基于局部泊松曲面重建的点云刚性配准方法技术

本文提供一种基于局部样本重建泊松曲面寻找对应点的点云刚性配准方法，属于数字化设计与制造领域，其特征在于：初配准在浮动点云和固定点云中交互选取特征点对，基于固定点云特征点的邻域点集构建泊松曲面；建立曲面的KD树，查询浮动点云样本点在KD树中的最近点作为参考点，以样本点至参考点环域面片的最近点作为对应点，基于对应点对建立测度函数并利用SVD法求解变换参数；在初配准的基础上，精配准基于公共域自适应获取特征点对，利用点到泊松曲面的最近距离建立误差测度，从而计算变换参数，进一步提高配准精度。本发明专利技术初配准可取得较高的配准精度，精配准可快速收敛于全局最优并且具有较高的鲁棒性。

【技术实现步骤摘要】

本专利技术提供基于局部泊松曲面重建的点云刚性配准方法，可用于对实物表面采样数据多视角点云数据的配准，属于数字化设计与制造领域。
技术介绍
在逆向工程、计算机图形学、质量检测等领域，需要从实物表面获取三维点云数据。由于物体的表面的遮挡以及扫描设备的测量范围限制，目前主流的激光测量设备与光栅投影式测量设备必须对被测量物体从多个角度、分区域扫描才能获取物体表面全部的点云数据。但在变换角度扫描过程中，每次扫描获取的点云数据所在的坐标系不同，因此需要将不同坐标系下的点云数据变换至同一坐标系内并输出为一个完整的表面三维点云数据，即三维点云配准。三维点云配准的精度决定了对采样数据后续各种处理的精度，特别是对逆向工程中的点云分割、特征识别、曲率估计、法向估计、曲面重建等后处理的精度有重要影响。三维点云配准过程通常分为初配准和精配准两个阶段。初配准阶段，固定一个视角的点云数据（固定点云），浮动其它视角点云数据（浮动点云），通过匹配固定点云与浮动点云公共区域的对应几何特征计算刚性变换参数，最终将浮动点云与固定点云点云拼合为一个完整的点云数据；精配准在初配准的基础上迭代配准过程，直至误差收敛，从而进一步提高初配准精度，使误差达到最小。 初配准中常用的对应几何特征有对应点、对应线和对应面。Chua等在《3D human face recognition using point signature》（IEEE International Conference on Automatic Face and Gesture Recognition, 2000. Proceedings. IEEE, 2000:233-238）为每个点定义特征描述子，通过计算浮动点云中每个点的特征描述子寻找固定点云内与其对应的特征描述子，该方法计算量大并且对噪点敏感。Papazov等在《An efficient ransac for 3d object recognition in noisy and occluded scenes》（Computer Vision–ACCV 2010. Springer Berlin Heidelberg, 2011: 135-148.）采用RANSAC的方法，在两组点云中寻找三个点对，如果每个点对中任两个点之间距离近似相等则认为这三个点对是对应点对，基于点对信息计算变换参数，该方法仅适合于小数据量的点云配准。Bucksch等在《Localized registration of point clouds of botanic trees》（Geoscience and Remote Sensing Letters, IEEE, 2013, 10(3): 631-635.）采用点—线对应的方式进行配准，通过寻找浮动点云中任意点在固定点云距离最近的特征线段计算刚性变换参数，该方法对点云轮廓形状要求较高并且无法解决局部收敛的问题。以上方法基于整个点云数据匹配对应的几何特征，进而计算变换参数，此类方法计算量非常大，并且不同方法对点云原始数据有平坦性、均匀性、无噪点等不同要求。另外还有学者采用代数曲面模型法、主曲率估计法等计算对应几何特征信息。除此之外可采用一种相对简单、有效的初配准方法——人机交互法——手动选取对应点对，通过最小二乘法即可快速、高效地计算变换参数，但该方法的最大问题在于对应点对选取的精度不高，导致初配准精度较低，甚至收敛于局部最优。当前精配准的主流方法大多集中在对最近点迭代（Iterative Closet Point，ICP）方法的改进，该方法由Besl等在《Method for registration of 3-D shapes》（Robotics-DL tentative. International Society for Optics and Photonics, 1992: 586-606.）提出，ICP阐述了精配准的基本理论框架：对具有良好初始相对位置信息的两组点云数据，可采用所有的几何图元（点、线、面、体等）进行迭代配准并求全局最优解。在ICP中，作者采用点作为配准的几何图元，通过迭代最近点计算对应点对并基于四元数法计算刚性变换参数，但该方法无法解决因初始位置偏差大导致的局部收敛的问题，并且迭代次数较多。Chen等在《Object modeling by registration of multiple range images》（Robotics and Automation, 1991. Proceedings., 1991 IEEE International Conference on. IEEE, 1991: 2724-2729.）提出一种基于给定点法向到目标点切平面的误差估计准则，加快了收敛速度，但该方法对曲率变化大的模型配准不适用，并且要求两个模型有足够多的重叠区域。Rusu等《Semantic 3d object maps for everyday manipulation in human living environments》（KI-Künstliche Intelligenz, 2010, 24(4): 345-348.）提出基于FPFH的特征描述子进行特征点匹配，并加入特征点判别条件，对于识别的候选特征点进一步通过曲率、法向等几何信息进行排除，对于不符合的特征点予以剔除，整个过程采用KD树进行加速寻找，该方法取得了非常好的配准效果，因此该方法被开源点云算法库PCL所采用，但该方法仍然没有解决过度依赖初始相对位置的弊端，只要两个点云模型的初始相对位置不理想，就会导致配准失效。各种改进方法通过寻找更加精确的几何图元提高配准精度以及建立更加高效的误差估计法则提高收敛的速度，但带来的问题是计算复杂化，时间代价高，并且各方法处理的点云数据往往存在特殊性，不具备普适性。
技术实现思路
本专利技术的目的在于提高配准过程中对应点在公共域匹配的精确性，使初配准快速收敛并提高初配准的精度，精配准可进一步降低配准误差并提高精配准的鲁棒性，技术方案实现如下：一种基于局部泊松曲面重建的点云刚性配准方法，其特征在于步骤依次为：一、设待配准的两个不同视角下的实物表面采样点集与，将作为浮动点云，作为固定点云，通过人工交互的方式分别从与中选取子集与；二、设 为空集，在内交互选取部分特征点，并将所选特征点依次加入；三、设 为空集，对于内的每个样点，在内交互选取与之相匹配的样点，并将所选样点依次加入；四、基于内的样点在中的邻域点集，为内的每个样点构建泊松曲面，具体步骤为：(1)对每个样点的邻域点集添加辅助点构建封闭点集；(2)对封闭点集进行法向估计；(3)基于法向估计后的封闭点集进行完整泊松曲面重建；(4)将邻域点集所对应的局部泊松曲面从完整的泊松曲面分离出来，以局部泊松曲面作为样点的泊松曲面；五、以内的样点至与之相对应的泊松曲面的距离作为测度，求解使得点集配准函数最小化的刚性变换矩阵，从而完成与的初步配准，即使得与在同一坐标系下充分重叠；六、将重置为空集，在内选取部分样点作为新的特征点，选取规则是保证所选样点在具有完备的邻域点集，即该样点在内的邻域点集能够均匀分布于该样点的周围邻近区域，将所选样本文档来自技高网...

【技术保护点】
一种基于局部泊松曲面重建的点云刚性配准方法，其特征在于步骤依次为：一、设待配准的两个不同视角下的实物表面采样点集与，将作为浮动点云，作为固定点云，通过人工交互的方式分别从与中选取子集与；二、设为空集，在内交互选取部分特征点，并将所选特征点依次加入；三、设为空集，对于内的每个样点，在内交互选取与之相匹配的样点，并将所选样点依次加入；四、基于内的样点在中的邻域点集，为内的每个样点构建泊松曲面，具体步骤为：(1)对每个样点的邻域点集添加辅助点构建封闭点集；(2)对封闭点集进行法向估计；(3)基于法向估计后的封闭点集进行完整泊松曲面重建；(4)将邻域点集所对应的局部泊松曲面从完整的泊松曲面分离出来，以局部泊松曲面作为样点的泊松曲面；五、以内的样点至与之相对应的泊松曲面的距离作为测度，求解使得点集配准函数最小化的刚性变换矩阵，从而完成与的初步配准，即使得与在同一坐标系下充分重叠；六、将重置为空集，在内选取部分样点作为新的特征点，选取规则是保证所选样点在具有完备的邻域点集，即该样点在内的邻域点集能够均匀分布于该样点的周围邻近区域，将所选样点加入；七、将重置为空集，对于内的每个样点，内选取与之最近的样点，并将所选样点依次加入；八、应用步骤四中所述方法为内的每个样点构建泊松曲面；九、以内的样点至与之相对应的泊松曲面的距离作为测度，求解使得点集配准函数最小化的刚性变换矩阵，从而完成与的精确配准，结果输出刚性变换后的与配准误差。...

【技术特征摘要】
1.一种基于局部泊松曲面重建的点云刚性配准方法，其特征在于步骤依次为：一、设待配准的两个不同视角下的实物表面采样点集与，将作为浮动点云，作为固定点云，通过人工交互的方式分别从与中选取子集与；二、设 为空集，在内交互选取部分特征点，并将所选特征点依次加入；三、设 为空集，对于内的每个样点，在内交互选取与之相匹配的样点，并将所选样点依次加入；四、基于内的样点在中的邻域点集，为内的每个样点构建泊松曲面，具体步骤为：(1)对每个样点的邻域点集添加辅助点构建封闭点集；(2)对封闭点集进行法向估计；(3)基于法向估计后的封闭点集进行完整泊松曲面重建；(4)将邻域点集所对应的局部泊松曲面从完整的泊松曲面分离出来，以局部泊松曲面作为样点的泊松曲面；五、以内的样点至与之相对应的泊松曲面的距离作为测度，求解使得点集配准函数最小化的刚性变换矩阵，从而完成与的初步配准，即使得与在同一坐标系下充分重叠；六、将重置为空集，在内选取部分样点作为新的特征点，选取规则是保证所选样点在具有完备的邻域点集，即该样点在内的邻域点集能够均匀分布于该样点的周围邻近区域，将所选样点加入；七、将重置为空集，对于内的每个样点，内选取与之最近的样点，并将所选样点依次加入；八、应用步骤四中所述方法为内的每个样点构建泊松曲面；九、以内的样点至与之相对应的泊松曲面的距离作为测度，求解使得点集配准函数最小化的刚性变换矩阵，从而完成与的精确配准，结果输出刚性变换后的与配准误差。2.根据权利要求1所述的基于局部泊松曲面重建的点云刚性配准方法，其特征在于：在步骤四中，对样点的邻域点集添加辅助点构造封闭点集，具体步骤为：(1)设样点为，的邻域点集为，将投影至平面，记为；(2)通过边界特征识别算法识别出的边界点集合；(3)根据投影的对应关系，获取的边界点集合；(4)基于,在对应的边界点之间插入离散点，即可构建封闭点集。3.根据权利要求1所述的基于局部泊松曲面重建的点云刚性配准方法，其特征在于：在...

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