基于点对特征算法和SVD分解的三维激光点云识别

doi:10.13229/j.cnki.jdxbgxb.20240407

摘要/Abstract

摘要：

针对传统识别方法特征提取不准确、匹配效率低以及识别率低下等问题，提出基于点对特征算法和SVD分解的三维激光点云识别方法。首先，对点云数据实施ISS关键特征点提取，通过SVD分解算法，将待识别ISS关键特征点云与数据库参考点云调整至统一空间坐标系中；然后，结合FPFH描述子与SPFH图，实现关键点云特征点的空间几何特性描述，并将该点云与参考点云中，满足空间最邻近以及FPFH描述子最相似条件的点云数据，划分为一对特征点对；最后，引入球谐函数，通过点对特征的相似度计算，实现三维点云的识别。实验表明：本文方法能在简化复杂点云数据的同时，保留点云局部ISS关键特征点，通过特征点对相似度分析，实现三维点云数据的有效识别。

关键词: ISS关键特征点提取, SVD分解算法, FPFH描述子, SPFH图, 球谐函数

Abstract:

At the same time， the inconsistency of spatial coordinate systems further exacerbates the complexity of recognition problems， making traditional recognition methods face problems such as inaccurate feature extraction， low matching efficiency， and low recognition rate. Therefore， a 3D laser point cloud recognition method based on point-to-point feature algorithm and SVD decomposition is proposed. Firstly， the ISS key feature points are extracted from the point cloud data， and through the SVD decomposition algorithm， the identified ISS key feature point cloud and database reference point cloud are adjusted to a unified spatial coordinate system. By combining the FPFH descriptor with the SPFH graph， the spatial geometric characteristics of key point cloud feature points are described， and the point cloud data in the reference point cloud that meets the conditions of closest spatial proximity and the most similar FPFH descriptor is divided into a pair of feature point pairs. Introducing spherical harmonic function and calculating the similarity of point to point features to achieve the recognition of three-dimensional point clouds. The experiment shows that the proposed method can simplify complex point cloud data while preserving local ISS key feature points of the point cloud. Through feature point pair similarity analysis， effective recognition of 3D point cloud data can be achieved.

Key words: ISS key feature point extraction, SVD decomposition algorithm, FPFH descriptor, SPFH diagram, spherical harmonic function

中图分类号:

TP391.41

邱云飞,于鸿淼,王祥. 基于点对特征算法和SVD分解的三维激光点云识别[J]. 吉林大学学报(工学版), 2025, 55(5): 1735-1741.

Yun-fei QIU,Hong-miao YU,Xiang WANG. 3D laser point cloud recognition based on point-to-point feature algorithm and SVD decomposition[J]. Journal of Jilin University(Engineering and Technology Edition), 2025, 55(5): 1735-1741.

图/表 4

图1

图2

图3

图4

参考文献 11

[1]	张建新, 黄钢, 李消晋. 基于计算机视觉的织物光泽测试方法研究[J]. 丝绸, 2021, 58(7): 62-68.
	Zhang Jian-xin, Huang Gang, Li Xiao-jin. Research on measuring method of fabric luster based on computer vision[J]. Journal of Silk, 2021,58 (7): 62-68.
[2]	左倪娜, 覃晓. 物体表面三维虚拟图像点云数据提取仿真[J]. 计算机仿真, 2023, 40(1): 255-258.
	Zuo Ni-na, Qin Xiao. Simulation of point cloud data extraction from 3d virtual image of object surface[J]. Computer Simulation, 2023,40(1):255-258.
[3]	Hui L, Cheng M, Xie J, et al. Efficient 3D point cloud feature learning for large-scale place recognition[J]. IEEE Transactions on Image Processing, 2022, 31: 1258-1270.
[4]	李科. 基于PSO-KNN的变电站设备三维点云识别方法研究[J]. 电力系统保护与控制, 2021, 49(18): 182-187.
	Li Ke. 3D point cloud research on an identification method based on PSO-KNN substation equipment[J]. Power System Protection and Control, 2021,49(18): 182-187.
[5]	杨军, 王连甲. 结合位置关系卷积与深度残差网络的三维点云识别与分割[J]. 西安交通大学学报, 2023, 57(5): 182-193.
	Yang Jun, Wang Lian-jia. Recognition and segmentation of 3d point cloud through positional relation convolution in combination with deep residual network[J]. Journal of Xi'an Jiaotong University, 2023,57(5): 182-193.
[6]	罗勇, 苌静, 袁千金, 等. 一种快速变电站设备三维点云识别方法[J]. 郑州大学学报: 工学版, 2023, 44(3): 62-68.
	Luo Yong, Chang Jing, Yuan Qian-jin, et al. A fast 3d point cloud recognition method for substation equipment[J]. Journal of Zhengzhou University (Engineering Science), 2023,44(3): 62-68.
[7]	高迎彬, 徐中英. 基于加权矩阵的多维广义特征值并行分解算法[J]. 自动化学报, 2023, 49(12): 2639-2644.
	Gao Ying-bin, Xu Zhong-ying. Multiple generalized eigenvalue decomposition algorithm in parallel based on weighted matrix[J]. Acta Automatica Sinica, 2023,49(12): 2639-2644.
[8]	黄斯怡, 陈兴荣. 基于幂迭代-随机奇异值分解的潜在语义分析[J]. 厦门大学学报: 自然科学版, 2023, 62(4): 679-686.
	Huang Si-yi, Chen Xing-rong. Potential semantic analysis based on power iteration random singular value decomposition[J]. Journal of Xiamen University (Natural Science Edition), 2023,62(4): 679-686.
[9]	蒋风洋, 刘永刚, 陈智航, 等. 基于改进FPFH-ICP的车载激光雷达点云配准方法[J]. 重庆大学学报, 2023, 46(5): 1-10.
	Jiang Feng-yang, Liu Yong-gang, Chen Zhi-hang, et al. Vehicle mounted LiDAR point cloud registration method based on improved FPFH-ICP[J]. Journal of Chongqing University, 2023,46(5): 1-10.
[10]	王立群, 卢欣, 石丽伟. 计算二次特征值问题单特征三元组二阶偏导数的单模态法[J]. 数学学报: 中文版, 2022, 65(3): 559-570.
	Wang Li-qun, Lu Xin, Shi Li-wei. Single-mode method for calculating the second partial derivatives of a single eigentriple in a quadratic eigenvalue problem[J]. Acta Mathematica Sinica (Chinese Series), 2022, 65(3): 559-570.
[11]	李鹏, 马浩宇, 田兵, 等.复杂电磁环境下基于球谐函数分解的磁场传感数据反演电流方法[J]. 高电压技术, 2023, 49(6): 2365-2373.
	Li Peng, Ma Hao-yu, Tian Bing, et al. Current inversion method for magnetic field sensing data based on spherical harmonic function decomposition in complex electromagnetic environments[J]. High Voltage Engineering, 2023, 49(6): 2365-2373.

相关文章 15

[1]	程德强,王伟臣,韩成功,吕晨,寇旗旗. 基于改进密集网络和小波分解的自监督单目深度估计[J]. 吉林大学学报(工学版), 2025, 55(5): 1682-1691.
[2]	程德强,刘规,寇旗旗,张剑英,江鹤. 基于自适应大核注意力的轻量级图像超分辨率网络[J]. 吉林大学学报(工学版), 2025, 55(3): 1015-1027.
[3]	曹毅,夏宇,高清源,叶培涛,叶凡. 基于超连接图卷积网络的骨架行为识别方法[J]. 吉林大学学报(工学版), 2025, 55(2): 731-740.
[4]	唐毅,潘杨,郜明,易虹辰,韦安琦. 基于仿射不变算子的无人机多光谱影像匹配算法[J]. 吉林大学学报(工学版), 2024, 54(7): 2080-2085.
[5]	李延风,刘名扬,胡嘉明,孙华栋,孟婕妤,王奥颖,张涵玥,杨华民,韩开旭. 基于梯度转移和自编码器的红外与可见光图像融合[J]. 吉林大学学报(工学版), 2024, 54(6): 1777-1787.
[6]	王振,杨宵晗,吴楠楠,李国坤,冯创. 基于生成对抗网络的序列交叉熵哈希[J]. 吉林大学学报(工学版), 2023, 53(12): 3536-3546.
[7]	吕晓琪,李浩,谷宇. 基于深度学习算法的人脸图像活体特征变换尺度提取[J]. 吉林大学学报(工学版), 2023, 53(11): 3201-3206.
[8]	陈烽,王浩. 基于多通道视觉注意力的模糊图像质量复原算法设计[J]. 吉林大学学报(工学版), 2023, 53(9): 2626-2631.
[9]	霍光,林大为,刘元宁,朱晓冬,袁梦,盖迪. 基于多尺度特征和注意力机制的轻量级虹膜分割模型[J]. 吉林大学学报(工学版), 2023, 53(9): 2591-2600.
[10]	金小俊,孙艳霞,于佳琳,陈勇. 基于深度学习与图像处理的蔬菜苗期杂草识别方法[J]. 吉林大学学报(工学版), 2023, 53(8): 2421-2429.
[11]	张振海,季坤,党建武. 基于桥梁裂缝识别模型的桥梁裂缝病害识别方法[J]. 吉林大学学报(工学版), 2023, 53(5): 1418-1426.
[12]	符磊,顾文彬,艾勇保,李伟,郑南,王留洋. 基于双孪生网络的可见光热红外目标实时鲁棒跟踪[J]. 吉林大学学报(工学版), 2022, 52(12): 2906-2915.
[13]	刘元宁,朱琳,朱晓冬,刘震,吴浩萌. 基于生成模型提升训练的深度学习虹膜识别方法[J]. 吉林大学学报(工学版), 2022, 52(12): 2924-2932.
[14]	陈雪云,贝学宇,姚渠,金鑫. 基于G⁃UNet的多场景行人精确分割与检测[J]. 吉林大学学报(工学版), 2022, 52(4): 925-933.
[15]	毛琳,任凤至,杨大伟,张汝波. 双向特征金字塔全景分割网络[J]. 吉林大学学报(工学版), 2022, 52(3): 657-665.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed