欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025100267006
申请人: 安徽大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种排除邻域的双向最近邻相似比算法,用于构建模型点云和场景点云之间的对应关系,其特征在于,包括以下步骤:S1、输入关键点及描述子:创建模型点云对象P和场景点云对象Q,和分别为模型点云对象P和场景对象Q上的关键点集合,和分别为模型关键点集合和场景关键点集合中的关键点对应的局部特征描述子集合;

S2、初步匹配对应关系:通过相似度匹配模型点云和场景点云的特征描述子来生成初始的对应关系,构建一个模型-场景之间的初始对应点对集合;

S3、施加双向邻域约束:对初始对应关系实施一种松弛的邻域约束,对初始对应点对集合进行初步验证,排除明显错误的对应点对,得到初步排除错误对应点对的对应关系集合;

S4、双向实施Nannsr算法:将经初步排除的对应关系集合作为输入,对集合中的场景点和模型点分别实施Nannsr算法,计算出每个点对的独特性分数,并输出分数相对较优的对应点对获得最终对应点对集合;

S5、输出对应点对:以所提取出的双向都具独特性的最终对应点对集合为输出,重新构建模型点云与场景点云之间的对应关系。

2.根据权利要求1所述的一种排除邻域的双向最近邻相似比算法,其特征在于:步骤S2中,构建初始对应点对集合的具体方法为:对于每个模型关键点,从场景关键点集合中搜索特征相似度由高到低排列的k个场景关键点,对应的描述子为,其中k为正整数,模型关键点和场景关键点组成初始对应点对,所有模型关键点上构建的初始对应点对即为初始对应点对集合。

3.根据权利要求2所述的一种排除邻域的双向最近邻相似比算法,其特征在于:模型关键点与场景关键点的初始对应关系根据关键点上对应的局部特征描述子的相似度来确定,对于两个局部特征描述子和,相似度表示为:(1)

其中,表示L2范数。

4.根据权利要求2所述的一种排除邻域的双向最近邻相似比算法,其特征在于:步骤S3中,得到初步排除错误对应点对的对应关系集合的具体步骤为:S3.1、对于初始对应点对,定义以模型关键点为球心、半径为r1的双向邻域约束空间区域;

S3.2、通过反向搜索,找到场景关键点在模型点云上的对应点;

S3.3、若和的空间距离在不大于r1,保留该初始对应点对,否则予以排除。

5.根据权利要求2至4任意一项所述的一种排除邻域的双向最近邻相似比算法,其特征在于:步骤S4中,获得最终对应点对集合的具体步骤为:S4.1、对模型关键点到场景关键点和场景关键点到模型关键点方向分别实施一次Nannsr算法,计算它们的最近邻相似比得分,分别记为和;

S4.2、分别对和赋予相应的权重并进行求和,获得最终得分S:(3)

其中,和分别表示取较小和较大值,和分别表示较小和较大最近邻相似比得分的权重;

S4.3、基于上述的对应点对得分S,将每个点对的得分S由小到大排序,从集合中选取排序后的前K个得分S所对应的点对作为最终对应点对集合。

6.根据权利要求5所述的一种排除邻域的双向最近邻相似比算法,其特征在于:所述Nannsr算法的具体步骤为:S10、在每个模型关键点所对应的k个场景关键点中,定义以第一特征近邻点为球心、半径为r2的分隔空间区域;

S20、场景关键点作为第一特征近邻点,排除场景关键点中除第一特征近邻点以外的位于分隔空间区域内的所有特征近邻点,获得的新特征近邻点序列表示为, 为新的第二特征近邻点;

S30、计算最近邻相似比得分:

(2)

其中、和分别为、和对应的特征描述子。

7.根据权利要求6所述的一种排除邻域的双向最近邻相似比算法,其特征在于:若k个场景关键点都位于分隔空间区域,则选择距离最远的特征近邻点作为。

8.一种电子设备,其特征在于:包括存储器和处理器,所述存储器用于存储至少一个程序,所述处理器用于加载存储器中的程序以执行如权利要求1至7任一项所述算法。

9.一种存储介质,其中存储有处理器可执行的指令,其特征在于:所述处理器可执行的指令在由处理器执行时用于执行如权利要求1至7任一项所述算法。