1.一种基于渐进一致性投票的鲁棒三维点云特征匹配方法,其特征在于,包括:步骤1:获取包含源点云以及目标点云的三维点云数据;
步骤2:对所述三维点云数据进行特征提取以及特征匹配,得到初始匹配集;
其中,初始匹配集包括至少一个描述源点云与目标点云匹配的对应关系;
步骤3:针对初始匹配集中每一个匹配的对应关系,将该对应关系与当前投票集中的候选对应关系进行兼容性评估,获得初始匹配集中每个对应关系与候选对应关系的兼容性分数;
其中,所述当前投票集由具有最高投票分数的对应关系构成;
步骤4:对初始匹配集中每个对应关系与候选对应关系的兼容性分数进行投票,得到初始匹配集中每个对应关系的投票分数;
步骤5:按照初始匹配集中每个对应关系的投票分数的高低更新所述当前投票集,并重复步骤3至步骤4直至达到最大迭代次数,将最后一次的投票分数,最为最终评分结果;
步骤6:利用大津阈值法OTSU,在最终评分结果的对应关系中选择对应关系组成变换集;
步骤7:利用RanSAC算法计算所述变换集的旋转矩阵,并按照旋转矩阵完成源点云至目标点云的转换。
2.根据权利要求1所述的一种基于渐进一致性投票的鲁棒三维点云特征匹配方法,其特征在于,在所述步骤2之前,所述一种基于渐进一致性投票的鲁棒三维点云特征匹配方法还包括:对所述三维点云数据以体素化的方式进行降采样处理。
3.根据权利要求2所述的一种基于渐进一致性投票的鲁棒三维点云特征匹配方法,其特征在于,所述步骤3包括:步骤3-1:针对初始匹配集中每一个匹配的对应关系,计算该对应关系与当前投票集中的候选对应关系的欧式距离的刚性约束;
步骤3-2:在所述刚性约束基础上,计算初始匹配集中每一个匹配的对应关系,计算该对应关系与当前投票集中的候选对应关系的兼容性分数。
4.根据权利要求3所述的一种基于渐进一致性投票的鲁棒三维点云特征匹配方法,其特征在于,所述欧式距离的刚性约束为:其中,和是两个任意的源点云,和是两个任意的目标点云;
所述初始匹配集中每个对应关系与候选对应关系的兼容性分数为:其中,c1表示初始匹配集中的对应关系,c2表示当前投票集中的候选对应关系,τ是距离参数,τ=10pr;
其中,Pi表示点云集合中的一般任意点,Pnn是Pi的最近邻点,pr表示点云分辨率。
5.根据权利要求4所述的一种基于渐进一致性投票的鲁棒三维点云特征匹配方法,其特征在于,所述步骤4包括:针对初始匹配集中的每一个对应关系,将该对应关系与候选对应关系的所有兼容性分数进行积分,将积分结果作为该对应关系的投票分数,获得初始匹配集中每个对应关系的投票分数。
6.根据权利要求5所述的一种基于渐进一致性投票的鲁棒三维点云特征匹配方法,其特征在于,所述初始匹配集中每个对应关系的投票分数为:其中,c表示初始匹配集中的对应关系,cj表示当前投票集中第j个候选对应关系,表示第i次迭代的投票集。
7.根据权利要求1所述的一种基于渐进一致性投票的鲁棒三维点云特征匹配方法,其特征在于,所述步骤5中按照初始匹配集中每个对应关系的投票分数的高低更新所述当前投票集包括:按照的投票分数的高低,将初始匹配集中每个对应关系进行降序排序;
按照降序排序后的初始匹配集更新所述当前投票集。
8.根据权利要求7所述的一种基于渐进一致性投票的鲁棒三维点云特征匹配方法,其特征在于,更新后的当前投票集为:其中,是第i-1次迭代的初始匹配集,cj表示当前投票集中第j个候选对应关系,k是第i次迭代的当前投票集
9.根据权利要求1所述的一种基于渐进一致性投票的鲁棒三维点云特征匹配方法,其特征在于,所述步骤6包括:步骤6-1:根据最终评分结果的投票分数分布,利用大津阈值法OTSU设置自适应阈值;
步骤6-2:在最终评分结果的对应关系中选择投票分数大于自适应阈值的对应关系组成变换集。
10.根据权利要求1所述的一种基于渐进一致性投票的鲁棒三维点云特征匹配方法,其特征在于,所述步骤7:步骤7-1:计算所述变换集中每个源点云对应的最近目标点云;
步骤7-2:求变换集中每个源点云与对应的最近目标点云平均距离最小的刚性变换,获得平移矩阵以及旋转矩阵;
步骤7-3:使用所述平移矩阵以及旋转矩阵,对变换集中的每个源点云进行平移以及旋转,得到新的变换点集;
步骤7-4:判断新的变换集与目标点云集是否满足目标函数,如果不满足,则重复7-1至7-3直至新的变换集与目标点云集是否满足目标函数;
其中,目标点云集由与源点云对应的目标点云构成。