一种自适应的无标志点三维点云自动拼接方法技术
【技术实现步骤摘要】
技术邻域 本专利技术涉及到，它是三维点云数据 处理的一种方法，属于三维测量领域中的点云数据拼接技术。
技术介绍
面结构光三维测量技术（参见文献1 :李中伟.基于数字光栅投影的结构光三维 测量技术与系统研究[D] [D].武汉：华中科技大学，2009)受单次测量范围的限制，需从不 同方位对被测物进行多次测量以获取完整的几何模型，其中多视点云自动拼接是关键。 为了实现多视点云自动拼接，常用的方法有以下两种：（1)基于标志点的自动拼 接方法，该方法通过在被测物体表面粘贴人工标志点来实现辅助拼接。其拼接精度较高，但 会破坏被测物体表面的真实三维数据，同时前期贴点增加了测量时间，而且无法测量表面 不能标记的物体（如珍贵文物，人体），限制了使用范围。（2)无标记点的自动拼接方法。常 见的无标记点拼接方法包括迭代点最近点算法（iterative closest point, ICP)、基于几 何特征的配准算法和基于纹理的配准算法。其中，ICP算法对点云初始姿态的要求很高，无 法对初始位置相差较大的点云进行拼接。基于几何特征的配准算法只适用于表面几何形貌 比较复杂的物体，无法实现形状简单或对称物体的点云配准。基于纹理的配准算法只适用 于表面纹理丰富的物体，在对纹理单一的物体进行测量时稳定性较差。 综上所述：现有的三维点云自动拼接方法都存在一定的局限性，尚不能满足实际 应用的要求。因此需要一种有效的稳定的点云拼接方法，能够实现源点云和目标点云最优 配准。
技术实现思路
本专利技术提出了，该方法可自适应的 实现不同物体的无标志点三维点云自动拼接，且...
【技术保护点】
一种自适应的无标志点三维点云自动拼接方法，该方法包括下述步骤：第1步在源点云和目标点云中利用点特征直方图法查找几何特征点；在两次拍摄图片中查找图像特征点；第2步利用查找出的几何特征点和图像特征点建立配准算法选择模型，计算配准算法判断因子Dr的值，依据该值自动选择合适的配准算法：当Dr＞0时，进入第3步，当Dr＜0时，转入第4步，当Dr＝0时，提示用户通过引入标志点进行点云拼接；所述配准算法选择模型为：Dr=w1(p1-pp-n1-nn)+w2(p2-pp-n2-nn);p1>p,n1>n1;p1>p,n1<n-1;p1<p,n1>n0;p1≤p,n1≤n]]>其中，p1，p2分别代表两幅采样点云中几何特征点数目占其采样点点数的比例；n1，n2分别代表两次拍摄图片中图像特征点的数目，n为预先设定的图像特征阈值；p为几何特征阈值，w1和w2是描述两个对比差值的权重因子；第3步对于第1步查找出的几何特征点，利用RANSAC算法进行几何特征点的匹配，得到每一个查找点对应的初匹配点集Q′，再利用SVD奇异值分解法计算旋转矩阵R和平移矩阵T，然后进入第5步；第4步对于第1步...
【技术特征摘要】
1. 一种自适应的无标志点三维点云自动拼接方法，该方法包括下述步骤： 第1步在源点云和目标点云中利用点特征直方图法查找几何特征点；在两次拍摄图片 中查找图像特征点； 第2步利用查找出的几何特征点和图像特征点建立配准算法选择模型，计算配准算法 判断因子^的值，依据该值自动选择合适的配准算法：当Di > O时，进入第3步，当Di < O 时，转入第4步，当= O时，提示用户通过引入标志点进行点云拼接； 所述配准算法选择模型为：其中，Pl，P2分别代表两幅采样点云中几何特征点数目占其采样点点数的比例；ηι，η 2分 别代表两次拍摄图片中图像特征点的数目，η为预先设定的图像特征阈值；p为几何特征阈 值，W1和W 2是描述两个对比差值的权重因子； 第3步对于第1步查找出的几何特征点，利用RANSAC算法进行几何特征点的匹配，得 到每一个查找点对应的初匹配点集V，再利用SVD奇异值分解法计算旋转矩阵R和平移矩 阵Τ，然后进入第5步； 第4步对于第1步查找出的图像特征点，利用RANSAC算法查找对应点，再利用SVD奇 异值分解法计算旋转矩阵R和平移矩阵Τ，然后进入第5步； 第5步利用旋转矩阵R和平移矩阵T对目标点云进行旋转平移，完成拼接。2. 根据权利要求1所述自适应的无标志点三维点云自动拼接方法，其特征在于，所述 第1步中，所述查找几何特征点的过程为： 第1. 1步对拍摄获取的两幅多视点云按比例进行采样，计算每个采样点的法向量；将 采样点中的每一点视为查询点，并确定查询点的邻域，该邻域内的采样点称为邻域点； 第1. 2步对于邻域内任意两点s、t，在其中的一个点上定义一个固定的局部坐标系，即 UVW坐标系：Ps，Pt为查询点Pti邻域内点s、t的空间坐标,ns,n t为点s、t相应的法向量，I |pt-ps| |2 为该两点的空间距离，d表示该两点连线方向上的单位向量； 利用式I得到的uvw坐标系，两点之间的位置关系和法线偏差用一组角度来表示，如式 II:其中，（￥*1^/11*1〇表示￥、1^/11、1^的点乘，将€[，<^，0的取值范围分别划分为13个 子区间，则总共生成了 b3个区域，用i表示各区域的序号，判断两点的α，φ，Θ值所处的 区域，则该区域的点数目加一；计算查询点P q邻域内每对点的α，φ，Θ值，判断其所在区 域，统计落在每个区域的点数目，生成点Pq的点特征直方图； 第I. 3步利用所有采样点的点特征直方图生成平均特征直方图u-histogram，利用式 III将每个点的点特征直方图与u-hiStogram比较获取相对KL距离；其中，i表示点特征直方图区域的序号，取值为1?b3, pf:表示采样点的点特征直方图 的第i个分量，Ui表示平均特征直方图的第i个分量，计算KL距离的平均值a和标准差〇， 统计KL距离在a± σ外的三维点，视为几何特征点。3. 根据权利要求2所述自适应的无标志点三维点云自动拼接方法，其特征在于，所述 第1步中，利用SIFT算法查找图像特征点。4. 根据权利要求1、2或3所述自适应的无标志点三维点云自动拼接方法，其特征在于， 第3步的具体实现过程为： 第3. 1步对源点云的几何特征点进行采样，并使各采样的几何特征点相互距离大于预 设的最小距离阈值，将采样后的几何特征点视为查找点ρτ，τ = 1，2... r，其中r为经采样 后的几...
【专利技术属性】
技术研发人员：李中伟，伍梦琦，钟凯，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42
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。