[发明专利]一种基于点集数据与特征信息相融合的精确刚体配准方法

摘要

本发明公开了一种基于点集数据与特征信息相融合的精确刚体配准方法，已知模板点集和待配准的目标点集，利用主成分分析方法对数据降维并提取相对稳定的特征信息；然后建立了一种基于原始点集与特征信息相融合的点集配准模型。针对该模型，建立目标点集和模板点集之间对应点的对应关系，利用模板点集和目标点集之间点对点的对应关系求解空间配准的变换参数，并对目标点集进行空间变换；迭代上一步骤直到目标点集与模板点集的对应点对之间的均方误差小于给定的阈值或达到最大迭代次数，最终完成目标点集和模板点集的配准。本发明对于存在较多噪声点和异常值的数据具有较高的准确性和较好的鲁棒性，该方法可以应用于医学影像配准和场景重建与定位中。

主权项

1.一种基于点集数据与特征信息相融合的精确刚体配准方法，其特征在于，包括以下步骤：步骤1：提取目标点集和模板点集中的特征信息；步骤2：对获取到的特征点集和原始点集赋予不同的权重，建立基于特征信息和相关熵的点集配准目标函数：s.t.R^TR＝I_m,det(R)＝1其中，为目标点集X中第i个点的空间坐标向量，为模板点集Y中与对应的点的空间坐标向量，为特征信息目标点集P中第l个点的空间坐标向量，为特征信息模板点集Q中与对应的点的空间坐标向量，R为旋转变换矩阵，R^T为旋转变换矩阵的转置矩阵，I_n为n维的单位矩阵，det(R)为旋转变换矩阵的行列式，为平移变换向量，ω为特征信息的权重系数，σ₁和σ₂均为自由变量，N_x、N_y、N_p和N_q分别为目标点集、模板点集、特征信息的目标点集和特征信息的模板点集中包含点的个数；步骤3：根据基于相关熵的迭代最近点算法建立原始目标点集、模板点集之间的对应关系和特征信息目标点集、模板点集之间的对应关系：其中，c_k(i)和d_k(l)代表第k次迭代得到的点集间对应关系，R_k‑1、分别代表上一次迭代得到的旋转、平移变换参数，利用基于Delaunay三角化的最近点搜索求出当前循环中的点集对应关系；步骤4：利用目标点集与模板点集间对应关系求解空间配准的变换参数根据步骤3已知对应关系进行变化得到：对目标函数重写得到：假设：对目标函数求导，令得：假设：使得N＝N_x+N_P，表示为和u_r和v_r如下定义：因此，目标函数能够被重写为：通过奇异值分解求解；步骤5：迭代上述的步骤3和步骤4，直到目标点集与模板点集的对应点对之间的均方误差小于给定的阈值或达到最大迭代次数；根据迭代完成后得到的最佳空间变换参数对目标点集进行空间变换，最终完成目标点集与模板点集的配准。