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！

龙图腾网获悉安徽大学申请的专利一种基于稠密骨架点的柔性形状区域匹配方法、系统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：CN114066952B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202111382103.5，技术领域涉及：G06T7/33；该发明授权一种基于稠密骨架点的柔性形状区域匹配方法、系统是由方贤勇;胡凌志;汪粼波设计研发完成，并于2021-11-22向国家知识产权局提交的专利申请。

本一种基于稠密骨架点的柔性形状区域匹配方法、系统在说明书摘要公布了：本发明属于计算机视觉处理领域，具体涉及一种基于稠密骨架点的柔性形状区域匹配方法、系统及其装置。该方法包括如下步骤：S1：获取原始点云数据，下采样得到源点云S和目标点云T；S2：对S和T进行曲率骨架提取得到源骨架点云SK1和目标骨架点云SK2，并建立对应关系。S3：对源骨架点云SK1进行关键点提取，得到关键点集Node；进而得到区域索引信息。S4：使用图匹配算法，对关键点集Node和目标骨架点云SK2中的点进行匹配，得到二者之间的第三对应关系。S5：根据第三对应关系，将区域索引信息映射到SK2中；进而将目标点云T划分到各自所属的区域中，完成最终的区域对应。本发明解决了现有的匹配方法因物体姿态变化导致的形状匹配准确率和效率低的问题。

本发明授权一种基于稠密骨架点的柔性形状区域匹配方法、系统在权利要求书中公布了：1.一种基于稠密骨架点的柔性形状区域匹配方法，其用于对两个点云中位置对应的形状区域进行匹配；其特征在于，所述柔性形状区域匹配方法包括如下步骤：S1：获取两个需要进行区域匹配的原始点云数据，对两个原始点云数据分别进行等量下采样得到包含相同点数量的源点云S和目标点云T；并分别基于所述源点云S和目标点云T的质心建立局部坐标系；S2：对所述源点云S和目标点云T进行曲率骨架提取得到二者的初始骨架点云，对两个初始骨架点云分别进行等量下采样得到包含相同点数量的源骨架点云SK1和目标骨架点云SK2；并根据点的欧氏距离，在源点云S和源骨架点云SK1的各点之间建立第一对应关系，在目标点云T和目标骨架点云SK2的各点之间建立第二对应关系；所述源点云S的初始骨架点云的提取方法如下：1对于任意一个给定的点云S，使用k近邻算法计算点云S中每个点xi的k个近邻点； 上式中，IS为点云S中点的个数；2使用基于梯度下降的优化，使所有的近邻点积累到一个局部中心，即得到曲率骨架；其中，针对得到的k个近邻点，计算如下优化公式： 上式中，Ni,k表示点云S中第i个点xi的k个近邻点，xj表示点xi的第j个近邻点；3在优化过程中，对点云S中的点位置进行迭代更新，每轮迭代更新过程中，点xi进行的位移用一个位移向量ui来表示： 其中，ki表示点xi的近邻点个数；在每次移动点云S中的所有点之前，根据每个点的近邻点构建一个矩阵M1，表示如下： 其中，表示向量的外积操作，Gxi表示点xi的近邻点集合；4计算M1矩阵的特征向量以及对应的特征值，点xi的特征值和特征向量分别记为和5在每次迭代更新结束后，根据得到的数据，计算如下新的平移向量： 其中，ui表示初始的位移向量，表示点xi的第p个特征向量，σi通过如下公式计算： 6设置一个迭代更新的终止阈值η，以∑σi≥η作为迭代的终止条件，迭代更新结束时得到的点云即为所需的源点云S的初始骨架点云；所述目标点云T的初始骨架点云的提取方法同上；所述源点云S和源骨架点云SK1间的第一对应关系采用如下的方法建立：1获取一个源点云S，以及需要和源点云S建立对应关系的骨架点云SK1；所述骨架点云SK1是通过曲率骨架提取方法从所述源点云S中获取的；2确定源骨架点云SK1中的骨架点和源点云S中的对应点数量，计算SK1中的每个骨架点到源点云S中所有点的欧氏距离，记为r，即ri表示第i个骨架点到源点云中所有点的欧氏距离；3定义所有骨架点的最小欧氏距离为rmin＝min{r1,r2,...,rN}，其中N为源骨架点云中骨架点的数量，则每个骨架点对应的源点云S中对应点的数量Ni定义为： 其中，ρi定义为rirmin；4对于源点云S中的第i个点Si，按照其到骨架点的欧氏距离的大小，保留距离最小的2个骨架点，及其对应的骨架点的坐标以及序号信息；接着计算点Si的法向量ni，并根据以下公式计算每个点所对应的骨架点：IND＝argminj||Lij+Nij||,j∈SK1其中，Lij为点Si到第j个骨架点的距离，Nij为第j个骨架点到法向量ni的距离；从而建立骨架点云SK1中每个骨架点和源点云S之间的对应关系；所述目标点云T和目标骨架点云SK2间的第二对应关系的建立方法同上；S3：对源骨架点云SK1进行关键点提取，得到关键点集Node；以关键点集Node中的每个关键点作为一个区域的标记，对源骨架点云SK1进行区域划分；进而得到源骨架点云SK1中每个骨架点所属的区域索引信息I；所述关键点集Node的生成方法如下：1统计源骨架点云SK1中的点数量N，并将源骨架点云SK1中的关键点数量设置为n；2将源骨架点云SK1中的第一个骨架点作为根节点，分别计算该点到其nk个最近邻点的欧式距离，其中对欧氏距离求和后，计算平均值作为下一个关键点的距离r；3对源骨架点云SK1进行遍历，将距离当前关键点的欧氏距离大于r的第一个点设置为下一个关键点；不断选择下一个关键点，直到骨架点云中所有的点遍历完成，得到关键点集Node；S4：使用图匹配算法，对所述关键点集Node和目标骨架点云SK2中的点进行匹配，得到二者之间的第三对应关系；所述关键点集Node和目标骨架点云SK2间的第三对应关系的计算方法如下：1分别建立关键点集Node的邻接矩阵A1和目标骨架点云SK2的邻接矩阵A2；其中，邻接矩阵A1中，A1i,j表示关键点集Node中的第i个点和第j个点之间的连通性，若两个点相连接，则A1i,j＝1，否则A1i,j＝0；邻接矩阵A2的建立方法同上；2根据得到的邻接矩阵，分别计算Node和SK2中每个点的度H，H的值表征与该点相连接的点的数量；Node和SK2中每个点的度H分别记为H1和H2；3根据所述关键点集Node和目标骨架点云SK2中的点数量，确定对应关系矩阵M的大小：当关键点集Node和SK2分别有P和Q个点，且初始化为Node中所有点和SK2中所有点都有对应关系时，则建立的对应关系矩阵M的大小为P*Q×P*Q，对应关系矩阵M主对角线元素表示每个对应关系中两个顶点的相似性，定义为：Ui,j＝exp-Ci,jσ；其中，Ci,j＝‖H1i-H2j‖，表示Node中第i个顶点和SK2中第j个顶点之间度的差距；σ为一个超参数，取值为0.5；4根据得到的对应关系矩阵M，建立一个长度为P*Q的一维向量x来表示最终的正确对应关系，一维向量x中，xt＝1表示第t组对应关系是正确的，反之，xt＝0则表示第t组对应关系不是正确的；矩阵M的非对角线元素描述两组对应关系之间的相似度，定义为：Ui,j,k,l＝exp-dgi,j,k,l+dui,j,k,lσ；其中，dgi,j,k,l＝‖gi,j-gk,l‖，dui,j,k,l＝‖Ci,j-Ck,l‖，上式中，gi,j表示第i个顶点和第j个顶点的测地距离，k,l分别表示第k个顶点和第l个顶点；Ci,j与之前定义相同，超参数σ取值为0.5；5对所述对应关系矩阵M进行奇异值分解，得到对应关系矩阵M的最大特征值对应的特征向量，特征向量中的值作为每组对应关系正确的置信度f，对特征向量中的值进行排序，将排序后的特征向量记为v，置信度f的计算公式如下： 其中，vi表示排序后的特征向量中的第i个元素；找到v中第一个置信度f1的元素，假设为第i个，如果一组对应点属于局部坐标系中同一区域，则将前i-1个置信度较大的对应点作为正确的对应关系；6针对建立的一维向量x，如果得到的对应点在局部坐标系的相同部分，则更新矩阵M中的元素，迭代执行步骤5，直到目标骨架点云SK2上的所有点都在关键点集Node上找到对应的点；然后将最终的一维向量x转换成矩阵形式，保存最终的对应关系即为所需的第三对应关系；S5：根据所述第三对应关系，将所述源骨架点云SK1中每个骨架点所属的区域索引信息I映射到所述目标骨架点云SK2中的对应点上；使得SK1和SK2具有相同的骨架区域划分；进而将目标点云T中的每个点根据其与目标骨架点云SK2间第二对应关系划分到各自所属的区域中，完成最终的区域对应。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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”。