1.一种基于曲面特征的点云模型曲面匹配方法,其特征在于,具体按照下述步骤进行:步骤1,点云模型和目标点云模型的关键点提取;
所述步骤1中,具体按照下述步骤进行点云模型和目标点云模型的关键点提取:步骤1.1,将点云模型进行降采样,得到多个不同的子点云模型;
将目标点云模型进行降采样,得到个不同的目标子点云模型;
步骤1.2,建立每个子点云模型的高斯差分函数:
其中,Gpu(x,y,z,σ)为第u个子点云模型的高斯函数,u=1,2,…,o,o为子点云模型的个数,Xpu表示第u个子点云模型的X轴;Ypu表示第u子点云模型的Y轴,Zpu表示第u个子点云模型的Z轴,x,y,z表示每个子点云模型中点的三维坐标,σpu表示第u个子点云模型中任一点处的曲率信息,kpu为两个尺度空间下第u个子点云模型的常量;
建立每个目标子点云模型目标尺度空间函数:
其中,Gqv(x',y',z',σqv)为第v个目标子点云模型的高斯函数,v=1,2,…,o,o表示目标子点云模型的个数,Xqv为第v个目标子点云模型的X轴,Yqv为第v个目标子点云模型的Y轴,Zqv为第v个目标子点云模型的Z轴,x',y',z'表示每个目标子点云模型中点的三维坐标,σqv为第v个目标子点云模型中任一点处的曲率信息,kqv为两个尺度空间下第v个目标子点云模型的常量;
步骤1.3,检测第u个子点云模型的高斯差分函数D(x,y,z,σpu)的局部极值,得到第u个子点云模型的多个关键点;
检测第v个目标子点云模型目标尺度空间函数Dqv(x',y',z',σqv)的局部极值,得到第v个目标子点云模型的多个关键点;
步骤2,估计点云模型关键点和目标点云模型的关键点的对应关系;
所述步骤2中具体按照下述步骤估计点云模型关键点和目标点云模型的关键点的对应关系:步骤2.1,根据FPFH特征算法计算每个子点云模型的每个关键点处的FPFH特征描述子;
根据FPFH特征算法计算每个子目标点云模型的每个关键点处的FPFH特征描述子;
步骤2.2,分别根据每个子目标点云模型的每个关键点处的FPFH特征描述子在每个子目标点云模型的每个关键点处均构建Kd‑Tree搜索空间;
步骤2.3,根据每个目标点云模型中的每个关键点的特征值在步骤2.2得到的Kd‑Tree搜索空间中搜索每个目标点云模型中的每个关键点的邻近的10个邻近点;
步骤2.4,分别计算每个子点云模型的每个关键点与点云模型中心点的组成的向量和点云模型主趋势 的夹角;
分别计算每个目标子点云模型中每个关键点的10个邻近点和目标点云中心组成的向量与目标点云模型主趋势 的夹角;
步骤2.5,将每个子点云模型的每个关键点与点云模型中心点的组成的向量和点云模型主趋势 的夹角进行筛选,筛选出每个子点云模型中关键点与点云模型中心点的组成的向量和点云模型主趋势 的夹角的最小值,并将该夹角的最小值对应的每个子点云模型的关键点作为该子点云模型中的新的关键点;
将每个目标子点云模型中每个关键点的10个临近点和目标点云中心组成的向量与目标点云模型主趋势 的夹角进行筛选,得到每个目标子点云模型中临近点和目标点云中心组成的向量与目标点云模型主趋势 的夹角的最小值,并根据该夹角的最小值对应的每个目标子点云模型中临近点作为该目标点云模型中的新的关键点;
步骤2.6,重复步骤2.4‑2.5,至找到夹角误差最小的点作为最优匹配点为止,得到每个子点云模型和子目标点云模型中唯一的匹配的关键点;
步骤3,将点云模型和目标点云模型进行初步曲面匹配;
所述步骤3中具体按照下述步骤将点云模型和目标点云模型进行初步曲面匹配:步骤3.1,计算点云模型的等比例尺度缩放因子,并根据点云模型的等比例尺度缩放因子对点云模型中所有点均进行尺度变换,得到变换点云模型;
步骤3.2,使用SVD方法得到变换点云模型到目标点云模型的最优旋转矩阵和平移矢量,并将点云模型根据所述最优旋转矩阵和平移矢量进行变换,得到初步匹配点云模型;
步骤3.3,将所述初步匹配点云模型使用ICP算法进行精确匹配,得到与目标点云模型匹配的匹配点云模型;
步骤4,将点云模型和目标点云模型进行精确曲面匹配;
所述步骤4中基于ICP算法的精确匹配将点云模型和目标点云模型进行精确曲面匹配,具体按照下述方法进行:将步骤2和步骤3重复1‑4次,至步骤3.2中得到的旋转平移矩阵结果收敛即可。
2.根据权利要求1所述的一种基于曲面特征的点云模型曲面匹配方法,其特征在于,步骤1.2中子点云模型中任一点处的曲率信息和目标子点云模型中任一点处的曲率信息具体按照下述步骤得到:步骤1.2.1,在每个子点云模型中均任取一点pus,使用Kd‑Tree法得到每个子点云模型中的距离点pus较近的10个临近点;
每个目标子点云模型中均任取一点qvs,使用Kd‑Tree法得到每个目标子点云模型中的距离点qvs较近的10个临近点;
步骤1.2.2,将每个子点云模型中的10临近点的坐标组成矩阵Xu;
将每个目标子点云模型中的10临近点的坐标组成目标矩阵Xv;
步骤1.2.3,将每个矩阵Xu中的点集信息均零均值化后,计算每个矩阵Xu的协方差矩阵Cu:将每个矩阵Xv中的点集信息均零均值化后,计算每个矩阵Xv的目标协方差矩阵Cv:步骤1.2.4,求出每个协方差矩阵Cu的特征值λu0,λu1,λu2和对应的特征向量,其中λu0>λu1>λu2;
求出每个目标协方差矩阵Cv的特征值λv0,λv1,λv2和对应的特征向量,其中λv0>λv1>λv2;
步骤1.2.5,使用每个协方差矩阵Cu的特征值计算每个子点云模型中点pus的曲率信息:使用每个目标协方差矩阵Cv的特征值计算每个子点云模型中点qvs的曲率信息σqv:
3.根据权利要求1所述的一种基于曲面特征的点云模型曲面匹配方法,其特征在于,所述步骤2.4点云模型的主趋势 和目标点云模型主趋势 均基于PCA的方法得到,具体按照下述步骤进行:步骤2.4.1,提取点云模型的点集P={p1,p2,…pn},提取目标点云模型的点集Q={q1,q2,…qn};
计算点云模型的中心点pc:
T
其中,np表示点云模型中点的个数,i∈(1,2,...,np),pi=(xi,yi,zi) ,pi表示点云模型中第i个点;
计算目标点云模型中心点qc:
其中,nq表示目标子点云模型中点的个数,i∈(1,2,...,nq),qi表示点云模型中第i个点;
步骤2.4.2,建立点集P的协方差矩阵:
建立点集Q的协方差矩阵:
步骤2.4.3,计算协方差矩阵Cp的三个特征值λp1、λp2和λp3,选取较大的特征值对应的特征向量为点云模型的主趋势计算协方差矩阵Cq的三个特征值λq1、λq2和λq3,选取较大的特征值对应的特征向量为目标点云模型的主趋势
4.根据权利要求1所述的一种基于曲面特征的点云模型曲面匹配方法,其特征在于,所述步骤3.1中计算点云模型的等比例尺度缩放因子具体按照下述步骤进行:步骤3.1.1,计算在点云模型的尺度空间下,点云模型中每个关键点到点云模型的中心点pc的距离:其中,dispue表示第u子点云模型中的关键点到点云模型的中心点pc之间的距离;
计算在目标点云模型的尺度空间下,目标点云模型中每个关键点到目标点云模型的中心点qc之间的距离:其中,disqves表示第v个子目标点云模型中,第e个关键点的第s个临近点到目标点云模型的中心点qc之间的距离;
步骤3.1.2,根据所述点云模型中每个关键点到点云模型的中心点pc的距离和目标点云模型中每个关键点到目标点云模型的中心点qc之间的距离,计算点云模型的等比例尺度缩放因子:其中,R为点云模型中关键点的数量,r=1,2,...,R。