本发明涉及数据处理的，尤其涉及一种基于混合跳蛙优化的点云配准方法。
背景技术：
1、一种基于混合跳蛙优化的点云分步配准方法，有效的完成点云配准任务，该方法可应用于遥感遥测、军事科学、医学影像、交通监控等领域中。
2、点云配准：广泛应用于目标识别、三维重建、即时图像定位(slam)等领域。是一项通过多视角局部点云向同一坐标系转换，最终得到完整点云数据模型。关键是如何让得到坐标变换的参数r(旋转矩阵)和t(平移向量)，使得两视角下测得的三维数据经坐标变换后的距离最小。
3、迭代最小误差的配准方法中经典的配准算法是icp(iterative closest point)算法。besl和mckay(参考：besl p j,mckay h d.a method for registration of3-dshapes[j].ieee transactions on pattern analysis&machine intelligence,1992,14(2):239-256.)在1992年提出了icp算法，该算法遍历并寻找两片点云之间距离最近的点，并将其称为对应点对，寻找对应点的空间距离，使距离最小从而让目标函数收敛从而求出刚性矩阵，直到匹配误差小于阈值或者已经到了最大循环次数，但该方法对目标点云的一开始的空间位置有较大的约束，目标点云与源点云的重叠度必须达到一定比例，达到大致重合时才能获得较好的匹配效果，否则该方法会在局部收敛而忽略整体的匹配效果，导致最终的配准效果不理想，并且icp算法也存在着计算成本大、计算复杂度较高的缺陷。2017年陈学伟等针对传统点云配准方法收敛速度不理想的弊端提出一种基于fpfh特征描述符的点云配准算法，通过计算特征描述符寻找点云特征点进行粗略对齐，之后采用k-d tree加速icp算法完成点云精细配准，该算法保持了较高的匹配精度以及收敛速度(参考：陈学伟,万韬阮,王祖全.基于fpfh特征的点云配准技术[j].电脑知识与技术,2017,13(4):207-209..)。
4、上述基于icp算法虽然配准速度快，但是很容易陷入局部最优解，导致配准精度低，消耗时间巨大，大大浪费了人力与物力。
技术实现思路
1、针对上述问题，本发明的目的是提供一种高精度的点云配准方法。
2、为实现上述目的，本发明采用的技术路线是：
3、一种基于混合跳蛙优化的点云配准方法，用于实现点云数据配准，所述的一种基于混合跳蛙优化的点云配准方法包含以下步骤：
4、s1：预处理：对原始点云使用预处理操作，其目的是降低原始点云的存储，加快点云数据处理的速度；
5、s2：粗配准：采用基于pca(principal component analysis)的方法，对待配准点云进行初始对齐，将两个待配准点云大致对齐到一起；
6、s3：精确配准：采用基于混合蛙跳优化的最近点迭代算法，避免传统算法陷入局部最优，来实现精确配准。
7、所述步骤s1中预处理包含以下步骤:
8、步骤1.1：对待处理的点云进行下采样操作用于减少原始点云的规模，得到待粗配准的点云。
9、所述步骤s2中pca法含以下步骤:
10、步骤2.1：首先对两组点云的原始特征矩阵进行归一化处理；
11、步骤2.2：计算两组点云归一化后的特征矩阵的协方差矩阵对应的特征值与特征向量；
12、步骤2.3：通过计算的特征向量计算出旋转矩阵与平移矩阵；
13、步骤2.4：将两个点云按照两个对应点关系进行刚性变换，计算源点云和经过变换矩阵变换后的目标点云中，完成点云粗配准。
14、所述步骤2.1中，首先假设两点云分别为p与x，其点云数目为n、m，计算两组点云中心坐标，再将点云数据坐标与中心坐标做差，完成归一化处理。其计算中心坐标方法为：
15、
16、
17、其中所述步骤2.1中两组点云的中心坐标。
18、所述步骤2.2中，计算两组点云对应的协方差矩阵与对应的特征向量，其公式为：
19、
20、
21、
22、
23、其中cp、cx为所述步骤2.2中两组点云的协方差矩阵，up、ux为相对应的特征向量。
24、所述步骤2.3中，通过上述计算的特征向量计算平移矩阵与旋转矩阵，其公式为：
25、
26、
27、其中r0、t0为所述步骤2.3中点云的旋转矩阵与平移矩阵。
28、所述步骤s3中精确配准包含以下步骤:
29、步骤3.1：在目标点云的解空间中随机散布多个跳蛙个体，构成初始种群；
30、步骤3.2：计算每只跳蛙的适应值，将其排序，选出最优适应值并且将种群划分各个因模组；
31、步骤3.3：选出每个因模组最优适应值，计算局部更新位置与最差适应值跳蛙位置；
32、步骤3.4：通过多次迭代判断是否达到收敛条件或者达到最大迭代次数，从而寻找到目标函数的最优值。
33、所述步骤3.3中，计算更新位置与最差适应值的方法为：
34、d＝r(fb-fw) (9)
35、fw＝fw+d (10)
36、其中，r是为0～1之间的随机数，d为跳蛙移动的距离，fw为最差适应值跳蛙位置。
37、由于上述技术方案运用，本发明与现有技术相比具有下列优点：本发明能够快速、精准的实现点云配准，在保证精度的前提下，防止配准陷入局部最优。
1.一种基于混合蛙跳优化的点云配准方法，其特征在于，包含以下步骤：
2.根据权利要求1所述所述基于混合蛙跳优化的点云配准方法，其特征在于，步骤s1中预处理包含以下步骤:
3.根据权利要求2所述所述基于混合跳蛙优化的点云分步方法，其特征在于，所述步骤1.1中采用最远点下采样法对点云进行下采样处理。
4.根据权利要求1所述所述基于混合跳蛙优化的点云分步配准方法，其特征在于，所述步骤s2中pca法含以下步骤:
5.根据权利要求4所述所述基于混合跳蛙优化的点云配准方法，其特征在于，所述步骤2.1中，首先假设两点云分别为p与x，其点云数目为n、m，计算两组点云中心坐标，再将点云数据坐标与中心坐标做差，完成归一化处理，其计算中心坐标方法为：
6.根据权利要求4所述所述基于萤火虫优化的点云分步配准方法，其特征在于，所述步骤2.2中，计算两组点云对应的协方差矩阵与对应的特征向量，其公式为：
7.根据权利要求4所述所述基于萤火虫优化的点云分步配准方法，其特征在于，所述步骤2.3中，通过上述计算的特征向量计算平移矩阵与旋转矩阵，其公式为：
8.根据权利要求1所述所述基于萤火虫优化的点云分步配准方法，其特征在于，所述步骤s3中精确配准包含以下步骤:
9.根据权利要求8所述所述基于混合跳蛙优化的点云配准方法，其特征在于，所述步骤3.3中，计算更新位置与最差适应值的方法为：