本技术属于视觉测量领域，更具体地，涉及一种基于二次聚类的水下点云匹配方法、装置和电子设备。
背景技术：
1、受到水流扰动、光线散射和介质折射等因素影响，水下环境采集的点云具有测量噪声较大，测量精度较低等劣势，这为点云的准确配准带来了困难。现有方法多依赖稠密、高精度的测量点云进行配准，这类方法无法适应稀疏、测量噪声大的水下场景，往往造成点云匹配精度较差甚至出现错误等问题，导致水下点云匹配的鲁棒性和精度较低。
技术实现思路
1、针对现有技术的缺陷，本技术的目的在于提供一种基于二次聚类的水下点云匹配方法、装置和电子设备，旨在解决现有技术的水下点云匹配方式由于无法适应稀疏、测量噪声大的水下场景导致的鲁棒性和精度较低的问题。
2、为实现上述目的，本技术提供了一种基于二次聚类的水下点云匹配方法，包括：
3、获取水下目标场景的两幅相邻的水下原始测量点云，分别记为目标点云和场景点云；
4、对所述目标点云和所述场景点云进行降噪处理，筛除所述目标点云的离群点噪声和所述场景点云的离群点噪声；
5、基于所述目标点云中点对的点云间距、法线角度和表面曲率，构建所述目标点云中点对的特征描述子，并将所述特征描述子离散化存储在哈希表中；
6、构建所述场景点云的点对特征集合，并基于所述点对特征集合在所述哈希表中搜索目标点云的对应点对，计算场景点云坐标系到目标点云坐标系的位姿变换关系，获得初步候选位姿；
7、基于密度聚类算法对所述初步候选位姿进行二次聚类，采用位姿聚类约束准则筛除不合格位姿，并获取剩余位姿的平均点距误差，将平均点距误差最小的位姿作为最佳初步候选位姿；
8、基于点云精匹配误差函数对所述最佳初步候选位姿进行位姿优化，获取优化后的点云配准位姿变换矩阵，以完成点云匹配。
9、根据本发明提供的基于二次聚类的水下点云匹配方法，所述基于密度聚类算法对所述初步候选位姿进行二次聚类，采用位姿聚类约束准则筛除不合格位姿，并获取剩余位姿的平均点距误差，将平均点距误差最小的位姿作为最佳初步候选位姿，包括:
10、基于密度聚类算法对所述初步候选位姿进行位姿一次聚类；
11、对不符合的位姿聚类约束准则聚类结果进行筛除；
12、基于密度聚类算法进行位姿二次聚类；
13、获取剩余位姿的平均点距误差，将平均点距误差最小的位姿作为最佳初步候选位姿。
14、根据本发明提供的基于二次聚类的水下点云匹配方法，所述位姿聚类约束准则包括以下一项或多项：
15、在位姿聚类簇中，场景点云参考点对应的目标点云参考点数量应大于预设阈值；
16、在场景点云中能够查找到目标点云的匹配点，且在目标点云中能够查找场景点云的相同匹配点。
17、根据本发明提供的基于二次聚类的水下点云匹配方法，所述构建所述场景点云的点对特征集合，并基于所述点对特征集合在所述哈希表中搜索目标点云的对应点对，计算场景点云坐标系到目标点云坐标系的位姿变换关系，获得初步候选位姿，包括：
18、构建所述场景点云的点对特征集合，并基于所述点对特征集合在所述哈希表中搜索目标点云的对应点对，建立场景点云到目标点云的特征映射关系；
19、基于所述特征映射关系，计算场景点云坐标系到目标点云坐标系的位姿变换关系，获得初步候选位姿。
20、根据本发明提供的基于二次聚类的水下点云匹配方法，所述基于点云精匹配误差函数对所述最佳初步候选位姿进行位姿优化，获取优化后的点云配准位姿变换矩阵，包括：
21、确定目标点云和场景点云的重叠区域；
22、在所述重叠区域中，根据点云间距误差和对应点集合误差构建点云精匹配误差函数，采用拉格朗日乘数法迭代求解获得优化后的点云配准位姿变换矩阵。
23、根据本发明提供的基于二次聚类的水下点云匹配方法，所述对所述目标点云和所述场景点云进行降噪处理，筛除所述目标点云的离群点噪声和所述场景点云的离群点噪声，包括:
24、基于统计学滤波方法对所述目标点云和所述场景点云进行降噪处理，筛除所述目标点云的离群点噪声和所述场景点云的离群点噪声。
25、第二方面，本技术提供一种基于二次聚类的水下点云匹配装置，包括：
26、获取模块，用于获取水下目标场景的两幅相邻的水下原始测量点云，分别记为目标点云和场景点云；
27、筛除模块，用于对所述目标点云和所述场景点云进行降噪处理，筛除所述目标点云的离群点噪声和所述场景点云的离群点噪声；
28、构建模块，用于基于所述目标点云中点对的点云间距、法线角度和表面曲率，构建所述目标点云中点对的特征描述子，并将所述特征描述子离散化存储在哈希表中；
29、计算模块，用于构建所述场景点云的点对特征集合，并基于所述点对特征集合在所述哈希表中搜索目标点云的对应点对，计算场景点云坐标系到目标点云坐标系的位姿变换关系，获得初步候选位姿；
30、聚类模块，用于基于密度聚类算法对所述初步候选位姿进行二次聚类，采用位姿聚类约束准则筛除不合格位姿，并获取剩余位姿的平均点距误差，将平均点距误差最小的位姿作为最佳初步候选位姿；
31、匹配模块，用于基于点云精匹配误差函数对所述最佳初步候选位姿进行位姿优化，获取优化后的点云配准位姿变换矩阵，以完成点云匹配。
32、第三方面，本技术提供一种电子设备，包括：至少一个存储器，用于存储程序；至少一个处理器，用于执行存储器存储的程序，当存储器存储的程序被执行时，处理器用于执行第一方面或第一方面的任一种可能的实现方式所描述的基于二次聚类的水下点云匹配方法。
33、第四方面，本技术提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，当计算机程序在处理器上运行时，使得处理器执行第一方面或第一方面的任一种可能的实现方式所描述的基于二次聚类的水下点云匹配方法。
34、第五方面，本技术提供一种计算机程序产品，当计算机程序产品在处理器上运行时，使得处理器执行第一方面或第一方面的任一种可能的实现方式所描述的基于二次聚类的水下点云匹配方法。
35、可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
36、总体而言，通过本技术所构思的以上技术方案与现有技术相比，具有以下有益效果：
37、(1)通过采用密度聚类算法进行点云变换位姿的二次聚类，根据位姿聚类约束准则，筛除了位姿变换误差较大的位姿聚类候选点，避免了点云噪声对匹配的影响，提高了点云匹配结果的精度，保证了算法的鲁棒性。
38、(2)通过构建一种包含点云间距、法线角度和表面曲率的点云特征描述子，多模态特征融合充分利用了点云的空间几何特征和邻域信息，可以提高点云匹配结果的准确性和稳定性。
39、(3)通过构建包含点云间距误差和对应点集合误差的点云匹配误差函数，考虑对应点误差有效避免了目标函数陷入局部收敛，计算效率高且适用范围广。
1.一种基于二次聚类的水下点云匹配方法，其特征在于，包括：
2.根据权利要求1所述的基于二次聚类的水下点云匹配方法，其特征在于，所述基于密度聚类算法对所述初步候选位姿进行二次聚类，采用位姿聚类约束准则筛除不合格位姿，并获取剩余位姿的平均点距误差，将平均点距误差最小的位姿作为最佳初步候选位姿，包括:
3.根据权利要求1或2所述的基于二次聚类的水下点云匹配方法，其特征在于，所述位姿聚类约束准则包括以下一项或多项：
4.根据权利要求1所述的基于二次聚类的水下点云匹配方法，其特征在于，所述构建所述场景点云的点对特征集合，并基于所述点对特征集合在所述哈希表中搜索目标点云的对应点对，计算场景点云坐标系到目标点云坐标系的位姿变换关系，获得初步候选位姿，包括：
5.根据权利要求1所述的基于二次聚类的水下点云匹配方法，其特征在于，所述基于点云精匹配误差函数对所述最佳初步候选位姿进行位姿优化，获取优化后的点云配准位姿变换矩阵，包括：
6.根据权利要求1所述的基于二次聚类的水下点云匹配方法，其特征在于，所述对所述目标点云和所述场景点云进行降噪处理，筛除所述目标点云的离群点噪声和所述场景点云的离群点噪声，包括:
7.一种基于二次聚类的水下点云匹配装置，其特征在于，包括：
8.一种电子设备，其特征在于，包括：
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，当所述计算机程序在处理器上运行时，使得所述处理器执行如权利要求1-6任一所述的基于二次聚类的水下点云匹配方法。
10.一种计算机程序产品，其特征在于，当所述计算机程序产品在处理器上运行时，使得所述处理器执行如权利要求1-6任一所述的基于二次聚类的水下点云匹配方法。
