一种基于深度学习的三维点云自动化纠偏方法和系统

本发明公开了一种基于深度学习的三维点云自动化纠偏方法和系统。通过轨迹匹配算法对同一物理世界中不同时刻采集的两份三维点云数据逐一进行轨迹匹配，得到多对点云数据集；将每对点云数据集中的数据进行二维转换，得到多对点云投影图；使用深度学习的自监督网络对每对点云投影图进行特征点的匹配，得到多对同名点；根据每对同名点中两个特征点的线性关系从同名点中挑选出基准点；根据上述基准点计算纠偏矩阵；利用所述纠偏矩阵对所述同一物理世界中不同时刻采集的三维点云信息进行纠偏。本发明能够自动识别特征点、特征点匹配、利用数据特性因素进行关键点匹配对算法评价和输出数据纠偏矩阵，降低了采集成本和人工交互纠偏成本。