据权利要求4所述的方法，其特征还在于：所述参考点的匹配点采用如下算法获
取：
设点云A中有一点p，点云B中与p匹配的点是q，对特征矩阵的每一行计算平均值得到该
点的特征坐标Vf，将Vf作为该点的索引坐标，对每个点的索引坐标构建k-d树，找出与点p特
征坐标距离在1以内的所有点设为点集C，对点集C中的每一个点，计算其特征矩阵F′与点p
的特征矩阵F之间的差异值s，计算公式为：

其中nh和nw分别代表特征矩阵的行数和列数，i和j代表遍历矩阵中元素的计数器，设定
s<设定阈值，查找最小差异值s即为点p的匹配点。

权　利　要　求　书
1/1页

2
CN 109859256 A