欢迎来到利索能及~ 联系电话:18621327849
利索能及
我要发布
收藏
专利号: 2022103376105
申请人: 重庆邮电大学
专利类型:发明专利
专利状态:授权未缴费
专利领域: 计算;推算;计数
更新日期:2024-10-29
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种基于多尺度特征相似度约束的点云配准方法,其特征在于,构建点云配准模型并训练,将待配准数据输入训练好的点云配准模型,引入多尺度一致性约束得到点对权重,然后计算配准结果;

点云配准模型的训练过程包括:

S1.获取源点云和目标点云;

S2.提取两组点云中每个点的原始特征,交换两组点云的原始特征并通过MLP得到每个点的深层特征,对深层特征进行最大池化得到两组点云的全局特征,将两组点云的全局特征与每个点的深层特征进行拼接,并通过全连接网络输出每个点的置信度;此处设置源点云置信度损失函数;

S3.使用GNN提取两组点云的局部结构特征,记GNN输出特征为第一尺度特征表示,并将其通过注意力机制分别得到两组点云增强后的最终特征表示,记为第二尺度特征表示;

S4.在源点云中随机选取K个在两组点云重合区域的点构成第一点集,并索引出第一点集对应的第二尺度特征表示;

S5.将第一点集对应的第二尺度特征表示与目标点云的第二尺度特征表示相乘得到相似矩阵;

S6.将相似矩阵按行归一化得到第一点集与目标点云的对应分布矩阵,对应分布矩阵与目标点云相乘求得与第一点集匹配的第一虚拟点集;此处为第一虚拟点集与真实对应点集设置相应的损失函数;

S7.选取对应分布矩阵中的每行最大元素,对其进行归一化处理,得到第一点集与第一虚拟点集间的匹配点对的权重;

S8.基于对应分布矩阵和匹配点对的权重,采用SVD算法求解源点云与目标点云间的旋转矩阵和平移矩阵;

S9.根据旋转矩阵和平移矩阵变换源点云,返回步骤S2,迭代3次;

S10.启动梯度反向传播机制,优化损失函数,更新网络参数,当模型收敛后或达到设置的epoch次数,保存模型。

2.根据权利要求1所述的一种基于多尺度特征相似度约束的点云配准方法,其特征在于,在训练好的点云配准模型中引入一致性约束包括:根据第一尺度特征表示计算源点云到目标点云的相似矩阵,记为M1,根据第二尺度特征表示计算源点云到目标点云的相似矩阵,记为M2;

M1与M2按位相乘,得到新的相似矩阵并按行归一化,得到源点云在目标点云中的对应点集;

选取新的相似矩阵中的每行最大元素,对其进行归一化,得到源点云与对应点集间的匹配点对的权重;

基于新的相似矩阵和匹配点对的权重,采用SVD算法求解源点云与目标点云间的旋转矩阵和平移矩阵,计算得到最终的变换矩阵。

3.根据权利要求1所述的一种基于多尺度特征相似度约束的点云配准方法,其特征在于,训练阶段使用双向的损失函数,既优化源点云到目标点云的配准过程,也优化目标点云到源点云的配准过程。

4.根据权利要求3所述的一种基于多尺度特征相似度约束的点云配准方法,其特征在于,点云配准模型训练阶段的双向的损失函数表示为:其中, 表示源点云的置信度损失, 表示目标点云的置信度损失, 表示目标点云中与源点云对应的虚拟点与真实点之间的损失, 表示源点云中与目标点云对应的虚拟点与真实点之间的损失。

5.根据权利要求4所述的一种基于多尺度特征相似度约束的点云配准方法,其特征在于,利用典型的交叉熵损失计算源点云的置信度损失,其公式为:其中,GT(xi)表示点xi的真实标签,P(xi)表示源点云中点xi的置信度。

6.根据权利要求4所述的一种基于多尺度特征相似度约束的点云配准方法,其特征在于,目标点云中与源点云对应的虚拟点与真实点之间的损失 表示为:其中,xi表示源点云中的点, 表示为xi生成的虚拟对应点,(RXYxi+tXY)表示目标点云中与xi对应的真实点。

7.一种基于多尺度特征相似度约束的点云配准系统,其特征在于,包括:数据收集模块,用于获取输入到模型中的源点云和目标点云数据;

降采样模块,用于筛选出参与配准的点集合;

特征交换模块,用于提取源点云和目标点云中每个点的特征,然后交换两组点云的特征信息;

MLP模块,用于基于特征交换模块的输出,采用多个MLP提取两组点云的深层特征;

池化模块,用于对两组点云的深层特征进行最大池化得到源点云的全局特征和目标点云的全局特征;

拼接模块,用于点的特征信息融合,把源点云和目标点云的全局特征与每个点的深层特征拼接在一起;

置信度计算模块,用于将每个点的拼接特征输入全连接层获取每个点的置信度;

局部结构特征获取模块,用于获取源点云与目标点云的第一尺度特征表示;

注意力模块,用于获取点云之间的关联信息,增强点云特征表示,即根据自注意力机制和交叉注意力机制对第一尺度特征表示进行处理,得到两组点云的第二尺度特征表示;

候选点集模块,用于根据置信度计算模块的输出结果,在源点云中选取置信度最高的K个点构成第一点集;

索引模块,用于筛选第一点集在配准流程中的不同尺度特征表示;

匹配模块,用于在目标点云中获取与第一点集匹配的对应点集;

一致性约束模块,用于在点云配准模型中引入一致性约束,得到第一点集与目标点云的对应分布矩阵;

SVD求解模块,用于根据匹配模块的结果和一致性约束模块得出的权重计算源点云与目标点云间的旋转矩阵和平移矩阵;

变换模块,用于根据根据旋转矩阵和平移矩阵变换源点云。