一种低重叠率的点云配准方法技术

本发明专利技术公开了一种低重叠率的点云配准方法，包括以下步骤：步骤1：获取源点云和目标点云；步骤2：利获取的源点云和目标点云进行降采样，分别得到点云A和点云B；步骤3：分别将点云A和点云B分割成多个局部区域；步骤4：进行初步匹配，通过4PCS算法选择对应的四点全等集合；步骤5：选择局部区域最优的变换；步骤6：构造局部区域的匹配置信度系数，枚举计算所有局部区域匹配情况，对其进行排序，选择置信度系数最高的局部区域；步骤7：利用LMedS采样一致性算法进行配准，得到最终刚性变换矩阵，完成点云配准；本发明专利技术可保证在重叠率较低的情况下仍具有较好的配准精度。

【技术实现步骤摘要】
一种低重叠率的点云配准方法
本专利技术涉及三维重建
，具体涉及一种低重叠率的点云配准方法。
技术介绍
近年来，随着传感器技术的日益成熟与计算机计算性能的提高，三维扫描硬件设备不断发展，Kinect传感器的出现使得广大研究者有了更加廉价的三维点云数据获取方式；由于三维扫描设备自身的扫描角度有限，每次扫描只能测量物体的一部分点云数据；但在实际应用中通常需要被测物体完整的点云数据；这就需要通过点云配准将从不同视角扫描得到物体的三维点云数据变换到同一个坐标系下；根据各个视角的点云估算出不同视角点云之间的变换关系，这一过程就是点云配准。点云配准是三维重建的重要环节，在逆向工程、计算机视觉、机器人即时定位与建图、3D扫描、数字考古等领域均有广泛的应用；经典ICP算法是目前应用最广泛的点云配准算法，但传统的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，并不能保证收敛到全局最佳结果。
技术实现思路
本专利技术针对现有技术存在的问题提供一种基于全局的低重叠率的点云配准方法。本专利技术采用的技术方案是：一种低重叠率的三维点云配准方法，包括以下步骤：步骤1：获取源点云和目标点云；步骤2：利用体素化网格方法分别对步骤1获取的源点云和目标点云进行降采样，分别得到点云A和点云B；步骤3：利用基于颜色的区域生长分割算法，分别将点云A和点云B分割成多个局部区域；步骤4：枚举步骤3得到的点云A和点云B的分割结果，进行初步匹配，通过4PCS算法选择对应的四点全等集合；步骤5：根据最大公共点集准则，选择局部区域最优的变换；步骤6：根据步骤5的结果构造局部区域的匹配置信度系数，枚举计算所有局部区域匹配情况，对其进行排序，选择置信度系数最高的局部区域；步骤7：对步骤6中选择的局部区域中的点云，利用LMedS采样一致性算法进行配准，得到最终刚性变换矩阵，完成点云配准。进一步的，所述步骤1中获取源点云和目标点云的方法如下：保持场景中的待测物体静止不动，分别从两个不同视角V1和V2采集RGB点云数据；保证两帧点云之间存在重合区域；其中视角V1采集到的点云作为源点云，视角V2采集到的点云作为目标点云。进一步的，所述步骤4中具体计算过程如下：S1：对点云A的分割结果集{A1，A2，…Am，…AM}和点云B分割结果集{B1，B2，…Bn，…BN}中的每个分割区域排列组合，实现局部点云的匹配；在点云A的分割结果集中的一个局部点云Am中选择共面四点基；其中，m＝1，2，3…M，M为点云A分割后的时簇数目；M为点云A分割后的时簇数目；其中：n＝1，2，3…N，N为点云B分割后的时簇数目；从Am中随机选取三个点a、b、c，根据这三点确定的平面上，选择第四个点d，这四个点构成的集合就是点云Am的共面四点基V；S2：计算a、b、c和d构成的线段ab、cd的交比r1和r2；a′、b′、c′、d′表示点云Bn中满足全等共面点仿射不变性条件的四点组合，e′为线段a′b′、c′d′的交点，任选一点作为原点，将点a、b、c、d、a′、b′、c′、d′、e′均使用向量的形式表示；S3：在点云B的分割结果集中查询在一定误差允许范围内与共面四点基V交比相等的全等四点集；针对点云B的分割结果集中所有的点，计算他们两两之间线段的和匹配所有线段的e1和e2，若和之间的差值小于一定的阈值，则此时e1和e2分别对应的两组点对即构成一个全等四点集；求出误差允许范围内点云B分割结果集中所有的四点全等集U≡{U1,U2,U3…UI}；其中和为满足上式向量，和为对应a、b定义的向量，e1和e2为点云B分割结果集中对应线段的交点。进一步的，所述步骤5中局部最优的变换计算过程如下：根据步骤4计算得到分割后的点云集，满足条件的四点全等集合U≡{U1,U2,U3…UI}，对于每一个Ui，根据V和Ui之间的关系通过奇异值分解，求出刚性变换矩阵Ti；其中：i＝1，2，3…I，I为U中的点集数目，将Am中所有点逐个利用Ti回带，求出与Bn中对应点的距离，若距离＜δ则认为满足条件；所有满足条件的点构成集合Am_max；——求出V与所有Ui的对应刚性变换矩阵，将使Am_max中点数最多时对应的Ti作为该局部区域的最优刚性变换矩阵。进一步的，所述步骤6中的置信度系数λmn计算方法如下：式中：size(Am)为源局部区域点云Am中元素数量，size(Am_max)为Am_max中元素的数量。进一步的，所述步骤7的计算过程如下：S11：假设步骤6得到的局部区域为Ax和Bx，其中Ax为点云A中的局部区域，Bx为点云B中对应的区域；逐个计算点云Ax中的点与Bx中所有点之间的距离，选择距离最小的点作为对应点，构成对应点对集合C；S12：在步骤S11中得到的集合C中随机选择出3组对应点，计算这两个局部区域点云之间的变换矩阵S；S13：依次计算点云Ax中的点在变换矩阵S作用下与Bx中对应点的偏差，将所有偏差排序，记录其中位数Med；S14：重复步骤S11～S13，Y次，从Y个Med值中选取最小的一个，其对应的变换矩阵即为最终变换矩阵，完成点云配准。本专利技术的有益效果是：(1)本专利技术克服了点云重叠率低时以往算法失效的问题，给出了一种点云重叠率较小的情况的配准方法；(2)本专利技术利用在室内场景中有很大辨别力的颜色特征进行分块，首先寻找出大场景中的重叠部分，仅使用重叠部分进行点云配准可减少错误对应点的数量，从而提高配准精度。附图说明图1为本专利技术流程示意图。图2为本专利技术中点云数据采集效果图。图3为本专利技术中基于颜色的区域生长的点云分割效果图。图4为本专利技术中选取点云Am的共面四点基。图5为本专利技术全等共面点仿射不变性示意图。图6为本专利技术在点云Am中提取的仿射不变四点全等基及交比示意图。图7为本专利技术在点云Bn查询基对应的四点全等集。具体实施方式下面将结合附图和具体实施例对本专利技术做进一步说明。如图1所示，一种低重叠率的三维点云配准方法，包括以下步骤：步骤1：获取源点云和目标点云；使用KinectV2深度相机对待测室内场景进行测量，保持场景中的物体静止不动；分别从两个不同视角V1、V2针对同一待测物体采集RGB点云数据，保证两帧点云之间存在重合区域；视角V1采集到的点云作为源点云source，视角V2采集到的作为目标点云target；RGB点云不仅包含结构信息，还包含点云的颜色信息；采集效果如图2所示；矩形框选的地方表示两帧点云的大致重叠区域。步骤2：利用体素化网格方法分别对步骤1获取的源点云和目标点云进行降采样，分别得到点云A和点云B；通过原始的RGB点云创建一个三维体素栅格，使用每个体素中所有点的重心来近似显示体素中其他点，使用体素中所有点RGB的中值来近似代表整个体素的RGB值；这样将可以将该体素体内所有点用一个重心点最终表示，从而实现降采样的目的；源点云source经过体素化网格降采样得到RGB点云A，目标点云target经过体素化网格降采样得到RGB点云B。步骤3：利用基于颜色的区域生长分割算法，分别将点云A和点云B分割成多个局部区域；首先，分别对点云A和点云B进行过分割，在分割之后，尝试合并具有接近颜色的簇；将平均颜色之间具有小差异的两个相邻聚类合并在一起；然后进行第二次合并；再此步骤中，每个本文档来自技高网...

【技术保护点】
1.一种低重叠率的三维点云配准方法，其特征在于，包括以下步骤：步骤1：获取源点云和目标点云；步骤2：利用体素化网格方法分别对步骤1获取的源点云和目标点云进行降采样，分别得到点云A和点云B；步骤3：利用基于颜色的区域生长分割算法，分别将点云A和点云B分割成多个局部区域；步骤4：枚举步骤3得到的点云A和点云B的分割结果，进行初步匹配，通过4PCS算法选择对应的四点全等集合；步骤5：根据最大公共点集准则，选择局部区域最优的变换；步骤6：根据步骤5的结果构造局部区域的匹配置信度系数，枚举计算所有局部区域匹配情况，对其进行排序，选择置信度系数最高的局部区域；步骤7：对步骤6中选择的局部区域中的点云，利用LMedS采样一致性算法进行配准，得到最终刚性变换矩阵，完成点云配准。

【技术特征摘要】
1.一种低重叠率的三维点云配准方法，其特征在于，包括以下步骤：步骤1：获取源点云和目标点云；步骤2：利用体素化网格方法分别对步骤1获取的源点云和目标点云进行降采样，分别得到点云A和点云B；步骤3：利用基于颜色的区域生长分割算法，分别将点云A和点云B分割成多个局部区域；步骤4：枚举步骤3得到的点云A和点云B的分割结果，进行初步匹配，通过4PCS算法选择对应的四点全等集合；步骤5：根据最大公共点集准则，选择局部区域最优的变换；步骤6：根据步骤5的结果构造局部区域的匹配置信度系数，枚举计算所有局部区域匹配情况，对其进行排序，选择置信度系数最高的局部区域；步骤7：对步骤6中选择的局部区域中的点云，利用LMedS采样一致性算法进行配准，得到最终刚性变换矩阵，完成点云配准。2.根据权利要求1所述的一种低重叠率的三维点云配准方法，其特征在于，所述步骤1中获取源点云和目标点云的方法如下：保持场景中的待测物体静止不动，分别从两个不同视角V1和V2采集RGB点云数据；保证两帧点云之间存在重合区域；其中视角V1采集到的点云作为源点云，视角V2采集到的点云作为目标点云。3.根据权利要求1所述的一种低重叠率的三维点云配准方法，其特征在于，所述步骤4中具体计算过程如下：S1：对点云A的分割结果集{A1，A2，…Am，…AM}和点云B分割结果集{B1，B2，…Bn，…BN}中的每个分割区域排列组合，实现局部点云的匹配；在点云A的分割结果集中的一个局部点云Am中选择共面四点基；其中，m＝1，2，3…M，M为点云A分割后的时簇数目；M为点云A分割后的时簇数目；其中：n＝1，2，3…N，N为点云B分割后的时簇数目；从Am中随机选取三个点a、b、c，根据这三点确定的平面上，选择第四个点d，这四个点构成的集合就是点云Am的共面四点基V；S2：计算a、b、c和d构成的线段ab、cd的交比r1和r2；a′、b′、c′、d′表示点云Bn中满足全等共面点仿射不变性条件的四点组合，e′为线段a′b′、c′d′的交点，任选一点作为原点，将点a、b、c、d、a′、b′、c′、d′、e′均使用向量的形式表示；S3：在...

【专利技术属性】
技术研发人员：张祖涛，席超星，梁福健，肖俊，韩磊，朱勉宽，吴镭，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川,51