(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210648452.5 (22)申请日 2022.06.09 (71)申请人 重庆理工大 学 地址 401320 重庆市巴南区红光大道69号 (72)发明人 王勇　赵丽娜　陈瑜　 (74)专利代理 机构 成都东唐智 宏专利代理事务 所(普通合伙) 51261 专利代理师 晏辉 (51)Int.Cl. G06T 7/33(2017.01) G06T 7/66(2017.01) G06V 10/46(2022.01) G06V 10/74(2022.01) G06V 10/75(2022.01) G06V 10/764(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于交叉偏移特征与空间一致性的点云配 准系统及方法 (57)摘要 本发明公开了一种基于交叉偏移特征与空 间一致性的点云配准系统及方法， 涉及点云配准 技术领域。 本系统为网络架构， 由特征提取模块、 关键点筛选模块、 匹配模块以及置信度估计模块 组成， 网络架构中令P和Q 分别代表源点 云和目标 点云送入配准网络获得最终的旋转矩 阵与平移 向量； 特征提取模块通过共享的图特征提取网 络， 提取源点云与目标点云的特征描述符。 本发 明通过一系列的改进， 解决了在海量含有噪音的 点中选取最具代表的点对以及生成具有强大表 征能力的特征描述子的问题； 通过偏移注意力机 制， 让两片点云交叉学习对方的关键信息， 完成 关键点的筛选的同时为后续的匹配任务提供初 始点对信息 。 权利要求书4页 说明书13页 附图3页 CN 114937066 A 2022.08.23 CN 114937066 A 1.一种基于交叉偏移特征与空间一致性的点云配准系统， 其特征在于： 本系统为网络 架构， 由特 征提取模块、 关键点筛 选模块、 匹配模块以及置信度估计模块组成； 所述网络架构令P和Q分别代表源点云和目标点云送入配准网络获得最终的旋转矩阵 与平移向量； 所述特征提取模块通过共享的图特征提取网络， 提取源点云与目标点云的特征描述 符； 所述关键点筛选模块通过偏移注意力 机制挖掘点云的结构信 息， 并以互补的方式融合 不同视角下的点云特 征， 从而提高精简点的质量； 所述匹配模块 通过对关键点进行筛 选后对其进行匹配； 所述置信度估计模块用于通过获得初始的匹配点对， 并对初始匹配集进行筛 选。 2.一种基于交叉偏移特 征与空间一 致性的点云配准方法， 其特 征在于， 步骤如下： 通过网络构架令源点云为P和目标点云为 Q； 通过特征提取模块， 得到特 征描述子 让源点云初始特征FP和目标点云初始特征FQ分别学习对方的结构信息， 进而得到源点 云学习特 征F'P和目标点云学习特 征F'Q； 通过对关键点进行筛选， 得到关键点源点云p＝{x1,x2,…,xm}和目标点云q＝{y1, y2,…,ym}以及对应的点源点云特征集f'P和目标点云特征集f'Q， 并通过点源点云特征集f'P 和目标点云特 征集f'Q和构件特性描述T(i,j)； 采用二维卷积获取每 个点对应的相似性分数， 获得最终的相似性矩阵S(i,j)； 对S的每行 取最大值获得初始匹配对C， 构建长度一 致性矩阵βij， 再通过引入初始匹配点对的特 征相似矩阵调节兼容 性分数， 得到特 征兼容性矩阵γij； 获得兼容 性矩阵Mij； 获得点对之间的有效性分数vi和效性分数的权 重wi； 通过对有效性得分按比例加权其 余分数， 得到目标函数R,t； 通过对两片点云的中心点添加权 重参数生成源点云质心 与目标点云质心 通过位移向量计算得到 H矩阵； 通过奇异值分解SVD对H矩阵进行分解， 并基于矩阵U和矩阵V得到旋转矩阵R,再由旋转 矩阵R计算平 移矩阵t； 通过计算得到源点云P和目标点云Q的关键点检测损失函数 和 匹配损失函数 以及置信度估计损失函数 并通过对关键点检测损失函数 和 匹配损失函数 以 及置信度估计损失函数 的求和得到损失函数L oss。 3.根据权利要求2所述的一种基于交叉偏移特征与空间一致性的点云配准方法， 其特 征在于， 所述特 征描述子 的计算公式为： 其中， 表示点pi邻域k个点的集合， 表示pi在第l层图卷积网络下的特征描述子， h权　利　要　求　书 1/4 页 2 CN 114937066 A 2和g表示多层感知机用于特征学习， 表示聚合操作取最大值， 初始特征 为点云的三维坐 标值。 4.根据权利要求2所述的一种基于交叉偏移特征与空间一致性的点云配准方法， 其特 征在于， 所述源点云学习特 征F'P和目标点云学习特 征F'Q的计算公式分别为： F′P＝Fp+e(FQ) F′Q＝FQ+e(FP) 其中， e:RN×K→RN×K表示偏移注意力机制， K是两片点云特征维度， F'P和F'Q分别代表源 点云与目标点云的学习后的特 征。 5.根据权利要求2所述的一种基于交叉偏移特征与空间一致性的点云配准方法， 其特 征在于， 所述特性描述T(i,j)的表达公式 其中“；”表示串联解释公式， T(i,j)表示编码两片点云的几何特征以及相对位置的联合 信息。 6.根据权利要求2所述的一种基于交叉偏移特征与空间一致性的点云配准方法， 其特 征在于， 所述初始匹配对C的表达式为： 所述长度一 致性矩阵βij的表达式为： 其中β 表示基于空间一致性的长度兼容性矩阵， td作为距离参数来控制对长度差的敏 感 性。 7.根据权利要求6所述的一种基于交叉偏移特征与空间一致性的点云配准方法， 其特 征在于， 所述兼容 性矩阵γij的表达式为： 其中αij表示初始匹配点对特征相似程度， 特征差异越小αij数值越小， tf表示特征参数 用来控制对特 征差异的敏感性； 所述兼容 性矩阵Mij的表达式为： Mij＝βij*γij 所述点对之间的有效性分数vi和有效性分数的权 重wi分别表示 为： vi＝σ(g(Mij)) 权　利　要　求　书 2/4 页 3 CN 114937066 A 3