三维模型与点云的配准方法及系统技术方案

本发明专利技术公开了一种三维模型与点云的配准方法及系统，通过对三维模型进行离散和上采样，得到模型点云P，计算点云P和外部点云Q的重心和特征向量，并据此计算粗配准所需旋转矩阵R0和平移向量T0，然后根据旋转矩阵R0和平移向量T0对点云P与点云Q进行粗配准，最后通过Kd‑Tree近邻搜索方法，搜索点云Q中的对应点云集M，并根据距离、法线夹角及曲率差量化计算对应点的对应程度，随后从点云集M中筛选出所有对应点，然后据此计算相应旋转矩阵R1和平移向量T1并对点云Q应用旋转矩阵R1和平移向量T1，计算对应点之间的均方差E，当均方差E满足终止要求时终止迭代，完成精配准，最终实现三维模型与点云的精确配准，降低了对应点选取复杂度，提高了配准精度。

Registration Method and System of 3D Model and Point Cloud

The invention discloses a registration method and system for three-dimensional model and point cloud. By discretizing and sampling the three-dimensional model, the point cloud P of the model is obtained, the center of gravity and eigenvector of point cloud P and external point cloud Q are calculated, and the rotation matrix R0 and translation vector T0 required for rough registration are calculated accordingly. Then the point cloud P and point cloud Q are roughly matched according to the rotation matrix R0 and translation vector T0. Finally, the point cloud P and the point cloud Q are roughly matched according to the rotation matrix R0 and translation vector T Through Kd Tree nearest neighbor search method, the corresponding point cluster M in point cloud Q is searched, and the corresponding degree of corresponding points is calculated quantitatively according to distance, normal angle and curvature difference. Then all corresponding points are screened out from point cluster M. Then the corresponding rotation matrix R1 and translation vector T1 are calculated, and the rotation matrix R1 and translation vector T1 are applied to point cloud Q to calculate the mean variance E between corresponding points. When the mean square error E satisfies the termination requirement, the iteration is terminated and the accurate registration is completed. Finally, the accurate registration between the three-dimensional model and the point cloud is realized, which reduces the complexity of the corresponding point selection and improves the registration accuracy.

【技术实现步骤摘要】
三维模型与点云的配准方法及系统
本专利技术涉及模型配准技术，尤其涉及一种三维模型与点云的配准方法及系统。
技术介绍
随着计算机辅助设计及点云获取设备的快速发展以及在加工领域的广泛应用，模型定位技术通过位置矫正保证了加工精度，其中三维模型与点云的配准在模型定位技术中起到关键作用。通常所说的三维模型与点云的配准实际上就是在相同坐标系下,寻找一个最优的变换矩阵使得三维模型和其对应的点云经过矩阵变换后能尽可能的匹配。现阶段配准大多是直接针对点云与点云的配准，对三维模型与点云的配准研究较少；此外，配准方法中采用的经典ICP算法主要是通过迭代计算点与点距离来确定对应点，这种算法在点云数量较多时耗费时间较长且容易造成局部优化配准现象。
技术实现思路
本专利技术主要目的在于，提供一种三维模型与点云的配准方法及系统，以解决现有技术在三维模型和点云配准过程中存在的对应点选取复杂和配准精度不高的问题。本专利技术是通过如下技术方案实现的：一种三维模型与点云的配准方法，包括：步骤1：将三维模型离散成若干三角面片；步骤2：对各三角面片进行上采样，使所述三维模型中三角面片内的点的总数与外部点云Q中点的总数大致相同，得本文档来自技高网...

【技术保护点】
1.一种三维模型与点云的配准方法，其特征在于，包括：步骤1：将三维模型离散成若干三角面片；步骤2：对各三角面片进行上采样，使所述三维模型中三角面片内的点的总数与外部点云Q中点的总数大致相同，得到模型点云P；步骤3：计算模型点云P和外部点云Q的重心，并对模型点云P和外部点云Q进行主成分分析，得到模型点云P和外部点云Q的特征向量；步骤4：根据模型点云P和外部点云Q的重心以及模型点云P和外部点云Q的特征向量，计算模型点云P与外部点云Q进行粗配准需要的旋转矩阵R0和平移向量T0；步骤5：对所述模型点云P应用所述旋转矩阵R0和平移向量T0，以与外部点云Q进行粗配准；步骤6：通过Kd‑Tree近邻搜索方法...

【技术特征摘要】
1.一种三维模型与点云的配准方法，其特征在于，包括：步骤1：将三维模型离散成若干三角面片；步骤2：对各三角面片进行上采样，使所述三维模型中三角面片内的点的总数与外部点云Q中点的总数大致相同，得到模型点云P；步骤3：计算模型点云P和外部点云Q的重心，并对模型点云P和外部点云Q进行主成分分析，得到模型点云P和外部点云Q的特征向量；步骤4：根据模型点云P和外部点云Q的重心以及模型点云P和外部点云Q的特征向量，计算模型点云P与外部点云Q进行粗配准需要的旋转矩阵R0和平移向量T0；步骤5：对所述模型点云P应用所述旋转矩阵R0和平移向量T0，以与外部点云Q进行粗配准；步骤6：通过Kd-Tree近邻搜索方法，搜索模型点云P中点Pi在外部点云Q中对应的点云集M，分别计算Pi与点云集元素包含元素Mi之间的距离Di、法线夹角αi和曲率差Ki；步骤7：针对计算得到的距离Di、法线夹角αi和曲率差Ki，分别计算三者的平均值，筛除掉值大于均值的点，得到精简后的对应点筛选点云集M1；随后根据这三个参数计算在点云集M1中对应点对应程度δ，取δ最小值为点位Pi的对应点；步骤8：根据查找出的模型点云P和外部点云Q所有的对应点，计算相应的旋转矩阵R1和平移向量T1；步骤9：对所述外部点云Q应用所述旋转矩阵R1和平移向量T1后，计算对应点之间的均方差E，当均方差E满足终止要求时终止迭代，否则返回步骤6。2.如权利要求1所述的三维模型与点云的配准方法，其特征在于，对各三角面片进行上采样的方法包括：计算所述三维模型的面积和S总，并根据外部点云Q中点的总数N点云，求得点云密度ρ＝N点云/S总；分别计算每个三角面片的面积S1，并据此求得每个三角面片中包含的点的个数N1＝S1*ρ，根据每个三角面片中包含的点的个数，将相应数量的点均匀分布在各三角面片中，得到模型点云P。3.如权利要求1所述的三维模型与点云的配准方法，其特征在于，计算模型点云P和外部点云Q的重心的公式为：其中，P重为模型点云P的重心，Q重为模型点云Q的重心。4.如权利要求3所述的三维模型与点云的配准方法，其特征在于，旋转矩阵R0和平移向量T0分别为：T0＝P重-R0*Q重。5.一种三维模型与点云的配准系统，其特征在于，包括：离散模块，用于将三维模型离散成若干三...

【专利技术属性】
技术研发人员：田大将，牟全臣，张仕进，曾继跃，
申请(专利权)人：上海狮迈科技有限公司，上海数设科技有限公司，
类型：发明
国别省市：上海,31