1.一种基于多尺度描述子筛除误匹配的三维图像配准方法,其特征在于,包括以下步骤:步骤1:获取视角相邻场景的三维点云X和Y,并为三维点云X和Y中的每个点构造多尺度描述子(Qi,Ni);
Ni={nl};
其中,1表示三维点云X或Y中点的邻域搜索半径标记,取值依次为1,2,…,L,L表示邻域搜索半径总数,L≥2;Tl表示归一化向量, λl1,λl2,λl3为矩阵Cl进行SVD分解后的特征值,λl1≥λl2≥λl3,nl1,nl2,nl3分别为λl1,λl2,λl3对应的特征向量,Sl={pi|||pi-p0||≤rl},|Sl|表示Sl的最大值,pi表示三维点云X或Y中某一点p0的邻域点,rl表示点p0的第1个邻域搜索半径, rL为设定的最大邻域搜索半径,nl分别表示三维点云中的点与点的搜索邻域半径1对应的法向量,取值为nl3;
步骤2:遍历三维点云X和Y中每个点的多尺度描述子,将X和Y中具有相同多尺度描述子的点分别记录为关键点集Ai0和Bi0;
步骤3:根据主曲率特征搜索关键点集Ai0和Bi0中的初始匹配点集Ai1和Bi1;
从关键点集Ai0选取任意点ai,遍历Bi0中点,选出与点ai相匹配的点bj,以满足以下条件的点构建初始匹配点集Ai1和Bi1:其中,k1(ai)和k2(ai)分别表示在点ai处,利用点ai的邻域点获得的主曲率极小值和主曲率极大值,k1(bj)和k2(bj)分别表示在点bj处,利用点bj的邻域点获得的主曲率极小值和主曲率极大值,δ1为设定的第一误差阈值;
步骤4:利用相似三角形阈值对初始匹配点集Ai1和Bi1中的匹配点对进行筛选,获得配准点对集Ai2和Bi2;
步骤5:基于SVD计算出Ai2和Bi2之间的第一旋转矩阵R1和第一平移矩阵T1,利用第一旋转矩阵R1和第一平移矩阵T1,依次计算Ai2中每个点ai2的变换点a3i的坐标,同时计算Ai2中每个点在Bi2中的匹配点b2i与对应变换点之间的欧式距离d3i;
Ai3=R1*Ai2+T1
其中,(a3ix,a3iy,a3iz)和(bi2x,bi2y,bi2z)分别为a3i和bi2在x、y、z轴上的坐标;
步骤6:计算 k的初始值为1,N为当前配准点对集Ai2和Bi2中配准点对数,并判断dk+1-dk<ξ3是否成立,ξ3表示大于零的误差阈值,若成立,则以当前配准点对集Ai2和Bi2作为三维点云X和Y的配准数据,否则,令k=k+1,返回步骤3,重新选取各点的邻域点,计算主曲率。
2.根据权利要求1所述的方法,其特征在于,利用旋转角度阈值θm对配准对做再次筛选,将当前配准点对集Ai2和Bi2中,不满足以下公式对应的配准点对作为异常点或噪声点进行剔除:Δθi<θm
其中,Δθi表示当前配准点对集Ai2和Bi2中第i对配准点对之间的旋转角度差值;
当前配准点对集Ai2和Bi2中第i对配准点对(xi,yi)之间的旋转角度差值的求解过程如下:
1)从当前配准点对集Ai2和Bi2中,随机选取不共面的两对配准对,以四个不共面的点构成一个球面,由解析几何求出所属球面方程及球心0,以点0为原点,建立空间坐标系;
2)以所建的空间坐标系的Z轴作为第二旋转矩阵R2的旋转轴,且R2=A2B2,A2和B2分别表示第二旋转矩阵R2的分解矩阵,B2通过当前配准点对集Ai2和Bi2中一对配准点对(xk,yk)满足B2xk=yk时,进行计算获得,A2的旋转轴为Z轴,同时,根据设定的配准距离阈值ξ,计算配准角度阈值εi,
3)旋转由 所围成的圆形区域,当 所围成的圆形区域的左边界与yi相切时,由 所围成的圆形区域的旋转角度为θ1,此时由 所围成的圆形区域的圆心即为点M,由点M和yi的距离rs构造一个一元二次方程,利用点M在大圆0中的方程,联立两个方程组获得点M的x和y坐标值,求出θ1;
表示点xi经过B2刚体变换,形成以B2xi为球心,εi为半径的圆形区域;
所述大圆0是指点xi在所述空间坐标系中,以点0为原点所在的圆;
4)继续旋转 所围成的圆形区域,由 所围成的圆形区域的右边界与yi相切时, 所围成的圆形区域的旋转角度为θ2,此时由 所围成的圆形区域的圆心即为点N,由点N和yi的距离rs构造一个一元二次方程,利用N在大圆0中的方程,联立两个方程组获得点N的x和y坐标值,求出θ2,得到角度差值Δθi;
其中,rs是 所围成的圆形区域的半径,r表示在空间坐标系0中B2xi到点0的距离,rs=r*tanεi。
3.根据权利要求1所述的方法,其特征在于,所述三维点云中每个点的主曲率计算过程如下:步骤3.1:以三维点云中的任意点及该点的邻域点拟合为一个局部二次曲面G(x,y);
G(x,y)=ax2+bxy+cy2+dx+ey
步骤3.2:对局部二次曲面G(x,y)进行求导,获得第一基本常量E、F、G和第二基本常量L、M、N;
E=Gxx,F=Gx*Gy,G=Gyy;
L=n·Gxx,M=n·Gxy,N=n·Gyy;
其中,Gx、Gy分别为G(x,y)对x、y求一次导,Gxx、Gyy为G(x,y)对x、y求二次导,Gxy为G(x,y)依次对x和y求导,n为局部二次曲面G(x,y)在所选任意点处的法向量;
步骤3.3:计算高斯曲率K和平均曲率H:
步骤3.4:计算主曲率极小值k1和主曲率极大值k2:
4.根据权利要求1所述的方法,其特征在于,所述利用相似三角形阈值对初始匹配点集Ai1和Bi1中的匹配点对进行筛选的过程如下:步骤4.1:在Ai1中随机选取不共线的3点ai,aj,ak,在Bi1找到与之对应的3点bu,bv,bw;
步骤4.2:令(ai,bu)和(aj,bv)是已知的匹配点对,根据三角形相似原理进行以下计算:Δaij=||ai-aj||;Δaik=||ai-ak||;Δajk=||aj-ak||;
Δbuv=||bu-bv||;Δbuw=||bu-bw||;Δbwv=||bw-bv||;
步骤4.3:由三角形相似原理,计算两个三角形相似度Ω;
其中,Δaij,Δaik,Δajk;Δbuv,Δbuw,Δbwv为三角形的各个边长,δ2为设定的第二误差阈值;
步骤4.4:如果ai,aj,ak,bu,bv,bw满足Ω<δ2,则认为ak和bw属于一对配准点对。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述L取值为4,且r4=0.004m。
6.根据权利要求4所述的方法,其特征在于,所述δ2取值为0.02、0.05、0.1中的任意一个。
7.根据权利要求1所述的方法,其特征在于,采用3D轮廓扫描传感器获取视角相邻场景的三维点云。