三维相机立体匹配方法组成比例

三维相机立体匹配方法，固定两台三维相机；在两台三维相机的公共可视区域上放置参照物；两台三维相机分别采集三维点云数据，根据参照物的颜色对点云数据分别进行滤波处理，获得只包含参照物的三维点云数据，分别称为点云数据集X＝{xi}和点集Y＝{yi}；在两个点云数据集上，分别根据参照物上的六种不同颜色点云获得在各自点云集中的颜色区域的平均位置和两两不同颜色的边界位置按照等间隔采样三个点组成新的点云数据集X′和Y′；根据新点云数据集算出旋转矩阵T0、平移矩阵R0；根据旋转矩阵T0、平移矩阵R0以及参照物的不同颜色区域的点集X＝{xi}和点集Y＝{yi}，计算出精确的旋转矩阵T、平移矩阵R。本发明专利技术极大地减少了需要处理的点云数据量，提高了匹配的速度和匹配精度。

【技术实现步骤摘要】

本专利技术涉及匹配、测试
，尤其涉及面向三维匹配的三维相机立体匹配方法。
技术介绍
三维立体匹配是指模仿人眼的视觉功能，利用两台三维摄像机从不同角度对被测物体拍摄图像，对图像进行分析匹配，并通过三角测量原理计算该物体的三维几何信息的方法。三维立体匹配系统正越来越广泛地运用于逆向工程、质量检测、车辆导引等各大领域。三维立体匹配系统由不同角度拍摄的立体图像获取物体三维几何信息。匹配系统的双摄像机拍摄得到的图像对之间的匹配以及与之紧密相关的三维重构问题是三维立体匹配最重要也是最困难的一步。目前的匹配方法主要是采用ICP算法，直接根据两个待匹配的点云数据集通过迭代逐步进行匹配，在匹配时获得其中一个点云数据集相对于另一个所做的旋转和平移变换。由于待匹配的两个点云数据集公共区域较小，迭代匹配过程受旋转矩阵和平移矩阵初始化值的影响，迭代的收敛性难以保证且迭代次数也很大，再加上非公共区域点云数据集对迭代匹配的影响，匹配精度也不是很高。有文献介绍了一些实用的快速、高精度匹配算法，在迭代之前通过人工处理对点云数据集进行选择，只利用那些人工选择的点云数据进行匹配，从而获得旋转矩阵和平移矩阵。但是人工选择点云数据集毕竟不方便，特别是涉及多摄像机匹配时工作量更大。实际上，在获得三维彩色点云数据后，完全可以采用规则的带颜色物体提供颜色信息，便于计算机自动进行点云数据集的选取，利用该选择后的点云数据集进行匹配，从而获得相对变换矩阵，构建三维立体场景。
技术实现思路
为了解决现有存在的技术问题，本专利技术提供了三维相机立体匹配方法，极大地减少了需要处理的点云数据量，提高了匹配的速度和匹配精度。本专利技术提供了三维相机立体匹配方法，具体包括：S1：固定两台三维相机；S2：在所述两台三维相机的公共可视区域上放置参照物；S3:所述两台三维相机分别采集三维点云数据，根据参照物的颜色对点云数据分别进行滤波处理，获得只包含参照物的三维点云数据，分别称为点云数据集X＝{xi本文档来自技高网...

【技术保护点】
三维相机立体匹配方法，其特征在于，S1：固定两台三维相机；S2：在所述两台三维相机的公共可视区域上放置参照物；S3：所述两台三维相机分别采集三维点云数据，根据参照物的颜色对点云数据分别进行滤波处理，获得只包含参照物的三维点云数据，分别称为点云数据集X＝{xi}和点集Y＝{yi}；S4：在所述两个点云数据集上，分别根据参照物上的六种不同颜色点云获得在各自点云集中的颜色区域的平均位置(共6个点)和两两不同颜色的边界位置按照等间隔采样三个点(共18个点)组成新的点云数据集X′和Y′，各包含24个点,且进行了配对；根据所述新点云数据集算出旋转矩阵T0、平移矩阵R0，具体的，S41:分别计算点云数据集X′和Y′的重心位置：μx→=124Σi=124xi→]]>μy→=124Σi=124yi→]]>S42:利用重心位置和计算两个数据集的互协方差矩阵∑xy：Σxy=124Σi=124[(xi→-μx&RightArrow;)(yi→-μy→)T]=124Σi=124[xi→yi→T]-μx→μy→]]>S43:利用互协方差矩阵∑xy的反对称矩阵构造列矢量Aij＝(∑xy‑∑xyT)ij构造列矢量Δ＝[A23 A31 A12]T,根据这个列矢量得到对称矩阵Q(∑xy)；Q(Σxy)=tr(Σxy)ΔTΔΣxy+ΣxyT-tr(Σxy)I3]]>S44:求解出对称矩阵Q(∑xy)的最大特征值对应的单位特征向量S45:由单位特征向量获得旋转矩阵R0；R0=q02+q12-q22-q322(q1q2-q0q3)2(q1q3+q0q2)2(q1q2+q0q3)q02-q12+q22-q322(q2q3-q0q1)2(q1q3-q0q2)2(q2q3+q0q1)q02-q12-q22+q32]]>S46:由旋转矩阵获得平移矩阵T0T0=μx→-R0μy→=Δq4q5q6.]]>S5：根据所述旋转矩阵T0、平移矩阵R0以及所述参照物的不同颜色区域的点集X＝{xi}和点集Y＝{yi}，计算出精确的旋转矩阵T、平移矩阵R，具体的，S51:精确匹配前，令初始点集为数据集X0＝X′，k＝0；S52:根据当前的采用欧氏距离计算点集Xk与点集Y的最近点集Yk＝C(Pk，Y)，并根据点集Xk与点集Yk计算应用新的配准向量得到采样点Xk的新的匹配点Yk+1，将配对后的点的距离平方和Dk作为精度的评价标准；Dk=1NΣi=1N||(x→-y→)||]]>S53:如果k>kmax或者|Dk‑Dk‑1|k<τ，那么迭代结束，否则k＝k+1，返回第2步。...

【技术特征摘要】
2016.04.29 CN 20161027408471.三维相机立体匹配方法，其特征在于，S1：固定两台三维相机；S2：在所述两...

【专利技术属性】
技术研发人员：谭登峰，田启川，杜响红，凌晨，
申请(专利权)人：北京仁光科技有限公司，
类型：发明
国别省市：北京;11