基于凸包投影图匹配的模型配准方法技术

本发明专利技术涉及一种基于凸包投影图匹配的模型配准方法，该算法由六个步骤实现：1)选取具有旋转平移不变性的三维凸包表面作为参考平面。2)将三维模型上的每一个点平行投影至凸包表面上。3)在待配准模型各自的二维图像间进行特征的提取与匹配。4)将得到的二维特征点对反投影至凸包表面，还原成有效的三维特征配对。5)使用这些三维特征点对估计待配准模型间的刚性变换。6)以这些三维特征点对作为控制点进行全局弹性优化。本发明专利技术实现了在不含纹理信息的模型数据上提取特征并完成多视模型的全局配准优化，并具备运算效率高、配准精度高、初始位姿适应性强的特点，可应用于物体跟踪、三维模型拼接及三维重建等领域。

【技术实现步骤摘要】
基于凸包投影图匹配的模型配准方法
本专利技术涉及一种基于凸包投影图匹配的模型配准方法，该技术在摄影测量学、运动跟踪、相机位置恢复与物体检索等领域中都有重要应用。
技术介绍
近年来，随着计算机图形学、计算机视觉、虚拟现实和增强现实领域的发展，三维模型采集与处理技术的关注度日益提高。而在相关研究中，配准技术则是三维模型分析处理中的关键方法。通常来说，三维模型是由密集的模型或面型描述的，配准技术的目标是求解不同模型间最优的几何变换。在过去的20年中，大量的方法被研究用于三维模型配准问题。其中最具代表性的方法为迭代最邻近点(IterativeClosestPoint,ICP)算法，该算法在1992年由Besl和Mckay提出。ICP算法通过最小化两个点集最近点对间的欧氏距离，优化得到两个模型间的最优变换。然而因算法中相似性测度与迭代方式的特点，算法中存在若干缺陷，如依赖初始位姿、迭代过程易陷入局部极小值、计算速度慢等。为降低配准方法对初始位姿的依赖，大量的学者引入不同的描述子对模型进行描述，或者通过不同的优化算法求取模型的匹配关系。其中，一类有效的优化方法是利用三维模型结构上的形状与纹理信息，对目标物体进行特征的检索与匹配，而后将无关的离散模型配准问题转换为匹配点对间的配准问题，从而实现目标模型的配准。其中，Spin-Image算法提出一种基于三维形状信息的物体识别方法用于包含噪声与信息缺失的物体识别。一种三维SIFT特征描述子可以在三维模型上提取特征，这种特征描述子将区域内的空间与时间信息编码，对模型的方位与噪声有一定的鲁棒性。但此类方法适用于包含纹理信息的三维模型，然而对于只具备空间信息的离散模型数据，该类方法无法精确地检测到特征点，后续的配准过程也无法实现，导致该方法的使用受到局限。因此需要一种有效的模型配准算法，能够从不含纹理信息的离散模型数据中，检测到特征点，并通过匹配的特征点对计算目标模型和参考模型间的最优三维坐标变换关系。该方法应满足：(1)不需借助模型数据中除坐标信息外的信息，适用面广；(2)不要求待配准的模型之间具有较为接近的位姿，鲁棒性强；(3)计算速度快，满足模型配准实际应用中的时间要求。
技术实现思路
为克服现有的基于特征描述的模型配准算法中存在的不足，本专利技术提供一种基于凸包投影图匹配的模型配准方法，能够在不含纹理信息的模型数据上实现特征提取与匹配，该方法包括以下步骤：第一步：分别计算两组待配准模型的凸包，由凸包顶点及其拓扑结构构成凸包表面上的三角形集合；第二步：以模型凸包表面的任一三角形平面作为投影平面，将模型中的每个点平行投影至投影平面上，以图象中的频率密度为依据，生成密度图；第三步：在待配准模型生成的两组投影图序列间进行特征提取与匹配，找到二维图像间的最优特征点匹配序列；第四步：将二维的特征点配对反投影至三维凸包表面，得到两组模型位于凸包表面上的三维特征点对；第五步：根据提取得到的三维特征点对，建立欧式空间中几何变换关系的方程组，利用非线性阻尼最小二乘法优化变换参数，获得两组模型之间的刚性变换关系；第六步：将提取得到的三维特征点对作为TPS弹性变换的控制点，在刚性变换结果基础上，对原始模型进行TPS弹性变换，计算两组模型之间的弹性配准结果。本专利技术的有益效果：与现有方法相比，本方法的优点在于利用模型的凸包表面投影原理，在不含纹理信息的模型数据上实现特征提取与匹配，进而获取待配准目标凸包表面上具有一致性关系的三维特征点配对，并使用该配对点集代替初始模型，完成刚性以及弹性的模型配准。附图说明图1为本专利技术的算法流程图。图2为平行投影原理图。图3为模型投影过程示意图。图4为特征提取与匹配示意图。图5为特征点对反投影示意图。图6为配准结果示意图。具体实施方式下面结合具体实施例和附图详细说明本专利技术，但本专利技术并不仅限于此。步骤S101，分别计算两组待配准模型的凸包，由凸包顶点及其拓扑结构构成凸包表面上的三角形集合；三维模型投影至二维积分图像的物理意义可描述为由特定角度观察该三维模型所获得的投影图像，因此该投影图像能够反映三维模型的相应局部特征，可作为配准的依据。考虑到配准过程对投影图像全视角与标准性的需求，投影平面的选取将决定配准过程的效率以及配准结果的精度。凸包的不变性与唯一性确保了待配准的三维模型具备相似的凸包结构，因此使用凸包表面的三角形作为投影平面，不仅覆盖了目标物体的全方位视角，还保证配准过程中两组模型的投影具备相似的投影平面，故能够找到匹配的特征实现模型的配准。同时凸包的顶点数量少于计算速度快两个性质确保了此方法的运算效率高，无论是凸包提取还是后续处理方法均能在较短的时间内完成。步骤S102，以模型凸包表面的任一三角形平面作为投影平面，将模型中的每个点平行投影至投影平面上，以图象中的频率密度为依据，生成密度图；投影过程如图2所示，对于给定三个顶点{fa,fb,fc}的三角形平面F，它的单位法向量可以计算得到：那么原始模型P，即可通过投影至三角形平面得到共面的投影点集合P′：此时，共面的三维投影点集合P′，经过投影平面单位法向量至z轴上的单位向量(0,0,1)的变换T3D-＞2D，即可得到相应的二维点集合P2d。此后根据二维点集合的密度分布，我们即可建立二维的灰度图像来反应模型在该投影平面上表现出的密度分布。二维图像上每一个像素点的灰度I(u,v)可累计为：其中，maxval表示该幅图像中某一像素点上密度累计的最大值，经过这样的计算后得到的密度分布图像为归一化图像。图3给出一组模型的投影示意图。步骤S103，在待配准模型生成的两组投影图序列间进行特征提取与匹配，找到二维图像间的最优特征点匹配序列；对于二维图像特征的提取与匹配问题，有许多基于纹理的特征描述方法，其中最成熟的算法为SIFT算法。SIFT特征描述子在不同的尺度空间中描述特征点的特征方向，通过组合不同尺度空间中特征方向得到的特征向量描述二维图像中的不变特征，并依此匹配特征点。本方法中采用SIFT算法来实现二维图像的特征提取与匹配。图4为特征提取与匹配的示意图。步骤S104，将二维的特征点配对反投影至三维凸包表面，得到两组模型位于凸包表面上的三维特征点对；使用SIFT算法匹配投影图像上的特征，得到了待配准的两组模型中二维对应特征的序列。而这些二维特征原本是处于模型凸包表面上不同平面中的特征点，经过z轴单位向量(0,0,1)到相应平面单位法向量的变换T2D-＞3D(即)，可还原该特征点的三维坐标：将对应特征点序列经由此变换全部还原至凸包表面的三维坐标，可得到两组模型覆盖在凸包表面上的对应三维特征点集合。图5为特征点对反投影后的示意图。步骤S105，根据提取得到的三维特征点对，建立欧式空间中几何变换关系的方程组，利用非线性阻尼最小二乘法优化变换参数，获得两组模型之间的刚性变换关系；在特征点反投影过程后，两组模型间的配准问题即转换为了三维点对间的配准问题。Umeyama提出了解决对应点对间配准问题最小二乘解的经典方法。当对应点对中存在错误的匹配点时，最小二乘解将表现出较大的误差。因此，在本方法中还引入了RANSAC优化方法进行奇异点的排除，使得配准方法能够解决存在误匹配特征点对的问题，更加鲁棒。步骤S106，将提取得到的三维特征本文档来自技高网...

【技术保护点】
一种基于凸包投影图匹配的模型配准方法，其特征在于，包括以下步骤：第一步：分别计算两组待配准模型的凸包，由凸包顶点及其拓扑结构构成凸包表面上的三角形集合；第二步：以模型凸包表面的任一三角形平面作为投影平面，将模型中的每个点平行投影至投影平面上，以图象中的频率密度为依据，生成密度图；第三步：在待配准模型生成的两组投影图序列间进行特征提取与匹配，找到二维图像间的最优特征点匹配序列；第四步：将二维的特征点配对反投影至三维凸包表面，得到两组模型位于凸包表面上的三维特征点对；第五步：根据提取得到的三维特征点对，建立欧式空间中几何变换关系的方程组，利用非线性阻尼最小二乘法优化变换参数，获得两组模型之间的刚性变换关系；第六步：将提取得到的三维特征点对作为TPS弹性变换的控制点，在刚性变换结果基础上，对原始模型进行TPS弹性变换，计算两组模型之间的弹性配准结果。

【技术特征摘要】
1.一种基于凸包投影图匹配的模型配准方法，其特征在于，包括以下步骤：第一步：分别计算两组待配准模型的凸包，由凸包顶点及其拓扑结构构成凸包表面上的三角形集合；第二步：以模型凸包表面的任一三角形平面作为投影平面，将模型中的每个点平行投影至投影平面上，以图像中的频率密度为依据，根据二维点集合的密度分布，建立二维的灰度图像，实现密度图生成；第三步：在待配准模型生成的两组投影图序列间进行特征提取与匹配，找到二维图像间的最优特征点匹配序列；第四步：将二维的特征点配对反投影至三维凸包表面，得到两组模型位于凸包表面上的三维特征点对；第五步：根据提取...

【专利技术属性】
技术研发人员：杨健，范敬凡，王涌天，艾丹妮，刘越，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11