The invention discloses a fast global optimization registration method for product point cloud data with large amount of data and few features. Aiming at the problems of large amount of data, inaccurate initial position and slow global registration speed in the registration process, a global optimization registration method for key points based on overlapping regions is proposed. The method uses hypervoxel clustering method to block point clouds and according to the centroid of each block. The key points of point cloud in overlapping area are extracted by intrinsic shape characteristic method (ISS) and precise registration is completed by global optimization algorithm. The registration experiment shows that the method can quickly and effectively complete the registration of large data and small feature products, and solve the problem. The initial position problem is solved, which further improves the accuracy and efficiency of registration.
【技术实现步骤摘要】
大数据量、少特征的产品点云数据快速全局优化配准方法
本专利技术属于机器视觉
,特别涉及一种大数据量、少特征的产品点云数据快速全局优化配准方法。
技术介绍
三维点云配准是计算机视觉中的一个热点问题,所谓的点云配准,即给定不同坐标系中的两组点集,或者是相同坐标系下的两个不同姿态的点集,将这两组点集通过旋转、平移转换到同一个坐标系下或是将两组点集重叠在一起。三维点云配准在机器视觉领域应用非常广泛,包括3D建模、对象识别、姿态估计、机器人导航等。点云配准主要分为两类:一是刚体变换的配准,二是非刚体变换的配准,本专利技术针对的是刚体变换的配准。由于数据采集设备的视场限制、物体自身的遮挡现象等原因,单次测量只能采集到物体的部分点云,需要通过不断配准才能获得所需的完整模型,在配准过程中,存在单次测量点云与大部分点云或完整点云(已知CAD模型情况下)的配准问题,这种部分对整体的配准存在数据量大、初值位置偏差大、全局优化配准速度慢的问题。点云配准主要流程一般可以分成两个阶段,点云粗配准和点云精配准。点云粗配准阶段,通常情况下都是通过求解点云或者关键点的局部形状几何信息,比如点与点之间的法向量夹角、点云的曲率、点之间的欧几里得距离、点云深度值等等,然后利用这些信息来构成点云的局部特征描述子,利用局部特征描述子进行配准,因此局部特征描述子在配准中起着关键的作用。一个好的特征描述子应该是具有高度描述性的,以便提供全面、明确的局部几何形状。为了确保精确和高效的点云配准,特征描述子还应该具有计算效率,紧凑性和鲁棒性。目前很多学者提出了许多局部特征描述子,包括快速点特征直方图描述 ...
【技术保护点】
1.一种大数据量、少特征的产品点云数据快速全局优化配准方法,其特征在于,包括:基于超体素聚类算法对滤波后的CAD模型点云进行重叠区域的提取;对每个点云块的质心点提取相对应的FPFH特征描述子,利用这些点云特征描述子进行粗配准;基于ISS算法得到的关键点并结合全局优化算法实现精配准。
【技术特征摘要】
1.一种大数据量、少特征的产品点云数据快速全局优化配准方法,其特征在于,包括:基于超体素聚类算法对滤波后的CAD模型点云进行重叠区域的提取;对每个点云块的质心点提取相对应的FPFH特征描述子,利用这些点云特征描述子进行粗配准;基于ISS算法得到的关键点并结合全局优化算法实现精配准。2.根据权利要求1所述的大数据量、少特征的产品点云数据快速全局优化配准方法,其特征在于,基于超体素聚类算法对滤波后的CAD模型点云进行重叠区域的提取;对每个点云块的质心点提取相对应的FPFH特征描述子,利用这些点云特征描述子进行粗配准,具体包括:A1、基于超体素聚类算法实现点云的重叠区域提取,即对CAD模型点云提取与测量点云大致重叠的区域;包括:基于超体素聚类算法将点云分块,并提取出各分块点云的质心点;求出CAD模型点云质心点及测量点云质心点的主曲率、查询质心点的法向量与查询质心点到其领域点重心连线的夹角,并利用这两个元素作为重叠区域相似性提取判别准则,得到重叠区域对应的质心点,利用质心点索引将重叠区域点云提取出来;将CAD模型重叠区域质心点集和测量点云质心点集加以保存,作为点云粗配准的输入点云;A2、利用质心点集进行粗配准;包括:计算CAD模型重叠区域质心点集和测量点云质心点集的快速点特征FPFH描述子,将其作为点云的点特征;基于FPFH特征描述子建立匹配点对,应用随机采样一致性RANSAC算法去除错误匹配点对;计算对应点对的协方差矩阵并进行奇异值分解SVD,获得初始转换矩阵,完成点云的粗配准。3.根据权利要求2所述的大数据量、少特征的产品点云数据快速全局优化配准方法,其特征在于,所述基于超体素聚类算法实现点云的重叠区域提取,具体包括:A1-1、首先利用超体素聚类算法将测量点云与CAD模型点云进行分块,将种子点均匀分布在点云空间clouddiagonal中,然后对体素的距离即Voxel的分辨率Rvoxel和种子点的分辨率Rseed进行定义,采用AABB包围盒求得点云的最小包围盒,再利用最小包围盒的对角线长的一半作为体素分辨率和种子点分辨率的因子,实现自适应分辨率提取:Rvoxel=0.01×clouddiagonal+0.8(1)Rseed=0.037×clouddiagonal+3.0(2)式(1)为体素分辨率的取值公式,式(2)为种子点分辨率的取值公式;A1-2、对超体素聚类分块后的各点云块提取其质心点...
【专利技术属性】
技术研发人员:林俊义,江开勇,杨梅英,黄常标,刘华,
申请(专利权)人:华侨大学,
类型:发明
国别省市:福建,35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。