买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国地质大学(武汉)申请的专利基于特征点法线与全局点云曲率优化的点云配准方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116012423B 。

龙图腾网通过国家知识产权局官网在2025-11-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211450587.7，技术领域涉及：G06T7/33；该发明授权基于特征点法线与全局点云曲率优化的点云配准方法是由梅爽;李磊;文国军;马伟杰;贺鑫;付刚设计研发完成，并于2022-11-18向国家知识产权局提交的专利申请。

本基于特征点法线与全局点云曲率优化的点云配准方法在说明书摘要公布了：本发明公开了一种基于特征点法线与全局点云曲率优化的点云配准方法，包括以下步骤：从目标点云和参考点云中提取表面关键点，利用FPFH描述子搜索构建一一对应的特征点对；基于正态分布构建一种基于距离差值、法向量角度差值和曲率差值自适应阈值的综合剔除条件，对特征点对中的离群点对进行剔除；利用保留下来的特征点对构建包含法向量约束的马氏距离误差度量，将马氏距离误差度量优化后实现位姿的粗对齐；基于位姿粗对齐算法与加入综合剔除条件的改进ICP算法结合交叉迭代，实现点云精细配准。该方法有助于提高点云配准的收敛速度和精度。多种实验证明，该方法对点云初始位置差具有很高的容忍度，对迭代过程中的局部极小现象有明显的抑制作用。

本发明授权基于特征点法线与全局点云曲率优化的点云配准方法在权利要求书中公布了：1.一种基于特征点法线与全局点云曲率优化的点云配准方法，其特征在于，包括以下步骤： S1：分别从目标点云和参考点云中提取表面关键点，利用FPFH描述子搜索构建一一对应的特征点对； S2：基于正态分布构建一种基于距离差值、法向量角度差值和曲率差值自适应阈值的综合剔除条件，利用所述综合剔除条件对特征点对中的离群点对进行剔除； S3：利用保留下来的特征点对构建包含法向量约束的马氏距离误差度量，将所述马氏距离误差度量优化后实现位姿的粗对齐； S4：基于位姿粗对齐算法与加入所述综合剔除条件的改进ICP算法结合交叉迭代，实现点云的精细配准； 步骤S2具体包括： S21：将参考点云中的特征点经过变换后与目标点云对应特征点之间的欧式距离作为计算得到的距离差值； S22：将参考点云中的特征点经过变换后与目标点云对应特征点两者法向量之间的夹角作为法向量角度差值； S23：将参考点云中的特征点经过变换后与目标点云对应特征点两者曲率之间的对数差作为曲率对数差值； S24：计算特征点对的在S21、S22、S23得到的距离差值、法向量角度差值、曲率对数差值三项数据分布，设定一个阈值间隔来近似表示那些正确点对的所在区间，进行正态分布拟合得到分布的均值和标准偏差，所述阈值间隔由Wilson置信区间选择一个标准区间，最终计算得到的三类置信阈值区间为其表达式为： 式中，distance、normal，curvature分别表示距离差值、法向量夹角差值、曲率差值的三类阈值区间，M表示已知变换矩阵，分别表示参考点云与目标点云上的对应点，分别表示对应点的相应法向量，分别表示对应点处邻域的曲率大小，N表示对应变换的维度大小，表示变换矩阵乘积； S25：利用S24中计算的距离差值、法向量角度差值、曲率差值三类阈值区间，若特征点对的距离差值、法向量角度差值、曲率差值同时位于三类阈值区间中，则保留该特征点对；否则，作为离群点剔除。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国地质大学(武汉)，其通讯地址为：430000 湖北省武汉市洪山区鲁磨路388号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。