1.一种三维点云数据特征点提取方法,其特征在于,具体包括以下步骤:S1:将待进行特征点提取的点云数据进行栅格化,得到栅格数据,再将依据原始点云数据生成的栅格数据进行切割划分,得到若干连续分布的单位栅格;
S2:依据原始点的位置,分析计算单位栅格内所包含的原始点云数据的点数密度值;
S3:将密度值不为0的密度栅格进行滤波降噪处理;
S4:根据栅格密度值计算单位栅格的密度值梯度、密度值二阶导数及密度值的协方差矩阵;
S5:依据单位栅格的密度值协方差矩阵构造特征点度量函数,计算特征点度量函数值;
S6:将计算的特征点度量函数值与阈值进行比较判断,将满足判断条件的单位栅格用栅格点替代,此栅格点即为特征点;
其中,S2中计算单位点云密度值的具体步骤包括:
S21:记处于大立方体最左下角的单位栅格为(0,0,0)号单位栅格;
S22:计算原始点云数据中各点到(0,0,0)号单位栅格中心的距离,根据距离与栅格边长的倍数关系将每一个点划分到所属的单位栅格中;
S23:对处于同一编号单位栅格的所有原始点云数据中的点,依据点的位置与所属的单位栅 格 中心 之间 的 距离 ,进 行 加权 计算 ,得到 单位 栅 格点 云密 度 值其中,N是当前栅格内包含的原始点的数量,ωj是采用高斯分布的规律,依照原始点与栅格中心的位置关系进行密度加权的权值,Xj是原始点云中的当前计算点的三维坐标信息,Xi是当前栅格中心的三维坐标信息;
其中,S4中采用带权五点差商法计算单位栅格的密度值梯度,具体计算公式:其中D(x)为栅格密度值;
根 据计 算 得 到 的 栅格 密 度 值 梯 度,进 一 步 以 带 权五 点 差 商 公 式计算密度值二阶导数,继而计算Dxy、Dxz、Dyy、Dyz、Dzz;
利用计算的密度值二阶导数构造协方差矩阵
其中,S5中构造特征点度量函数的步骤包括:密度值协方差矩阵的行列式值记为Det3
(M),矩阵的对角线迹记为Trace(M),构造特征点度量函数RD=detMD‑α(traceMD),式中α为经验值常数。
2.根据权利要求1所述的一种三维点云数据特征点提取方法,其特征在于,S1中得到栅格数据的具体过程包括:对输入点云数据进行遍历,得到X、Y、Z三个维度上的最大值与最小值,根据六个最值构造刚好能够容纳下点云数据所有点的大立方体,大立方体的边缘位置即为原始输入点云数据中最边界的点位置;
得到的栅格数据依据人为设定的单位栅格长度进行分割,均分割成若干长宽高相等的小立方体单位栅格。
3.根据权利要求1所述的一种三维点云数据特征点提取方法,其特征在于,S3中所采用的滤波方式有中值滤波和高斯滤波,分别用来去除密度栅格中的椒盐噪声和高斯白噪声;
所述中值滤波的具体过程包括:在xoy、xoz、yoz三个平面上分别进行平面中值滤波,再对整体的栅格进行立方体模板中值滤波操作,最后将四个滤波结果进行相加,对于结果中将被更改2次以上的单位栅格密度值,取四个滤波结果中的最大值,得到中值滤波的最终结果;
所述高斯滤波的具体过程包括:在xoy、xoz、yoz三个平面及整体栅格上分别进行高斯滤波,将得到的四个滤波结果进行相加,对于结果中将被更改2次以上的单位栅格密度值,取四个滤波结果中的最大值,得到高斯滤波的最终结果;
计算四个高斯滤波结果所采用的具体计算公式为VGDμov(μ,v)=VDμov(μ,v)*G(x,y),其中G(x,y)是高斯滤波函数, VGD是密度栅格VD进行高斯滤波后得到的结果,μ和v代表所选平面的两个坐标轴,(μ,v)代表当前计算单位栅格在当前坐标关系下的坐标值。
4.根据权利要求1所述的一种三维点云数据特征点提取方法,其特征在于,S6中将单位栅格数据进行格式转换,用每一个单位栅格的中心点代替单位栅格内包含的所有原始点;
在格式转换的过程中,对于单位栅格密度值为0的单位栅格舍弃。
5.根据权利要求1所述的一种三维点云数据特征点提取方法,其特征在于,在S6之后还包括特征点位置优化,所述特征点位置优化的具体步骤包括:将特征点度量函数进行泰勒公式展开,对展开公式进行插值与函数曲线拟合,求得拟合函数的极值点即为位置更新的新的坐标点,进行位置修正。
6.采用如权利要求1所述的三维点云数据特征点提取方法提取的特征点应用于点云数据配准,其特征在于,具体包括以下步骤:S01:将输入的待配准数据,采用如权利要求1所述的提取方法提取特征点;
S02:对得到的特征点利用配准算法进行点云配准,所得配准结果即为最佳刚体变换参数;
S03:将特征点数据配准结果的最佳刚体变换参数应用于原始点云数据,将原始点云数据进行刚体变换后输出点云数据即为配准后的数据。
7.根据权利要求6所述的应用,其特征在于,S02中所述配准算法为Super‑4PCS算法,刚体变换参数形式为四元数表示法,最佳刚体变换参数的求解方法为单位四元数法。