1.一种基于统计局部特征描述与匹配的点云配准方法,其特征在于,包括:分别确定三维点云数据中每一查询点的局部特征描述符和对应的邻近点的局部特征描述符;所述局部特征描述符包括:点云局部密度、点云拟合平面距离方差、高斯曲率和平均曲率;所述三维点云数据为源点云;
将每一查询点的局部特征描述符和对应的邻近点的局部特征描述符进行统计加权,得到对应查询点的统计局部特征描述符;
获取源点云与目标点云的统计局部特征描述符;
根据源点云与目标点云的点对间的特征差异和平均匹配距离改进ICP算法,对点云进行配准;
所述将每一查询点的局部特征描述符和对应的邻近点的局部特征描述符进行统计加权,得到对应查询点的统计局部特征描述符,具体包括:利用公式确定查询点的统计局部特征描述符;
其中,查询点的统计局部特征描述符,为查询点的局部特征描述符,为邻近点的局部特征描述符,为邻域范围内点的个数,为查询点到邻近点的距离;
根据源点云与目标点云的点对间的特征差异和平均匹配距离改进ICP算法,对点云进行配准,具体包括:采用最远点采样的方法从目标点云中选取个样本点,并根据个样本点确定样本点集;
对三维点云数据和样本点集相应的点对间的特征差异进行对应点匹配,剔除错误点对;
通过奇异值分解确定对应点之间的关系,并根据对应点之间的关系确定三维点云数据到目标点云的变换模型;
采用平均匹配距离作为度量改进ICP算法,确定目标变换模型;所述目标变换模型为平均匹配距离达到最小值时的变换模型;
利用目标变换模型,进行点云配准。
2.根据权利要求1所述的一种基于统计局部特征描述与匹配的点云配准方法,其特征在于,所述分别确定三维点云数据中每一查询点的局部特征描述符和对应的邻近点的局部特征描述符,之前还包括:利用三维扫描仪获取三维点云数据;所述三维点云数据作为源点云;
采用K-D树方法确定所述三维点云数据中每一查询点对应的邻域范围内的邻近点。
3.根据权利要求2所述的一种基于统计局部特征描述与匹配的点云配准方法,其特征在于,所述分别确定三维点云数据中每一查询点的局部特征描述符和对应的邻近点的局部特征描述符,具体包括:确定每一查询点对应的邻域范围内的点到查询点的点云局部密度;
根据每一查询点对应的邻域范围内的点邻域范围内点云的拟合平面;
确定每一查询点对应的邻域范围内的邻近点到拟合平面的距离;
通过每一查询点对应的邻域范围内的邻近点到拟合平面的距离的方差确定点云拟合平面距离方差。
4.根据权利要求1所述的一种基于统计局部特征描述与匹配的点云配准方法,其特征在于,对三维点云数据和样本点集相应的点对间的特征差异进行对应点匹配,具体包括:利用公式确定源点云与目标点云的点对间的特征差异;
其中,为源点云与目标点云的点对间的特征差异,为源点云中的点,为目标点云中的对应点,为第项参数。
5.根据权利要求1所述的一种基于统计局部特征描述与匹配的点云配准方法,其特征在于,所述采用平均匹配距离作为度量改进ICP算法,确定目标变换模型,具体包括:确定当前的变换模型中三维点云数据中点与相应的目标点云中对应点的当前的平均匹配距离;
判断当前的平均匹配距离是否达到最小值;
若达到,则将当前的变换模型确定为目标变换模型;
若未达到,则返回所述采用最远点采样的方法从目标点云中选取个样本点,并根据个样本点确定样本点集的步骤,更新变换模型,直至平均匹配距离达到最小值。
6.根据权利要求5所述的一种基于统计局部特征描述与匹配的点云配准方法,其特征在于,利用公式确定平均匹配距离;
其中,为和的平均匹配距离,为目标点云中的样本点;为三维点云数据中统计局部特征描述符与相对应的点,为采样匹配点对数。
7.一种基于统计局部特征描述与匹配的点云配准系统,用于实现权利要求1-6任一项所述的一种基于统计局部特征描述与匹配的点云配准方法,其特征在于,包括:局部特征描述符确定模块,用于分别确定三维点云数据中每一查询点的局部特征描述符和对应的邻近点的局部特征描述符;所述局部特征描述符包括:点云局部密度、点云拟合平面距离方差、高斯曲率和平均曲率;所述三维点云数据为源点云;
统计局部特征描述符确定模块,用于将每一查询点的局部特征描述符和对应的邻近点的局部特征描述符进行统计加权,得到对应查询点的统计局部特征描述符;
源点云与目标点云的统计局部特征描述符获取模块,用于获取源点云与目标点云的统计局部特征描述符;
点云配准模块,用于根据源点云与目标点云的点对间的特征差异和平均匹配距离改进ICP算法,对点云进行配准。