对准数据的方法技术

三维数据通过从第一坐标系中的数据中选择第一组基元和从第二坐标系的数据中选择第二组基元进行对准，其中，所述第一组基元包括至少一个面、至少一个点、以及或者是点或者是面的第三基元，所述第二组基元包括至少一个面、至少一个点、以及与所述第一组基元中的所述第三基元相对应的第三基元。然后，所述面彼此对准，所述点彼此对准，以获得对准的基元。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术通常涉及三维(3D)数据的对准，更具体地，涉及彼此对准3D点和3D面，用于实时重建应用。
技术介绍
3D重建场景的交互实时3D重建用在许多应用中，例如机器人学、增强现实、医学成像以及计算机视觉。实时的稀疏和密集的3D重建可以使用诸如照相机的无源传感器。然而，无源传感器在重建无纹理区域上有困难。为了重建无纹理区域，可以使用有源3D传感器。例如，用于微软Xbox的Kinet传感器使用IR模式，用于实时从传感器的视点获取作为深度映射的3D数据。其他问题涉及处理时间、存储器需求以及准确性。由于视野和分辨率，3D传感器通常产生场景的部分重建。期望提供一种能够结合连续部分深度映射和场景模型的准确快速的对准方法。惯性传感器容易漂移。因此，为了准确对准，需要依赖RGB(纹理)图像或深度映射的特征。另外，深度映射通常是有噪声的，没有任何更高层次的空间约束。而且，点云需要非常大的存储器，并且难以压缩。3D-3D对准局部3D数据的对齐或对准是计算机视觉应用中的根本问题，该问题可以利用多种方法解决。对准方法可以是局部的或全局的。局部方法应当以良好的初始化开始，并利用相对较小的迭代移动对准两个3D点云。这类似于收敛到具有良好初始解的全局解的非线性最小化方法。最常见的局部方法是迭代最近点(ICP)方法，该方法利用闭合形式的解迭代地确定相应的3D点和移动。全局全局方法通常考虑整个3D点云，识别某些关键的几何特征(基元)，遍及点云匹配这些特征，并使用利用随机抽样一致(RANSACA)过程的对应关系的最小集来生成最佳假设。通过全局方法获得的粗糙对准后面通常跟随局部非线性细化。与局部方法不同，全局方法不要求初始化。然而，全局方法可能遇到不正确和不充分的对应关系。通常用于全局方法中的几何基元要么是点、线或面。已知有利用同构和异构对应关系的几种全局对准方法。例如，考虑到点到点、线到线、面到面、点到线、点到面或者线到面对应关系，确定对准的闭合形式的解是可能的。一种方法利用分支界定法从点到点、点到线以及点到面的对应关系中获取全局最优解。另一种方法利用分支界定法来获取最佳对应关系以及针对点到点对准问题的变换。使用3D传感器的SLAM在移动机器人学中，某些基于3D传感器的方法利用同步定位和映射(SLAM)系统，用于确定传感器的移动以及重建场景结构。这些方法通常使用诸如点基元、线基元或面基元的几何特征。提供3D数据的平面片段的3D传感器，例如2D激光扫描仪或超声波传感器，可以被用于确定平面的、三个自由度(DOF)的运动。提供完整的3D点云的3D传感器，例如结构光扫描仪、安装在活动舞台上的2D激光扫描仪以及Kinect传感器可以用于确定六个DOF运动。RGB-D映射从RGB图像中提取关键点，利用深度映射以3D的形式向后投射这些点，并利用三个点到点对应关系来确定利用RANSAC过程的姿势的初始估算，该初始估算进一步利用ICP方法进行细化。另一种方法在具有3D传感器的SLAM系统中使用三个面到面对应关系。该方法利用面之间的几何约束解决对应问题。对于使用面和线段两者作为基元的SLAM系统，另一种方法使用较小视野(FOV)的3D传感器和较大FOV的2D激光扫描仪。该方法旨在用于解决局部对准问题而无法解决全局对准的顺序的SLAM系统。KinectFusion通过利用粗到细ICP方法将当前深度映射对准为从全局截短符号距离函数(TSDF)表示生成的虚拟深度映射。TSDF表示整合对准到全局坐标系中的全部的在先深度映射，并能够产生与使用单一图像相比更高质量的深度映射。已知ICP方法的几种其他变体，但是这些变体在两个3D点云不同时仍然会遇到极小值问题。仅仅依靠点的对准方法或SLAM系统在无纹理区域或具有重复图样的区域中遇到对应关系不充分或者不正确。基于面的技术在包括数量不足的非平行平面的场景上遇到简并问题。利用诸如Kinect传感器的3D传感器，由于在深度间断点周围的具有噪声的或丢失的深度值，难以获得线对应关系。
技术实现思路
本专利技术的实施方式提供一种用于在两个不同的坐标系中对准数据的方法。该方法利用点和面两者作为对准基元。该方法可被利用3D传感器的同步定位和映射(SLAM)系统所使用。该SLAM系统是本文的对准方法的应用。通过该方法，利用至少三个点和面基元的任意组合，即3个面、2个面和1个点、1个面和2个点、以及3个点在两个不同的坐标系中对准3D数据是可能的。该方法具体涉及一组混合(异种)基元，也就是至少两个3D点和至少一个3D面，或者至少一个3D点和至少两个3D面。也就是说，该方法可以使用三个基元的最小组和RANSAC过程来对准3D数据并重建场景。由于在3D数据中面的数量明显小于点的数量，优选实施方式所用的RANSAC过程使用包括面比点多，即最少两个面和一个点，的基元组合。与主要使用点用于对准的现有技术方法相比，本方法具有以下优势。由于面基元的数量更小，对应关系搜索和对准更快，并且可以实时进行。该方法产生比基于点的模型更加紧凑的基于面的3D模型。该方法提供全局对准，而不会遇到如在现有技术局部对准方法中的极小值或初始化问题。附图说明图1是根据本专利技术的实施方式的对准方法的示意图；图2是使用根据本专利技术的实施方式的对准方法的同步定位和映射(SLAM)系统的流程图；图3是本专利技术的实施方式所用的RANSAC过程的示意图；以及图4是根据本专利技术的实施方式的混合式基于面和点的模型的示意图。具体实施方式本专利技术的实施方式提供一种用于在两个不同的坐标系中对准3D数据的方法。如图1中所示，该方法可以在如现有技术已知的连接到存储器和输入/输出接口的处理器150中执行。图1示出对准方法100的示意图。该对准方法通过使用从两个不同的坐标系101和102中的3D数据中选择的两组的至少三个基元来确定该两个不同的坐标系之间的6-DOF刚体变换105。基元包括3D点110和3D面120。每组中的三个基元包括至少一个3D面、至少一个3D点、以及可以是点或面的第三基元。这两组中的面用面来对准，点用点来对准。该对准方法可以是全局的并且可以实时进行。如图2中所示，该对准方法可被同步定位和映射(SLAM)系统所使用。该SLAM系统是本文的对准方法的应用。该系统可以在如现有技术已知的连接到存储器和输入/输出接口的处理器200中实现。SLAM系统的示例性输入201是一组一个或多个深...

【技术保护点】
一种用于对准数据的方法，其中，所述数据具有三个维度，该方法包括以下步骤：从第一坐标系中的所述数据中选择第一组基元，其中，所述第一组基元包括至少一个面、至少一个点、以及是点或者是面的第三基元；从第二坐标系中的所述数据中选择第二组基元，其中，所述第二组基元包括至少一个面、至少一个点、以及与所述第一组基元中的所述第三基元相对应的第三基元；以及在所述第一组基元和所述第二组基元中，彼此对准面并彼此对准点，以获得对准的基元。

【技术特征摘要】
【国外来华专利技术】2012.06.29 US 13/539,0601.一种用于对准数据的方法，其中，所述数据具有三个维度，该方法包括以下
步骤：
从第一坐标系中的所述数据中选择第一组基元，其中，所述第一组基元包括至少
一个面、至少一个点、以及是点或者是面的第三基元；
从第二坐标系中的所述数据中选择第二组基元，其中，所述第二组基元包括至少
一个面、至少一个点、以及与所述第一组基元中的所述第三基元相对应的第三基元；
以及
在所述第一组基元和所述第二组基元中，彼此对准面并彼此对准点，以获得对准
的基元。
2.根据权利要求1所述的方法，其中，所述对准被用于同步定位和映射系统中。
3.根据权利要求1所述的方法，其中，所述对准是全局的。
4.根据权利要求1所述的方法，其中，所述对准是实时的。
5.根据权利要求2所述的方法，该方法进一步包括：
获取所述数据作为深度映射。
6.根据权利要求5所述的方法，其中，所述深度映射是通过3D传感器获取的。
7.根据权利要求5所述的方法，该方法进一步包括：
在全局映射中维持对准的基元。
8.根据权利要求5所述的方法，其中，所述对准使用随机抽样一致过程。
9.根据权利要求5所述的方法，该方法进一步包括：
通过位置和描述符表示每个点，以及通过单位法向量和到相应坐标系的原点的距
离表示每个面。
10.根据权利要求5所述的方法，其中，每个面是通过以下步骤选择的：
在3D点云中随机选择一组基准点；
利用局部窗口内部的附近的点...

【专利技术属性】
技术研发人员：田口裕一，S·拉姆阿里加姆，简用典，冯晨，
申请(专利权)人：三菱电机株式会社，
类型：发明
国别省市：日本;JP