一种基于扩展高斯图像的点云配准方法技术

一种基于扩展高斯图像的点云配准方法，本发明专利技术涉及图像的点云配准方法。本发明专利技术的目的是为了解决现有点云配准领域常用的粗配准算法SAC‑IA算法开销过大，基于EGI算法将高斯球等分为多面体或经纬度，花费时间较长，以及基于EGI算法计算旋转矩阵时直接在可行域内搜索最优解，难以平衡效率和精度的双重要求的问题。过程为：将法线在各自本体坐标系下的坐标集合记为N

【技术实现步骤摘要】
一种基于扩展高斯图像的点云配准方法
本专利技术属于计算机图形学和机械加工技术的交叉领域，具体涉及图像的点云配准方法。
技术介绍
工件加工过程中常常先使用铸造进行毛胚制造，之后利用车削、磨削等减材加工方式将零件加工成最终形状。这个过程中需要对铸件情况进行检测，确定余量的分布，之后进一步优化余量的分布，便于下一步切削加工。激光扫描仪因其便于表面点云数据迅速，时间成本低，精度较高的特性，较之人工更适于对铸件的检测。在扫描仪获取到组件的点云数据之后，使用点云配准算法，将该点云与CAD软件中设计的模型进行配准和对比，这种方法能够高效率的、可靠的分析之后机械加工的余量。点云配准领域针对于各种不同情景及不同外形的点云配准做了很多相关研究。点云配准领域常用的粗配准算法SAC-IA，通过迭代的方式，最小化目标点云及模型点云之间的距离，完成配准。该算法开销过大。有文献提到使用ExtendedGaussianImages(EGI)估计旋转矩阵联合使用ICP算法完成配准的一类算法，将高斯球等分为多面体或经纬度，每个面面积相同，然而得到多面体的每一个棱角的具体坐标较为困难，同时当法线数量较为庞大时，需要逐个面判断计算每一个法线是否指向该面，花费时间较长。计算旋转矩阵时直接在可行域内搜索最优解，难以平衡效率和精度的双重要求。EGI为扩展高斯图像；
技术实现思路
本专利技术的目的是为了解决现有点云配准领域常用的粗配准算法SAC-IA算法开销过大，基于EGI算法将高斯球等分为多面体或经纬度，花费时间较长，以及基于EGI算法计算旋转矩阵时直接在可行域内搜索最优解，难以平衡效率和精度的双重要求的问题，而提出一种基于扩展高斯图像的点云配准方法。一种基于扩展高斯图像的点云配准方法具体过程为:步骤一、将模型点云和毛坯点云中的法线在各自本体坐标系下的坐标集合记为NT和NS(得到法线位置)；步骤二、分别对模型点云和毛坯点云生成的高斯扩展图像(EGI)进行网格化分；步骤三、基于步骤二对网格PiT、和网格Pis、进行初步匹配，将初步匹配后的网格PiT、和网格Pis、按照网格内法线数量降序排序，记为P1T″、和P1s″、其中，PiS为中法线数量最多的网格；PiT为中法线数量最多的网格；为中法线数量最多的网格；为中法线数量最多的网格；为毛坯点云生成的高斯扩展图像的第i个基础网格，为模型点云生成的高斯扩展图像的第i个基础网格，为毛坯点云生成的高斯扩展图像的第j个基础网格，为模型点云生成的高斯扩展图像的第j个基础网格；i＝1,2,...,12；j＝i+1,i+2,...,12；i≠j；步骤四、对P1T″、和P1s″、进行修正，得到修正后的P1T′、和P1s′、步骤五、根据修正后的P1T′、和P1s′、计算能使模型点云生成的高斯扩展图像(EGI)和毛坯点云生成的高斯扩展图像(EGI)配准的旋转矩阵；步骤六、基于步骤旋转矩阵，输出iter、Corr和M；M为最终输出的旋转矩阵；Corr为毛坯点云生成的高斯扩展图像和模型点云生成的高斯扩展图像的相关性；iter为迭代次数。本专利技术的有益效果为：提出了针对机械加工场合余量分析中点云配准的算法，在网格化算法、对应点识别、旋转矩阵计算及迭代策略等部分，针对以往基于EGI的点云配准算法的缺点，进行了一定程度的改进。在计算复杂度上显著的低于以往的算法，降低了算法开销。使用激光扫描实现精密加工余量分析的背景下，通过采用HEALPix算法，改变球面的划分方式，构建KDtree确定各面包括的法线，提高划分效率，花费时间较短。进一步细分面片以提高精度，同时采用“动态平均值”的计算方式，防止过细的划分模糊峰值。使用迭代加变异，一方面提高精度，另一方面避免局部最优化，平衡效率和精度的双重要求。基于EGI算法将高斯球等分为多面体或经纬度改为采用HEALPix算法，改变球面的划分方式；EGI算法计算旋转矩阵时直接在可行域内搜索最优解改为提出明确计算公式计算旋转矩阵和迭代策略。本专利技术算法开销大约较SAC-IA算法减少80-85％的计算时间。本专利技术精度以RMS(均方根)计量，约提高一个数量级。附图说明图1为本专利技术流程图；图2为本专利技术通过2HEALPix方法对高斯扩展图像分割成12个网格示意图；图3为本专利技术通过2HEALPix方法对高斯扩展图像分割成48个网格示意图；图4为本专利技术通过2HEALPix方法对高斯扩展图像分割成192个网格示意图；图5为本专利技术通过2HEALPix方法对高斯扩展图像分割成768个网格示意图；图6为风电叶片示意图。具体实施方式具体实施方式一：结合图1说明本实施方式，本实施方式的一种基于扩展高斯图像的点云配准方法具体过程为:步骤一、将模型点云和毛坯点云中的法线在各自本体坐标系下的坐标集合记为NT和NS(得到法线位置)；所述模型点云为理想机械零件模型的点云；毛坯点云为毛坯件的点云(工厂加工出的毛坯件，扫描仪扫描得到的)；步骤二、分别对模型点云和毛坯点云生成的高斯扩展图像(EGI)进行网格化分；步骤三、基于步骤二对网格PiT、和网格Pis、进行初步匹配，将初步匹配后的网格PiT、和网格Pis、按照网格内法线数量降序排序，记为P1T″、和P1s″、其中，PiS为中法线数量最多的网格；PiT为中法线数量最多的网格；为中法线数量最多的网格；为中法线数量最多的网格；为毛坯点云生成的高斯扩展图像的第i个基础网格，为模型点云生成的高斯扩展图像的第i个基础网格，为毛坯点云生成的高斯扩展图像的第j个基础网格，为模型点云生成的高斯扩展图像的第j个基础网格；i＝1,2,...,12；j＝i+1,i+2,...,12；i≠j；步骤四、对P1T″、和P1s″、进行修正，得到修正后的P1T′、和P1s′、步骤五、根据修正后的P1T′、P1s′、计算能使模型点云生成的高斯扩展图像(EGI)和毛坯点云生成的高斯扩展图像(EGI)配准的旋转矩阵；步骤六、基于步骤旋转矩阵，输出iter、Corr和M；M为最终输出的旋转矩阵；Corr为毛坯点云生成的高斯扩展图像和模型点云生成的高斯扩展图像的相关性；iter为迭代次数。具体实施方式二：本实施方式与具体实施方式一不同的是：所述步骤二中分别对模型点云和毛坯点云生成的高斯扩展图像(EGI)进行网格化分，具体过程为：HEALPix(HierarchicalEqualAreaisoLatitudePixelization)最初是应用于宇宙微波背景方面的研究，以支持球面高分辨率的离散化。HEALPix按照分辨率可以分为数级，最低级为12个网格。HEALPix划分球面如图2、3、4、5所示。HEALPix具有以下特征：网格块分层建构，数据便于访问。生成网格块方法简单，运算高效。球面划分成等大小的曲面四边形，每个网格的面积相同。分别将模型点云和毛坯点云生成的高斯扩展图像分成12个基础网格，HEALPix(HEALPixisanacronymforHierarchicalEqualAreaisoLatitudePixelizationofasphere.Assuggestedinthename,thispixelizationproducesasubdivisionofasphericalsurfaceinwhicheachpixe本文档来自技高网...

【技术保护点】
1.一种基于扩展高斯图像的点云配准方法，其特征在于：所述方法具体过程为：步骤一、将模型点云和毛坯点云中的法线在各自本体坐标系下的坐标集合记为NT和NS；步骤二、分别对模型点云和毛坯点云生成的高斯扩展图像进行网格化分；步骤三、基于步骤二对网格Pi

【技术特征摘要】
1.一种基于扩展高斯图像的点云配准方法，其特征在于：所述方法具体过程为：步骤一、将模型点云和毛坯点云中的法线在各自本体坐标系下的坐标集合记为NT和NS；步骤二、分别对模型点云和毛坯点云生成的高斯扩展图像进行网格化分；步骤三、基于步骤二对网格PiT、和网格Pis、进行初步匹配，将初步匹配后的网格PiT、和网格Pis、按照网格内法线数量降序排序，记为P1T″、和P1s″、其中，PiS为中法线数量最多的网格；PiT为中法线数量最多的网格；为中法线数量最多的网格；为中法线数量最多的网格；为毛坯点云生成的高斯扩展图像的第i个基础网格，为模型点云生成的高斯扩展图像的第i个基础网格；为毛坯点云生成的高斯扩展图像的第j个基础网格，为模型点云生成的高斯扩展图像的第j个基础网格；i＝1,2,...,12；j＝i+1,i+2,...,12；i≠j；步骤四、对P1T″、和P1s″、进行修正，得到修正后的P1T′、和P1s′、步骤五、根据修正后的P1T′、P1s′、计算能使模型点云生成的高斯扩展图像和毛坯点云生成的高斯扩展图像配准的旋转矩阵；步骤六、基于旋转矩阵，输出iter、Corr和M；M为最终输出的旋转矩阵；Corr为毛坯点云生成的高斯扩展图像和模型点云生成的高斯扩展图像的相关性；iter为迭代次数。2.根据权利要求1所述一种基于扩展高斯图像的点云配准方法，其特征在于：所述步骤二中分别对模型点云和毛坯点云生成的高斯扩展图像进行网格化分，具体过程为：分别将模型点云和毛坯点云生成的高斯扩展图像分成12个基础网格，HEALPix通过递归的方式逐层的对上一级的每个网格划分为4个，直至达到m个网格，m＝12×4n，n取值为整数；采用kd-tree算法计算每一个网格中的法线数量，存储为向量形式；同时记录法线在各自本体坐标系下的坐标；按照HEALPix的嵌套索引方式，将毛坯点云生成的高斯扩展图像HS和模型点云生成的高斯扩展图像HT根据12个基础网格划分为12个部分，分别为和其中为毛坯点云生成的高斯扩展图像的第1个基础网格，为毛坯点云生成的高斯扩展图像的第i个基础网格，为毛坯点云生成的高斯扩展图像的第12个基础网格；H1T为模型点云生成的高斯扩展图像的第1个基础网格，为模型点云生成的高斯扩展图像的第i个基础网格，为模型点云生成的高斯扩展图像的第12个基础网格。3.根据权利要求1或2所述一种基于扩展高斯图像的点云配准方法，其特征在于：所述步骤三中基于步骤二对网格PiT、和网格Pis、进行初步匹配，将初步匹配后的网格PiT、和网格Pis、按照网格内法线数量降序排序，记为P1T″、和P1s″、具体过程为：步骤三一、遍历和分别找到和中法线数量最多的网格构成和其中PiS为中法线数量最多的网格；PiT为中法线数量最多的网格；步骤三二、对和分别按照法线数量进行降序排序；找到以高斯扩展图像球心为起点指向Pis、和PiT、的向量记为ViS、和ViT、其中为中法线数量最多的网格；为中法线数量最多的网格；以每一个Pis判断其他是否满足如果不满足，舍弃如果满足，保留以每一个PiT判断其他是否满足如果不满足，舍弃如果满足，保留步骤三三、计算出剩余的网格中的任意两个网格之间的距离和为毛坯点云生成的高斯扩展图像的第j个基础网格，为模型点云生成的高斯扩展图像的第j个基础网格；为PS中剩余的网格中的任意两个网格之间的距离；为PT中剩余的网格中的任意两个网格之间的距离；DS为PS中剩余的网格中的任意两个网格之间的距离的集合；DT为PT中剩余的网格中的任意两个网格之间的距离的集合；判断DS和DT中是否有相近的值和若和差异在5％以内，则网格PiT、与网格Pis、初步匹配；将初步匹配后的网格PiT、和网格Pis、按照网格内法线数量降序排序，记为P1T″、和P1s″、4.根据权利要求3所述一种基于扩展高斯图像的点云配准方法，其特征在于：所述步骤四中对P1T″、和P1s″、进行修正，得到修正后的P1T′、和P1s′、具体过程为：将按法线数量降序排序后的P1T″、和P1s″、四个网格中每一个均执行以下步骤：步骤四一、找到离P0最近的n个网格，组成集合{P0,...,Pn}，找到集合{P0,...,Pn...

【专利技术属性】
技术研发人员：杜志江，高永卓，董为，徐威，李明洋，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江,23