The invention relates to a registration method based on point cloud optimal transmission, the method comprises the following steps: S1: two pieces of point cloud data input to be registered, and separately for each point cloud data quality distribution; S2: using the optimal transmission theory of the two point cloud transmission planning and transformation matrix S3: transmission cost calculation; the two point cloud of each point, and according to the transmission cost calculation of abnormal point detection; S4: according to the test results, quality adjusted two point cloud points; S5: on the two point clouds repeat step S2 to S4 quality adjustment, until not detected abnormal point; S6 will not detect the cloud of outliers when the transformation matrix effect to the registration of point cloud data. The invention provides a point cloud registration method based on the optimum transmission, which can solve the problems of noise, deletion and partial overlap existing in the current point cloud registration process.
【技术实现步骤摘要】
一种基于最优传输的点云配准方法
本专利技术属于三维图形图像处理
,涉及一种基于最优传输的点云配准方法。
技术介绍
点云数据配准是计算机图形学最重要的研究内容之一,也是对象识别、姿态估计、人脸识别、表面匹配等应用中的关键技术。三维重建作为当前研究热点,已广泛应用于生活娱乐中的各个领域,包括制造业、医学、考古学等。而点云数据配准则是三维重建过程中必不可少的环节。点云配准是将从不同视角获取的点云数据变换到统一的坐标系下,实现点云的对齐,从而获得一个更加接近于真实物体的三维模型。但是所获取的点云数据存在以下几个问题:由于环境的影响,例如光线、背景等,点云数据存在大量的噪声或者是数据缺失;扫描仪器只能获取物体部分表面的信息,因此获取的点云数据是部分重合。这些问题给点云配准带来了极大的困难,要得到一个精准且稳定的配准算法重点是解决上述问题。目前为止研究点云配准的算法可以分成三类:基于贪心搜索的配准算法、基于全局特征的配准算法、基于局部特征的配准算法。基于贪心搜索的配准算法首先从源数据点云X中随机选取特定数量的点{x1,x2,…,xi},然后对目标数据点云Y进行穷尽搜索,找到与{x1,x2,…,xi}对应的点{y1,y2,…,yi}。该算法通过比较所有候选对应点,可以保证得到一个精确解,但是计算代价却非常大。基于全局和局部特征的配准算法包含两步:粗配准和精确配准。粗配准的目标是计算两个点云数据的初始变换,通过特征匹配找到特征点之间的对应关系。精确配准通常由ICP(iterativeclosestpoint)算法或其改进算法来实现。进行粗匹配的原因有两个,首先ICP ...
【技术保护点】
一种基于最优传输的点云配准方法,其特征在于,所述方法包括:S1:输入待配准的两幅点云的数据,并分别对每幅点云的数据进行质量分配;S2:使用最优传输理论求解所述两幅点云的传输计划与变换矩阵;S3:计算所述两幅点云中每个点的传输代价,并根据计算的传输代价检测异常点;S4:根据检测结果,调整两幅点云中各个点的质量;S5:对调整质量后的两幅点云重复执行步骤S2至S4,直至检测不到异常点为止;S6:将检测不到异常点时对应的变换矩阵作用到点云中,以配准点云数据。
【技术特征摘要】
1.一种基于最优传输的点云配准方法,其特征在于,所述方法包括:S1:输入待配准的两幅点云的数据,并分别对每幅点云的数据进行质量分配;S2:使用最优传输理论求解所述两幅点云的传输计划与变换矩阵;S3:计算所述两幅点云中每个点的传输代价,并根据计算的传输代价检测异常点;S4:根据检测结果,调整两幅点云中各个点的质量;S5:对调整质量后的两幅点云重复执行步骤S2至S4,直至检测不到异常点为止;S6:将检测不到异常点时对应的变换矩阵作用到点云中,以配准点云数据。2.根据权利要求1所述的基于最优传输的点云配准方法,其特征在于,输入的待配准的两幅点云中,各个点的初始质量以及两幅点云的质量和满足以下条件:其中,表示第一幅点云中第i个点云对应的初始质量,表示第二幅点云中第j个点云对应的初始质量。3.根据权利要求1所述的基于最优传输的点云配准方法,其特征在于,使用最优传输理论求解所述两幅点云的传输计划与变换矩阵的步骤包括:利用传输代价度量两幅点云之间的距离,并按照下述目标函数计算传输计划矩阵和变换矩阵的最小值:其中,R表示所述变换矩阵,xi表示第一幅点云中的第i个点,yj表示第二幅点云中的第j个点,σi,j表示所述传输计划矩阵σ中第i行第j列的元素,该元素表示xi传输到yj的质量,||xiR-yj||2表示xi经过变换矩阵R后的位置到yj的欧氏距离;其中,上述公式中的传输计划矩阵和变换矩阵的最小值可通过交替迭代求解下述两个公式得到:其中,Rk和σk分别表示第k次迭代计算后的变换矩阵和传输计划矩阵,上述的交替迭代过程直至Rk收敛为止。4.根据权利要求3所述的基于最优传输的点云配准方法,其特征在于,在交替迭代求解变换矩阵和传输计划矩阵之前,所述方法还包括:计算初始传输计划矩阵,其中,所述初始传输计划矩阵按照下述方式确定:在传输过程中,若在第二幅点云的所有点中,yj到xi的距离最近,则xi传输本身所有质量到yj,同时,xi传输到第二幅点云中的其它点的质量为0。5.根据权利要求3所述的基于最优传输的点云配准方法,其特征在于,根据奇异值分解算法,按照下述公式求解变换矩阵:其中,SVD(XTσk-1...
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。