(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211167883.6 (22)申请日 2022.09.23 (65)同一申请的已公布的文献号 申请公布号 CN 115272433 A (43)申请公布日 2022.11.01 (73)专利权人 武汉图科智能科技有限公司 地址 430000 湖北省武汉市东湖新 技术开 发区光谷大道特1号国际企业中心2栋 4层05号B033(自贸区武汉片区) (72)发明人 陶文兵　杨帆　刘李漫　 (74)专利代理 机构 武汉蓝宝石专利代理事务所 (特殊普通 合伙) 42242 专利代理师 韩梦晴 (51)Int.Cl. G06T 7/33(2017.01) G06T 7/73(2017.01) G06V 10/74(2022.01)G06V 10/80(2022.01) (56)对比文件 CN 106780459 A,2017.0 5.31 CN 109087342 A,2018.12.25 US 2019205695 A1,2019.07.04 CN 114332176 A,202 2.04.12 CN 114782503 A,2022.07.22 CN 113989340 A,202 2.01.28 CN 113706710 A,2021.1 1.26 宋林霞.三维点云配准方法的研究. 《中国优 秀硕士学位 论文全文数据库 信息科技 辑》 .2014, 梁正友.基 于改进PSO-TrICP算法的点云配 准. 《计算机与现代化》 .202 2, 刘美菊等.改进的RANSAC算法在三维点云配 准中的应用. 《激光与光电子学进 展》 .2018,(第 10期), 审查员 周勇攀 (54)发明名称 用于无人机自动避障的轻量点云配准方法 及系统 (57)摘要 本发明公开了一种用于无人机自动避障的 轻量点云配准方法及系统， 其方法包括： 对两个 待配准点云进行均匀下采样对应获取两个节点 集， 提取两个节点集的节点特征； 根据两个节点 特征， 建立两个待配准点云之间的初始匹配关 系， 获取特征增强更新后的两个节点特征， 及每 个初始匹配关系的匹配置信 度； 根据每个初始匹 配关系的匹配置信度， 选取满足预设条件的初始 匹配关系， 并获取两个虚拟匹配参考点； 根据融 合更新后的两个节点特征， 建立待配准的子点云 之间的最终匹配关系， 获取最终点匹配关系集 合； 并获取两个待配准点云之间的最优刚性变换 参数。 因此通过获取两个待配准点云之间的最优 刚性变换参数， 能补偿两个待配准点云的三维空间位置差异。 权利要求书4页 说明书11页 附图2页 CN 115272433 B 2022.12.09 CN 115272433 B 1.一种用于无 人机自动避障的轻量 点云配准方法， 其特 征在于， 包括以下步骤： 对两个待配准点云进行均匀下采样对应获取两个节点集， 提取两个节点集的节点特 征， 并将两个待配准 点云分别划分为多个子点云； 根据两个节点特征， 建立两个待配准点云之间的初始匹配关系， 获取特征增强更新后 的两个节点特 征， 及每个初始匹配关系的匹配置信度； 根据每个初始匹配关系的匹配置信度， 选取满足预设条件的初始匹配关系， 并获取两 个虚拟匹配参 考点； 根据所述满足预设条件的初始匹配关系， 更新两个虚拟匹配参考点之间的空间相对位 置； 通过更新后的两个虚拟匹配参考点对两个待配准点云进行归一化处理， 将归一化处理 后的两个待配准 点云分别对应与特 征增强更新后的两个节点特 征进行融合更新； 根据融合更新后的两个节点特征， 建立待配准的子点云之间的最终匹配关系， 并根据 所述最终匹配关系获取最终点匹配关系集 合； 根据所述 最终点匹配关系集 合， 获取两个待配准 点云之间的最优刚性变换参数。 2.如权利要求1所述的用于无人机自动避障的轻量点云配准方法， 其特征在于， 所述对 两个待配准点云进行均匀下采样对应获取两个节点集， 提取两个节点集的节点特征， 并将 两个待配准 点云划分为多个子点云步骤， 包括以下步骤： 待配准点云包括源点云与目标点云； 对源点云与目标点云分别进行均匀下采样对应获取源点云节点集与目标点云节点集， 提取所述源点云节点集与所述目标点云节点集对应的源点云节点特征与目标点云节点特 征； 将所述源点云与所述目标点云对应划分为多个源点云子点云与多个目标点云子点云。 3.如权利要求1所述的用于无人机自动避障的轻量点云配准方法， 其特征在于， 所述根 据两个节点特征， 建立两个待配准点云之间的初始匹配关系， 获取特征增强更新后的两个 节点特征， 及每个初始匹配关系的匹配置信度步骤， 包括以下步骤： 基 于 交 叉 注 意 力 对 源 点 云 节 点 特 征 进 行 特 征 增 强 更 新 获 得 ：  ； 其中， ；  ； 基 于 交 叉 注 意 力 对目 标 点 云 节 点 特 征 进 行 特 征 增强 更 新 获 得 ：  ； 其中， ； ；权　利　要　求　书 1/4 页 2 CN 115272433 B 2建立两个待配准 点云之间的初始匹配关系为： ； 基于Sinkhorn算法对所述初始匹配关系进行迭代， 获取每个初始匹配关系的匹配置信 度为： ； 式中， 源点云 ， 源点云节点特征 ， 源点云节点集 ； 目标点云 ， 目标点云节点特征 ， 目标点云节点 集 ； 为源点云节点集数量； 为目标点云节点集数量； 为节点特征维度； 、 、 为不同类可 学习矩阵； ； R为实数集； T为矩阵转置 。 4.如权利要求1所述的用于无人机自动避障的轻量点云配准方法， 其特征在于， 所述根 据每个初始匹配关系的匹配置信度， 选取满足预设条件的初始匹配关系， 并获取两个虚拟 匹配参考点步骤， 包括以下步骤： 根据每个初始匹配关系的匹配置信度， 选取匹配置信度的数值最高的预设数量初始匹 配关系； 获取预设数量初始匹配关系 对应的节点空间坐标， 对所有节点空间坐标计算节点空间 坐标均值， 所述节点空间坐标均值 为两个虚拟匹配参 考点。 5.如权利要求4所述的用于无人机自动避障的轻量点云配准方法， 其特征在于， 所述根 据所述满足预设条件的初始匹配关系， 更新两个虚拟匹配参考点之间的空间相对位置步 骤， 包括以下步骤： 根据预设数量初始匹配关系 对应的节点空间坐标， 以每个节点空间坐标对应的匹配置 信度为权 重， 通过加权SVD分解获取初始变换参数 ； 根据所述初始变换参数， 更新两个虚拟匹配参考点之间的空间相对位置为： ； 式中， 为估计得到的旋转分量； 为估计得到的平移分量； 与 为两个虚拟匹配 参考点。 6.如权利要求5所述的用于无人机自动避障的轻量点云配准方法， 其特征在于， 所述通 过更新后的两个虚拟匹配参考点对两个待配准点云进 行归一化处理， 将归一化处理后的两 个待配准点云分别对应与特征增强更新后的两个节点特征进 行融合更新步骤， 包括以下步 骤： 获取两个待配准点云的两个节点集分别相对于更新后的两个虚拟匹配参考点的位置 向量为： ； 将两个节点集的位置向量分别基于多层感知机网络转化为两个几何位置特征为： 和 ； 将两个几何位置特 征分别对应与特 征增强更新后的两个节点特 征进行融合更新： 。权　利　要　求　书 2/4 页 3 CN 115272433 B 3