科创中国
一种面向单光子雷达系统的低重合度点云配准技术
成果类型：: 新技术
发布时间: 2022-11-07 15:21:30
科技成果产业化落地方案
方案提交机构：“科创中国”智能技术体系化应用专业科技服务团| 毕光元 | 2022-11-09 09:53:52
单光子成像是采用脉冲激光光源，利用波分复用等非线性光学技术实现超高精度与强抗噪成像的一种新型技术。相较于传统激光雷达系统，单光子雷达系统在远距离、恶劣环境噪声影响下具有显著优势，在微弱信号探测、远距离成像、精密测量等领域的应用潜力巨大。
在三维成像任务中，单光子雷达系统从不同的空间角度对目标物体进行多次点云数据采集，得到不同空间坐标系下部分重合的多个点云片段，进而通过点云配准技术实现完整三维图像重构。目前常用的点云配准算法一般要求多角度拍摄的点云片段之间具有较高的重合度以提供足够的图像匹配信息。然而，由于单光子雷达纵深成像范围有限、点云密度大，在许多非常规的成像任务中，难以获得多角度高重合度的多点云片段。研究具有低重合度的点云配准技术，对提升单光子雷达整体三维成像能力，提升其应用价值具有关键作用。
针对上述关键问题，本发明提出一种基于稀疏全卷积神经网络的点云配准技术，能够极大提升低重合度场景下点云配准的准确率，以减少同一物体或场景的部分点云扫描次数，显著减少整体点云配准需要的时间以及提升配准效率，对单光子激光雷达系统在实际三维成像应用中具有重要意义。
本技术的目标是提供一种低重合度场景下的点云配准方法，解决（不限于）低重合度场景下点云同名点对数量少，配准精度差的问题，并提升单光子雷达探测系统对真实场景进行三维重构的效率。具体技术特点与优势包括：
（1）配准速度快：通过稀疏全卷积神经网络，达到逐点特征的快速稠密提取，并通过随机采样一致性算法进行快速同名点对匹配，显著降低单光子雷达探测系统整体三维重构所需时间。
（2）低重合度点云场景下配准精度高：通过采用交叉注意力机制，显式挖掘重合区域信息，将匹配阶段的点采样在重合区域内，同时动态限制卷积核感受野于区域内，提升低重合度场景下的配准精确率。
（3） 网络端到端设计：整体架构采用深度学习中端到端的网络设计方式，可实现输入具有一定重合度的点云，输出相对位姿变换信息，直接应用于点云的三维重构。
其特征在于，包括以下步骤：s1：数据预处理：利用单光子雷达探测系统获取源点云p与目标点云q的高密度阵列点云数据，基于现有点云数据建立八叉树octree，构建无序点云的索引机制以实现快速近邻查找；s2：全卷积特征提取：针对点云具有空间稀疏特性，对源点云p与目标点云q逐点进行全卷积聚合，得到代表各个邻域信息的特征聚合点坐标与特征聚合点高维特征向量；s3：构建注意力机制模块，赋予全卷积特征重叠区域感知能力；s4：通过刚体变换估计模块反求刚体变换矩阵t，实现完整场景的三维重建。2.根据权利要求1所述的低重合度点云配准方法，其特征在于，所述步骤s2的具体过程为：s2
北航工研院相关研发团队
将点云配准问题建模为给定在不同坐标系下的源点云与目标点云，求解旋转矩阵与平移向量以最小化点对误差：其中，代表源点云p与目标点云q中的同名点对，同名点仅存在于p与q的重叠区域内，为欧式空间中所有围绕原点的旋转矩阵构成的集合，代表实数；两相对点云重叠度定义为：其中，为源点云p至目标点云q的真值旋转变换，为源点云p至目标点云q的真值平移变换，为距离阈值，表示最近邻操作；s2‑
提取稀疏全卷积聚合点特征；采用稀疏全卷积取代传统体素网格卷积，稀疏卷积定义为：其中，u代表输入位置，表示复数域，为全卷积神经网络的输入维度，为全卷积神经网络的输出维度，定义为相对于输入u的偏置组成的集合，为稀疏卷积输出，为对应处卷积输出的相对偏移i处的输入，代表卷积核参数，输入当且仅当时存在定义，源点云p与目标
点云q经过层级式卷积下采样，生成代表各个邻域信息的特征聚合点坐标与特征聚合点高维向量。3.根据权利要求1或2所述的低重合度点云配准方法，其特征在于，所述步骤s3的具体过程为：s3
‑
1：基于以上特征聚合点高维向量，采用动态图卷积神经网络dgcnn增强局部信息，使能对源点云p与目标点云q达到整体感知；s3
‑
2：经过自注意力模块的特征聚合点高维向量，采用交叉注意力模块transformer动态检测源点云聚合点在目标点云中是否存在特征空间相近的对应聚合点，基于序列级别的语义信息，显式挖掘聚合点及其领域是否存在于重叠区域的置信程度；s3
‑
3：利用动态注意力卷积网络gac与单个聚合点与其邻域的重叠置信程度，根据置信程度大小动态限制卷积核感受野于预测得到的重叠区域，减少无效特征在匹配阶段的占比；s3
‑
4：基于输出的特征聚合点高维向量，采用空洞稀疏卷积进行高维信息解码，并利用gac网络进行感受野动态选择，实现有效信息提取，得到逐点特征与重叠区域置信度。4.根据权利要求3所述的低重合度点云配准方法，其特征在于，所述步骤s3
本成果可支持技术咨询，技术合作，技术转让等方式合作。
下载app