一种基于差分进化算法和TrimmedICP算法的点云配准方法技术

本发明专利技术公开了一种基于差分进化算法和TrimmedICP算法的点云配准方法，TrimmedICP算法可以解决点云配准中重叠率较低的问题，但是需要首先设置很好的旋转矩阵初值和平移矩阵初值，否则会陷入局部最优；差分进化算法可以通过随机方式生成初始种群，并且应用变异、交叉、选择操作使种群分布在所有的范围；两者相结合既解决了选取旋转矩阵和平移矩阵初值的困难问题，又可以获得全局的最优解，以获得精确的配准结果。

【技术实现步骤摘要】
一种基于差分进化算法和TrimmedICP算法的点云配准方法
本专利技术属于计算机图形学、测绘学、逆向工程等领域，涉及一种基于差分进化算法和TrimmedICP算法的点云配准方法。
技术介绍
在物体三维重建领域获取目标表面深度信息常见的有两种方式：一是使用三维激光扫描仪进行全方位扫描，二是通过双目立体视觉方法利用图像匹配获取深度信息。对于前者来说由于物体的复杂性不可能一次扫描获取目标的整体点云数据，对于后者则更是需要从不同角度拍摄双目图片，以获取不同角度的点云信息，这就面临着要处理多测站点云配准问题。多测站点云配准问题就是要将不同位置获得的点云数据对齐合并在一个统一的坐标系下，这类问题可以分解为两两点云的配准问题。目前解决点云配准的方法可以分为两大类：公共点法和迭代最近点(ICP)算法。公共点法要求两个点云间至少有3对的人工标志点或者特征点，可以通过最小二乘法求得转换矩阵参数，但是这种方法需要去单独识别特定的某些标志点并编号记录带来很大的数据复杂度；ICP方法以最近距离标准为基础迭代地分配对应关系，并且获得关于两个点云的刚性变换最小二乘，然后再重新决定对应关系并继续迭代直到到达最小值，这种方式简单计算复杂度较低，但是ICP算法前提要求点云重叠率大于50％，并且要给它设置一个较好的初值才不会使之陷入局部最优解。因此，如何获得一个可以解决点云重叠率较小情况下的高效、精确的点云配准方法是目前三维重建过程中亟待解决的问题。
技术实现思路
本专利技术的目的是提供可以解决点云重叠率较小情况下的一种高效、精确的基于差分进化算法和TrimmedICP(裁剪迭代最近点)算法的点云配准方法。为了实现上述专利技术目的，本专利技术采用如下技术方案：一种基于差分进化算法和TrimmedICP算法的点云配准方法，包括如下步骤：(1)对于参考点云D和配准点云M，设置差分进化算法的参数，包括种群大小pop、交叉概率CR、最大进化代数Ng、缩放因子F、终止阈值T，以及TrimmedICP算法参数包括的修剪阈值下界TrMin和修剪阈值上界TrMax；(2)初始化种群，随机生成式中xj,i(0)表示第0代的第i个个体的第j个基因，表示第i个个体的第j个基因的上界，表示第i个个体的第j个基因的下界，rand(0,1)表示在(0,1)区间随机数；(3)利用TrimmedICP算法由初始种群得到精确变换参数R0′和t0′，其中R0′表示由初始种群得到的配准点云M进行变换的旋转矩阵，t0′表示由初始种群得到的配准点云M进行变换的平移矩阵；(4)将配准点云M中的点进行一次空间变换D′＝R0′M+t0′，然后求出此时的最优配准代价Cost(0)，其中D′表示点云M经过变换得到的点云，Cost(0)表示由初始种群得到的最优配准代价；(5)对此时的种群进行变异操作，随机选取种群中不同的两个个体，将其向量差缩放后与待变异个体进行向量合成：vi(g+1)＝xr1(g)+F·(xr2(g)-xr3(g))，其中i≠r1≠r2≠r3；式中，vi(g+1)表示经过变异产生的第g+1代中第i个变异中间体，F表示缩放因子，xr1(g)表示第g代种群中第r1个个体，xr2(g)表示第g代种群中第r2个个体，xr3(g)表示第g代种群中第r3个个体；(6)对此时的种群和变异中间体进行交叉操作：式中，uj,i(g+1)表示经过交叉操作产生的第g+1代中第i个交叉中间体的第j个基因，vj,i(g+1)表示第g+1代中第i个变异中间体的第j个基因，xj,i(g)表示第j代种群中第i个个体的第j个基因，CR表示交叉概率，jrand表示[1,2，…，pop]的随机整数。(7)对此时的种群和交叉中间体进行选择操作：首先求取输入为ui(g+1)时的最优配准代价和输入为xi(g)时的最优配准代价，根据两个最优配准代价的大小关系选择进入下一代的个体，式中，xi(g+1)表示经过选择之后得到的g+1代种群第i个个体，ui(g+1)表示第g+1代第i个交叉中间体，xi(g)表示第g代种群第i个个体，f表示求取最优配准代价的函数，f(ui(g+1))表示输入为ui(g+1)时的最优配准代价，f(xi(g))表示输入为xi(g)时的最优配准代价；(8)把(7)中生成的第g+1代种群作为初值，利用TrimmedICP算法得到精确变换参数Rg+1′和tg+1′，其中Rg+1′表示得到的配准点云M进行变换的精确旋转矩阵，tg+1′表示得到的配准点云M进行变换的精确平移矩阵；(9)将配准点云M中的点进行一次空间变换D′＝Rg+1′M+tg+1′，然后求出g+1代的最优配准代价Cost(g+1)，其中D′表示点云M经过变换得到的点云。(10)判断是否满足终止条件：终止条件为第g代和第g+1代种群最优配准代价差值小于设置的阈值T或者代数达到设置的最大代数Ng；若满足终止条件则进入(11)，若不满足则返回步骤(5)；(11)输出g+1代最优配准代价以及精确变换参数Rg+1′和tg+1′。所述步骤(4)、步骤(7)和步骤(9)中求取最优配准代价的具体步骤是：1)输入旋转矩阵初值Ri和平移矩阵初值ti，经过TrimmedICP算法处理获得了配准点云M进行精确配准所需要的精确旋转矩阵Ri′和精确平移矩阵ti′；2)建立变换方程：D′＝MRi′+ti′，式中，D′为M经过变换得到的点云；3)对于D′中的每一个点寻找距离参考点云D中最近的点，以欧式距离作为这个点的配准代价，则整体点云的最优配准代价：式中，Cost表示点云最优配准代价，z表示点云D′中的任意一点，zclose表示点云D中距离点z空间最近的点，||z-zclose||2表示点z和点zclose之间欧氏距离。本专利技术具有以下有益效果：本专利技术应用差分进化算法和TrimmedICP算法相结合的方式去解决点云配准的问题。TrimmedICP算法可以解决点云配准中重叠率较低的问题，但是需要首先设置很好的旋转矩阵初值和平移矩阵初值，否则会陷入局部最优；差分进化算法可以通过随机方式生成初始种群，并且应用变异、交叉、选择操作使种群分布在所有的范围。两者相结合既解决了选取旋转矩阵和平移矩阵初值的困难问题，又可以获得全局的最优解，以获得精确的配准结果。附图说明图1为基于差分进化算法和TrimmedICP算法的点云配准方法流程图；图2为TrimmedICP算法流程图；图3为差分进化算法流程图；图4为差分进化算法中交叉操作过程示意图；图5(a)(b)为重叠率较低的两个点集在配准后的不同视角结果图；图6(a)为本专利方法和基于粒子滤波的点云配准方法以及基于遗传算法的点云配准方法在平均进化代数上的比较；图6(b)为本专利方法和基于粒子滤波的点云配准方法以及基于遗传算法的点云配准方法在平均耗费时间上的比较；图6(c)为本专利方法和基于粒子滤波的点云配准方法以及基于遗传算法的点云配准方法在平均最优配准代价上的比较；具体实施方式下面结合附图对本专利技术做进一步详细描述：如图1所示，对于给定的有一定重叠度的参考点云D和配准点云M，通过初始化操作生成旋转矩阵R0和平移矩阵t0；将初始值R0和t0输入到TrimmedICP算法可以求出在此初值下的精确的旋转矩阵R0′和精确的平移矩阵t0′，但R0′和t0′有可本文档来自技高网...

【技术保护点】
一种基于差分进化算法和TrimmedICP算法的点云配准方法，其特征在于：包括如下步骤：(1)对于参考点云D和配准点云M，设置差分进化算法的参数，包括种群大小pop、交叉概率CR、最大进化代数Ng、缩放因子F、终止阈值T，以及TrimmedICP算法参数包括的修剪阈值下界TrMin和修剪阈值上界TrMax；(2)初始化种群，随机生成

【技术特征摘要】
1.一种基于差分进化算法和TrimmedICP算法的点云配准方法，其特征在于：包括如下步骤：(1)对于参考点云D和配准点云M，设置差分进化算法的参数，包括种群大小pop、交叉概率CR、最大进化代数Ng、缩放因子F、终止阈值T，以及TrimmedICP算法参数包括的修剪阈值下界TrMin和修剪阈值上界TrMax；(2)初始化种群，随机生成式中xj,i(0)表示第0代的第i个个体的第j个基因，表示第i个个体的第j个基因的上界，表示第i个个体的第j个基因的下界，rand(0,1)表示在(0,1)区间随机数；(3)利用TrimmedICP算法由初始种群得到精确变换参数R0′和t0′，其中R0′表示由初始种群得到的配准点云M进行变换的旋转矩阵，t0′表示由初始种群得到的配准点云M进行变换的平移矩阵；(4)将配准点云M中的点进行一次空间变换D′＝R0′M+t0′，然后求出此时的最优配准代价Cost(0)，其中D′表示点云M经过变换得到的点云，Cost(0)表示由初始种群得到的最优配准代价；(5)对此时的种群进行变异操作，随机选取种群中不同的两个个体，将其向量差缩放后与待变异个体进行向量合成：vi(g+1)＝xr1(g)+F·(xr2(g)-xr3(g))，其中i≠r1≠r2≠r3；式中，vi(g+1)表示经过变异产生的第g+1代中第i个变异中间体，F表示缩放因子，xr1(g)表示第g代种群中第r1个个体，xr2(g)表示第g代种群中第r2个个体，xr3(g)表示第g代种群中第r3个个体；(6)对此时的种群和变异中间体进行交叉操作：式中，uj,i(g+1)表示经过交叉操作产生的第g+1代中第i个交叉中间体的第j个基因，vj,i(g+1)表示第g+1代中第i个变异中间体的第j个基因，xj,i(g)表示第j代种群中第i个个体的第j个基因，CR表示交叉概率，jrand表示[1,2，…，pop]的随机整数。(7)对此时的种群和交叉中间体进行选择操作：首先求取输入为ui(g+1)时的最优配准代价和...

【专利技术属性】
技术研发人员：张雪涛，左长乐，王飞，孙继发，姜沛林，杨奔，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西,61