序列图像约束的多视角实物表面点云数据初始配准方法技术

本发明专利技术针对现有多视角点云数据配准算法对于实物表面多视角采样数据的初始位置要求过于严格并且配准效率较低的问题，提出一种序列图像约束的多视角实物表面点云数据初始配准方法，属于产品逆向工程技术领域。根据透视投影原理对摄像机在点云数据局部坐标系中的位置进行定位，将点云数据变换到对应的摄像机坐标系，并以图像特征点及其对应的匹配点作为同名控制点，在序列图像重建过程中将点云数据初步配准到近似重叠的位置。该初始配准方法对点云数据的初始位置无严格要求，能以较小的计算量获取近似全局最优的点云数据初始配准结果，提高了配准方法的稳健性和计算效率。

Initial registration method for point cloud data of multi-view object surface constrained by sequence images

【技术实现步骤摘要】
序列图像约束的多视角实物表面点云数据初始配准方法
本专利技术提供一种序列图像约束的多视角实物表面点云数据初始配准方法，属于产品逆向工程

技术介绍
主动式光学三维测量技术广泛应用于解决逆向工程、计算机视觉、生物医学等领域中的数字化建模问题。由于单个视角的可见性限制，通常需要采用三维点云配准技术将不同视角下的多幅部分重叠的点云统一到同一坐标系中以获得完整的数字模型。三维点云配准的精度决定了被测物体三维重构的质量以及点云后处理的效率与精度。对现有的技术文献检索发现，Besl等在学术会议《IEEEComputerSociety》(1992,14(2):P239-256)上发表的论文“AMethodforRegistrationof3-DShapes”中提出了迭代最近点算法(ICP)，是一种基于几何模型的点到点配准算法，以欧氏距离最小的点作为对应点，通过最小化两个点集中的对应点距离平方和得到两个三维数据集之间的刚性变换。ICP算法自Besl和McKay于1992年提出后，逐渐衍生出众多变体，这些变体之间的主要区别是配准元素以及配准策略选取方式的不同。Sappa等在《InProceedingsofth9thInternationalSymposiumonIntelligentRoboticSystems》(SIRS’01,2001)上发表的论文“RangeImageRegistrationbyusinganEdge-BasedRepresentation”中基于快速边缘分割技术直接选取点云深度图的边缘点作为采样点集，缩小了最近点搜索范围，但忽略了物体曲面特征，不适用于精确配准两幅重叠区域内边缘特征较少的点云。Li等在《PatternRecognitionLetters》(2015,65(11):0000)上发表的论文“AmodifiedICPalgorithmbasedondynamicadjustmentfactorforregistrationofpointcloudandCADmodel”中基于由三角网格的小平面数据和矢量信息列表组成的STL文件搜索点云的对应点，并通过动态调整刚性变换参数有效降低了迭代次数。上述算法在一定程度上提高了ICP算法收敛速度，但存在同ICP算法一样可能因初始位置相差过大导致最近点搜索不准确而收敛到错误的局部最优解的缺陷。Rusu等在学术会议《IEEEInternationalConferenceonRoboticsandAutomation》(2009:P1848-1853)上发表的论文“Fastpointfeaturehistograms(FPFH)for3Dregistration”中提出了一种FPFH特征，描述点云数据集中任一样点邻域的局部几何信息。通过样本一致性方法对初始FPFH特征点进行采样，对于符合要求的特征点予以保留并用于后续配准，该方法降低了迭代次数，取得了较好的配准效果，但需要求解样点法矢、曲率等几何信息，使算法复杂化，无法同时保证收敛速度和配准精度。Al-Manasir和Fraser在《IaprsDresden》(2006,21(115))上发表的论文“AutomaticRegistrationofTerrestrialLaserScannerDataviaImagery”中提出了基于图像信息的地面激光扫描数据的自动配准方法，放置在被测物表面的编码目标构成了确定待配准点云之间刚性变换的同名控制点。通过附加特征信息，降低了点云初始位置对配准结果的影响，且提高了配准算法收敛速度，但带来的问题是被测物表面的点云数据受到破坏。Han等在《IEEEGeoscience&RemoteSensingLetters》(2012,10(4):P746-750)上发表的论文“LiDARPointCloudRegistrationbyImageDetectionTechnique”中通过检测和匹配序列图像对应特征点，根据其图像坐标与空间坐标的映射关系间接建立同名控制点三维坐标对应关系从而实现点云配准。由于特征点检测和匹配存在一定误差，当特征点较少时无法保证正确配准及配准精度。王瑞岩等在《测绘学报》(2016,45(1):P96-102.)上发表的论文“结合图像信息的快速点云拼接算法”中将配准过程分为两个阶段，首先通过图像信息求解摄像机的相对旋转变换，然后迭代计算平移变换，提高了算法的稳健性，但只能用于摄像机与扫描设配同轴的场合。对于点云配准问题，鉴于ICP算法易于实现且配准精度较高，因此将ICP算法应用于存在较大重叠区域的点云配准问题的求解是非常合理的，但是ICP算法的配准结果对初始值较为敏感，较差的初始运动参数容易增加迭代次数，甚至导致配准过程收敛于不理想的局部最优解，因此需要对初始运动参数进行优化。此外，ICP算法时间复杂度主要被最近点搜索所主导，若能缩小最近点搜索范围，便能有效降低计算量。综上所述，目前多视角点云数据配准过程中存在对实物表面多视角采样数据的初始位置要求过于严格并且配准效率较低的技术问题，因此，为多视角实物表面点云数据提供较好的初始配准参数以及降低配准过程时间消耗已成为本领域技术人员亟待解决的技术问题。
技术实现思路
为解决上述技术问题，本专利技术所采用的技术方案是一种序列图像约束的多视角实物表面点云数据初始配准方法，该方法对点云的初始位置无严格要求，能以较小的计算量获取近似全局最优的点云初始配准结果，根据初始配准结果进行精确配准，能显著提高多视角实物表面点云数据配准过程的稳健性和计算效率。其实现方案为：一种序列图像约束的多视角实物表面点云数据初始配准方法，其特征在于依次包含以下步骤：(1)依次采集被测物体在不同视角下的型面点云数据以及每一视角下对应的二维图像；(2)对摄像机在点云数据局部坐标系中的位置进行定位，将点云数据从其局部坐标系转换到摄像机坐标系；(3)基于序列图像增量式运动法重建方法估计所有的摄像机外参数；(4)根据摄像机坐标系下的点云数据和所有的摄像机外参数对点云数据进行初始配准。为实现专利技术目的，所述序列图像约束的多视角实物表面点云数据初始配准方法，其特征在于：步骤(2)中，用标定后的摄像机对标定物进行测量，基于透视投影原理将标定物上标识点的世界坐标与识别到的图像坐标建立一一映射关系实现摄像机在点云局部坐标系中的定位，根据求解的变换矩阵将点云数据转换到摄像机坐标系。为实现专利技术目的，所述序列图像约束的多视角实物表面点云数据初始配准方法，在步骤(3)中，采用增量式运动法重建方法估计摄像机外参数Μ＝{Mi∈SE(3)|i＝1,2,…,NI}的步骤具体是：1)读取序列图像Σ＝{Ii|i＝1,2,…,NI}，检测每一幅图像的特征点，并将特征点集合记为其中，xij表示图像Ii特征点的图像坐标，fij表示xij点的特征描述符；2)根据对应特征点的特征描述符fij之间欧氏距离最小原则以及对极几何约束，对Σ中任意相邻两幅图像依次进行特征点匹配，则特征点匹配对集合为3)从Σ中选取前两幅图像I1和I2的特征点匹配对集合初始化摄像机外参数M1、M2以及三维点集X(1)，并将X(1)加入点集Ω；4)增加一幅图像Ii，估计摄像机外参数Mi；5)通过三角测量重本文档来自技高网...

【技术保护点】
1.一种序列图像约束的多视角实物表面点云数据初始配准方法，其特征在于依次包含以下步骤：(1)依次采集被测物体在不同视角下的型面点云数据以及每一视角下对应的二维图像；(2)对摄像机在点云数据局部坐标系中的位置进行定位，将点云数据从其局部坐标系转换到摄像机坐标系；(3)基于序列图像增量式运动法重建方法估计所有的摄像机外参数；(4)根据摄像机坐标系下的点云数据和所有的摄像机外参数对点云数据进行初始配准。

【技术特征摘要】
1.一种序列图像约束的多视角实物表面点云数据初始配准方法，其特征在于依次包含以下步骤：(1)依次采集被测物体在不同视角下的型面点云数据以及每一视角下对应的二维图像；(2)对摄像机在点云数据局部坐标系中的位置进行定位，将点云数据从其局部坐标系转换到摄像机坐标系；(3)基于序列图像增量式运动法重建方法估计所有的摄像机外参数；(4)根据摄像机坐标系下的点云数据和所有的摄像机外参数对点云数据进行初始配准。2.如权利要求1所述的序列图像约束的多视角实物表面点云数据初始配准方法，其特征在于：步骤(2)中，用标定后的摄像机对标定物进行测量，基于透视投影原理将标定物上标识点的世界坐标与识别到的图像坐标建立一一映射关系实现摄像机在点云局部坐标系中的定位，根据求解的变换矩阵将点云数据转换到摄像机坐标系。3.如权利要求1所述的序列图像约束的多视角实物表面点云数据初始配准方法，其特征在于：步骤(3)中，采用增量式运动法重建方法估计摄像机外参数Μ＝{Mi∈SE(3)|i＝1,2,…,NI}的过程，步骤为：1)读取序列图像Σ＝{Ii|i＝1,2,…,NI}，检测每一幅图像的特征点，并将特征点集合记为其中，xij表示图像Ii特征点的图像坐标，fij表示xij点的特征描述符；2)根据对应特征点的特征描述符fij之间欧氏距离最小原则以及对极几何约束，对Σ中任意相邻两幅图像依次进行特征点匹配，则特征点匹配对集合为3)从Σ中选取前两幅图像I1和I2的特征点匹配对集...

【专利技术属性】
技术研发人员：孙殿柱，沈江华，李延瑞，梁增凯，
申请(专利权)人：山东理工大学，
类型：发明
国别省市：山东,37