基于局部ICP的室内稀疏点云场景的配准方法技术

本发明专利技术公开了一种基于局部ICP的室内稀疏点云场景的配准方法，包括步骤：1)使用Kincet每隔设定的角度获取一帧点云数据，共获取若干帧；2)对获取的点云进行下采样操作；3)根据用户输入的角度进行粗配准；4)通过获取最近点或者用户交互框选的方式获取两帧间重复的部分；5)对重复的部分使用ICP算法进行配准，并得到变换矩阵；6)使用局部ICP获得的变换矩阵对整个场景进行变换；7)使用贪婪投影法将融合后的点云场景网格化并用拉普拉斯平滑网格。本发明专利技术方法挑选出了两帧重合度不高的点云场景中的少量重合部分，并对该少量重合部分进行局部ICP的配准，用以指导整个大场景的配准，具有采集数据量小和配准准确率较高的优点。

【技术实现步骤摘要】
基于局部ICP的室内稀疏点云场景的配准方法
本专利技术涉及计算机图形学和三维点云配准领域，尤其是指一种基于局部ICP的室内稀疏点云场景的配准方法。
技术介绍
三维场景建模一直是计算机图形学和计算机视觉的一个重要研究领域。近几年来，随着一些成熟的三维深度扫描设备(以下也称RGB-D扫描设备)的上市，如微软发布的Kinect，使得室内场景的建模越来越受关注。得益于低成本的RGB-D扫描设备的发展，过去几年，三维数字模型有着较大发展。然而，目前大多数的研究都集中在把RGB-D扫描设备用在单个模型的重构上。然而，室内场景的三维建模仍然是一个具有挑战性的问题。这主要是由两方面的原因引起的：第一，不同于户外建筑立面和普通的单个模型，室内物体往往有更复杂的3D几何形状，不同部分之间存在着杂乱的环境和大量的变化；第二，无论是专业的三维扫描仪还是普通的RGB-D扫描设备获得的深度信息往往带有很大的噪音，可能会失真，与现实的几何信息存在较大的差距。目前室内场景配准的方法可以分成两类：稀疏映射和稠密映射。稀疏映射就是指稀疏地选择一些关键帧来用于重建，这样可以迅速提供目标场景的粗略结构；而稠密映射，则使用全部RGB-D数据流，只要有足够的可用数据就可以进行相关细节的重建。由于低成本扫描设备获得的深度图像的质量较差，最稀疏的映射系统主要依靠在RGB图像中检测到的显著特征(例如SIFT、SURF、ORB)来找到互相对应的点。然而作为现实世界的室内场景通常包含着大量纹理不明显的区域，如墙壁，或重复的图案纹理，如瓷砖地板，采用目前已有的算法仍然很容易产生错误的匹配对应点。相反，在稠密的深度信息流的帮助下，帧与帧的ICP配准算法可以为推断相机位姿提供更强的线索。因此，稠密映射R目前更加适合用来处理廉价的RGB-D扫描设备获取的数据，并能提供较为鲁棒的自动化重建的解决方案。然而，这个方案，只能处理像普通模型这样数据量并不大的模型重建，对于室内场景来说，需要采集的数据非常大，使用稠密帧映射的方法，不仅低效，而且容易出现误差累积的情况。然而经过我们研究发现，通过少量的交互进行引导，并使用局部ICP的配准方法可以有效解决以上问题。首先我们使用的方法属于稀疏映射范畴，因此避免了稠密映射中数据量过于庞大，且容易累积误差的问题。同时我们对于重复率较低的两帧点云进入了少量的交互操作，从而较为精确地找出两帧点云间重复的部分，对小区域的重复部分进行ICP配准操作，并以配准的结果指导整个场景的配准。从而得到较为高效且精准的配准效果。
技术实现思路
本专利技术的目的在于克服现有技术的缺点和不足，提供一种行之有效、科学合理的基于局部ICP的室内稀疏点云场景的配准方法。为实现上述目的，本专利技术所提供的技术方案为：基于局部ICP的室内稀疏点云场景的配准方法，包括以下步骤：1)使用Kincet每隔一定的角度获取一帧点云场景，共获取若干帧；2)对获取的点云场景进行下采样操作；3)根据用户输入的角度进行粗配准；4)通过最近点法或者用户交互框选的方法获取连续两帧点云场景重合的部分；5)对提取出的点云场景重合的部分使用ICP算法进行配准，并得到变换矩阵；6)使用通过局部ICP算法获得的变换矩阵对整个点云场景进行变换；7)使用贪婪投影法将融合后的点云场景网格化并用拉普拉斯算法平滑网格；在步骤1)中，用户使用Kinect每隔一定的角度拍摄一次(每次拍摄旋转的角度尽量相似，但无需完全相同，但需要保证连续拍摄的两帧点云场景有一定的重合度)，获取到RGB图像以及深度图像，通过RGB图像和深度图像合成点云场景，经过若干次的拍摄后得到若干帧点云场景。在步骤2)中，使用voxelgrid算法对点云场景进行下采样，该算法的核心为将整个点云场景分割若干个小的立方体，以该立方体的重心点代替立方体中的所有点，得到下采样后的点云场景，从而达到下采样的目的。在步骤3)中，由用户输入大致的旋转角度(无需精确，大概即可)，将步骤2)中下采样后的点云场景旋转相对应的角度，获取粗配准结果。在步骤4)中，获取两帧间的重复部分，是指经过步骤3)的粗配准后，两帧的点云场景中存在一些重复的部分，我们可以使用获取最近点法以及用户框选的方法获取这些重复的部分，为后续的精细配准做指导。其中，获取最近点法适用于两帧点云的重复部分为平面或者近似平面的曲面(如墙壁)，其算法步骤如下：4.1a)输入连续的两帧经过步骤3)粗配准过后的点云场景，并分别对两帧点云场景建立各自的KD树；4.2a)使用KD树分别对两帧点云场景中的每一个点求在另一个点云场景中的最近点，获得两片新的点云，这两片新的点云是两帧点云场景的子集，同时可以代表两帧点云场景的重合部分；由于两帧点云场景的重合部分为平面，也就意味着这两片新点云是同一个平面，所以只要能够拟合这两篇新点云，即可获取两帧场景间的变换关系；而用户框选的方法主要适用于两帧点云之间存在着一些重复的物体(如电风扇、电脑等)。由于两帧点云的重合部分未必都是同一个平面，有可能会出现相对复杂的情况(如重合部分含有家具等)，此时我们引入交互的方式精确地定位重合的部分。其方法步骤如下：4.1b)输入连续的两帧经过步骤3)粗配准过后的点云场景，并对两帧点云场景中的每一个点计算它的K近邻；4.2b)根据步骤4.1b)中计算出来的K近邻结果，为两帧点云场景分别构建其S-T图；4.3b)用户手动地在两帧点云场景中框选出重复出现的物体，根据用户框选的结果计算出分割的中心和分割半径；4.4b)计算S-T图中各边的权值，其中，连接图中的普通节点到普通节点的边的权值为：W1＝(c*e^-((d1/s)^2))^2式中，c为常数值，本方法一般设为5，e为自然指数，d1为S-T图中两个节点所代表的点云场景中的两个点之间的欧氏距离，s为点云场景的密度；源节点到普通节点的边的权值为：W2＝0.8普通节点到汇节点的边的权值为：W3＝d2/R式中，d2为S‐T图中每个节点代表的点云场景中的点到步骤4.3b)中计算得到的分割中心点的欧氏距离，R为步骤4.3b)中计算得到的分割半径；4.5b)对经过步骤4.4b)中计算过各边的距离的S‐T图，用最大流最小割的方式进行图分割，即可将用户框选的物体分割出来，该物体可代表两帧点云场景的重合部分；而在后续的步骤中，只需要拟合这两个相同的物体，即可获取两帧场景间的变换关系。由于分割的结果排除了桌面地面等干扰，所以能有效地提高后续配准的准确率。在步骤5)中，对步骤4)中获取到的重合部分的点云使用ICP算法进行配准拟合，获取其变换矩阵。在步骤6)中，使用步骤5)中获得的变换矩阵对整个场景进行变换，并进行拼接，得到融合后的点云场景。由于连续两帧的重合度不高，所以只要能对重合的小部分进行较好的配准拟合，即可指导整个场景的配准。在步骤7)中，对步骤6)得到融合后的点云使用贪婪投影法进行网格化，得到一个完整的网格化场景。由于我们针对的是稀疏的点云场景，与稠密映射重构出来的场景相比，点的数量较少，重构为网格之后会出现噪声较大的情况，因此需要进行平滑操作，从而获得一个效果更好的网格化场景。本专利技术与现有技术相比，具有如下优点与有益效果：1、与现有的稀疏映射的方法相比，本专利技术的配准准确率较好。针对由于现实世界的室内场景通常包本文档来自技高网...

【技术保护点】
基于局部ICP的室内稀疏点云场景的配准方法，其特征在于：首先，用户使用Kinect每隔设定的角度扫描获得若干帧点云场景，经下采样后，根据用户提供的旋转角进行粗配准，然后使用最近点法或用户框选交互的方式获取连续两帧点云场景之间的重合部分，而后使用局部ICP算法进行配准融合，最后使用贪婪投影法将融合后的点云场景网格化并使用拉普拉斯算法平滑网格场景得到最终结果；其包括以下步骤：1)使用Kincet每隔设定的角度获取一帧点云场景，共获取若干帧；2)对获取的点云场景进行下采样操作；3)根据用户输入的旋转角度进行粗配准；4)通过最近点法或者用户交互框选的方法获取连续两帧点云场景重合的部分；5)对提取出的点云场景重合的部分使用ICP算法进行配准，并得到变换矩阵；6)使用通过局部ICP算法获得的变换矩阵对整个点云场景进行变换；7)使用贪婪投影法将融合后的点云场景网格化并用拉普拉斯算法平滑网格。

【技术特征摘要】
1.基于局部ICP的室内稀疏点云场景的配准方法，其特征在于：首先，用户使用Kinect每隔设定的角度扫描获得若干帧点云场景，经下采样后，根据用户提供的旋转角进行粗配准，然后使用最近点法或用户框选交互的方式获取连续两帧点云场景之间的重合部分，而后使用局部ICP算法进行配准融合，最后使用贪婪投影法将融合后的点云场景网格化并使用拉普拉斯算法平滑网格场景得到最终结果；其包括以下步骤：1)使用Kincet每隔设定的角度获取一帧点云场景，共获取若干帧；2)对获取的点云场景进行下采样操作；3)根据用户输入的旋转角度进行粗配准；4)通过最近点法或者用户交互框选的方法获取连续两帧点云场景重合的部分；5)对提取出的点云场景重合的部分使用ICP算法进行配准，并得到变换矩阵；6)使用通过局部ICP算法获得的变换矩阵对整个点云场景进行变换；7)使用贪婪投影法将融合后的点云场景网格化并用拉普拉斯算法平滑网格。2.根据权利要求1所述的基于局部ICP的室内稀疏点云场景的配准方法，其特征在于：在步骤1)中，用户使用Kinect每隔设定的角度拍摄一次，每次拍摄旋转的角度无需完全相同，但需要保证连续拍摄的两帧点云场景的重合度在设定范围内，获取到RGB图像以及深度图像，通过RGB图像和深度图像合成点云场景，经过若干次的拍摄后得到若干帧点云场景。3.根据权利要求1所述的基于局部ICP的室内稀疏点云场景的配准方法，其特征在于：在步骤2)中，使用voxelgrid算法对点云场景进行下采样，该算法的核心为将整个点云场景分割若干个小的立方体，以该立方体的重心点代替立方体中的所有点，得到下采样后的点云场景。4.根据权利要求1所述的基于局部ICP的室内稀疏点云场景的配准方法，其特征在于：在步骤3)中，由用户输入旋转角度，将步骤2)中下采样后的点云场景旋转相对应的角度，获取粗配准结果。5.根据权利要求1所述的基于局部ICP的室内稀疏点云场景的配准方法，其特征在于：在步骤4)中，获取两帧点云场景间的重合部分，是指经过步骤3)的粗配准后，两帧的点云场景间存在一些重合的部分，根据不同的情况使用最近点法或者用户框选交互的方法获取这些重合的部分；其中，最近点法适用于两帧点云场景的重合部分为平面或者近似平...

【专利技术属性】
技术研发人员：黎子聪，冼楚华，丁业凯，郭晓琦，刘欣，颜鸿辉，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44