(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 202210773065.4 (22)申请日 2022.06.30 (71)申请人 西北工业大 学 地址 710072 陕西省西安市友谊西路 (72)发明人 戴玉超　张志远　樊斌　郭相　 (74)专利代理 机构 西安凯多 思知识产权代理事 务所(普通 合伙) 61290 专利代理师 王鲜凯 (51)Int.Cl. G06V 10/75(2022.01) G06V 20/64(2022.01) G06V 10/44(2022.01) G06V 10/82(2022.01) G06V 10/774(2022.01) (54)发明名称 一种端到端学习的基于硬匹配的三维点云 配准方法 (57)摘要 本发明涉及一种端到端学习的基于硬匹配 的三维点云配准方法， 本发明提出学习一个部分 置换匹配矩阵来建立点匹配， 它不会将对应点分 配给异常值， 并实施硬匹配以防止歧义。 从软匹 配到硬匹配的模块， 其求解软匹配矩阵， 并将该 软矩阵投影到部分置换矩阵。 在硬匹配 之前增广 收益矩阵以求解增广的置换矩阵， 然后裁剪该矩 阵以实现最终的部分置换矩阵。 为了保证端到端 的学习， 本发明监督得到的部分置换矩阵， 但将 梯度传播到 软匹配矩阵。 因此， 所设计的S2 H匹配 同时保证了端到端学习和硬匹配。 3， 本发明中的 S2H匹配模块可以轻松与现有 点云注册框架相集 成以提升配准性能。 通过在大量测试验证了本发 明， 其在鲁棒3D点云配准任务中实现了最先进的 性能。 权利要求书2页 说明书5页 附图2页 CN 115170846 A 2022.10.11 CN 115170846 A 1.一种端到端学习的基于硬匹配的三维点云配准方法， 其特 征在于步骤如下： 步骤1 ： 提取点云 中每个点的特征 点云 中每个点的特征 其中， xi， yj分别表示源点云和目标点云中的 3D点， NX和NY分别表示源点云和目标点云内点的数目， 和 分别表示相应的点特 征； 步骤2： 利用所得的点特征， 计算各个点特征之间的相似度， 即 构造相似 矩阵 其中sij表达xi， yj之间的相似度； 步骤3： 利用增广的Sinkhorn算法， 以相似度矩阵作为输入求解一个局部双随机矩阵P 作为近似解， 其中， 步骤4： 利用增广的0 ‑1分配方法， 以局部双随机矩阵作为收益矩阵， 使用整数规划， 求 解得到局部 置换矩阵 步骤5： 局部置 换矩阵M指明了匹配， 即源 点云X和构造的对应点集合Y ′＝YMT形成最终的 匹配对。 在这构 造好的点匹配对的基础上， 应用加权Pr ocrustes算法求解最终的相对位姿， 即旋转矩阵R和位移向量t， 完成点云配准。 2.根据权利要求1所述端到端学习的基于硬匹配的三维点云配准方法， 其特征在于： 所 述步骤1中提取特征的提取网络， 包含两个分支， 即DGCNN和Transformer； 其中， DGCNN用于 学习当前点云的局部几何信息， Transformer用于学习两个输入点云的互信息， 通过局部信 息和互信息的融合， 最终 获得能有效表达每 个3D点局部结构的特 征。 3.根据权利要求1所述端到端学习的基于硬匹配的三维点云配准方法， 其特征在于： 所 述步骤3中求 解一个局部双随机矩阵P过程 为： 1、 增广相似度矩阵： 输入的相似度矩阵S具有NX行NY列， 在此基础上增补一行一列的1向 量， 得到增广的相似度矩阵 具有NX+1行NY+1列； 2、 使用Sinkhorn算法， 迭代地对逐行逐列做归一化， 得到增广双随机矩阵 3、 裁剪 去除增广的一行一列， 得到局部双随机矩阵P。 4.根据权利要求1所述端到端学习的基于硬匹配的三维点云配准方法， 其特征在于： 所 述步骤4中求 解局部置换矩阵的过程 为： 1)增广局部双随机矩阵： 输入的局部双随机矩阵P具有 NX行NY列， 在此基础上增补NY行NX 列， 即增补三个NX×NX， NY×NY的对角阵和NY×NX的零矩阵， 得到NX+NY行NY+NX列矩阵； 2)按照公式σ ＝1/var(v)确定增补对角阵中对角元 素的值， 其中v为相应的行和列； 3)采用匈牙利算法， 对此增广的收益矩阵进行整数规划， 得到增广的置换矩阵 4)裁剪 即去除增广的行和列， 得到局部 置换矩阵M 。 5.根据权利要求1所述端到端学习的基于硬匹配的三维点云配准方法， 其特征在于： 所权　利　要　求　书 1/2 页 2 CN 115170846 A 2述步骤5是： 给定源点云X， 其对应点集合为Y ′＝YMT， 计算权重向量 显然 然后， 将w归一化到 令H＝Y′KWXT， 其中 I是单位阵。 然后R＝UEVT， t＝(Y′ ‑RX)W1， 其中UDVT＝SVD(H)， 1＝(1,1, …,1)T， E＝diag(1, 1,…,1,det(U)det(V))。 至此可以解出最终的相对位姿， 即旋转矩阵R和位移向量t， 完成点 云配准。权　利　要　求　书 2/2 页 3 CN 115170846 A 3