【技术实现步骤摘要】
基于弱色差信息的高精度RGB-D点云拼接方法和系统
本专利技术属于计算机视觉与图像处理领域，尤其是三维点云拼接技术。
技术介绍
随着三维扫描设备的广泛应用，点云数据受到越来越多的重视，它可以广泛地应用在工业的自动检测、零件的加工监控、生物复制、3D电影动画、文物保护等众多领域。点云应用过程中，点云拼接技术是其重要环节，也是难点之一。点云拼接就是将不同角度不同时间点采集到的数据统一到同一个世界坐标系下的过程，而点云拼接的好坏，直接影响了后续的数据分析。目前市面上常用的点云拼接的方法是将粗配准和精配准结合起来，利用粗配准将不同的坐标系下的点云数据统一到同一坐标系下，使其图形大致重合，为精确拼接提供良好初值，而精配准进一步消除粗拼接中的偏差，形成一副完整的三维模型。精配准技术应用的最为广泛的是最近点迭代算法(ICP),但这种方法对点云拼接的初始拼接位置有较高要求，容易造成局部最优的情况。针对上述情况，技术人员进行了多方的探索，提出了多种方案，但是在自动化程度、稳定性和拼接精度等方面还存在一些问题。专...
【技术保护点】
1.基于弱色差信息的高精度RGB-D点云拼接方法，其特征在于，包括如下步骤：/n步骤1、采用粗匹配方法计算两个待拼接点云的位姿关系矩阵；/n步骤2、基于弱色差信息进行点云匹配，计算点云的新的位姿关系矩阵；/n步骤3、基于所述新的位姿关系矩阵进行点云拼接。/n
【技术特征摘要】
1.基于弱色差信息的高精度RGB-D点云拼接方法，其特征在于，包括如下步骤：
步骤1、采用粗匹配方法计算两个待拼接点云的位姿关系矩阵；
步骤2、基于弱色差信息进行点云匹配，计算点云的新的位姿关系矩阵；
步骤3、基于所述新的位姿关系矩阵进行点云拼接。
2.根据权利要求1所述的基于弱色差信息的高精度RGB-D点云拼接方法，其特征在于，所述步骤2进一步为：
步骤21、基于步骤1的位姿关系矩阵，将一个待拼接点云变换到另一待拼接点云坐标系；
步骤22、用同样的相机内参数矩阵将两个待拼接点云分别投射为2D的RGB图像；
步骤23、计算一个待拼接点云中各像素点的2DRGB图像各通道的纵横梯度，获得像素点的2D描述子a，并比较各2D描述子与梯度阈值向量b的关系，若(a-b)i＞0,i＝1,2,...6，则该点为有效点；
步骤24、依次将一个待拼接点云中的所述有效点与另一待拼接点云的2DRGB图像中对应点进行像素值最优匹配，建立多对一的弱色差匹配点集；
步骤25、基于上述弱色差匹配点集，根据各匹配点的三维坐标，计算点云的新的位姿关系。
3.根据权利要求2所述的基于弱色差信息的高精度RGB-D点云拼接方法，其特征在于，所述步骤24进一步为：记待拼接点云为C1和C2，其投射的2DRGB图像分别为Img1和Img2，记Img1中的有效点坐标为I1(u,v)，在Img2中的(u,v)处取c×c的邻域记作ζ，计算ζ中的像素RGB值与I1(u,v)的RGB值差，差值最小的点即为(u,v)的匹配点，记作I2(u’,v’)，由此建立多对一的弱色差匹配点集。
4.根据权利要求3所述的基于弱色差信息的高精度RGB-D点云拼接方法，其特征在于，还包括步骤26：
重复步骤21到步骤25，每重复一次步骤六中的邻域减小两个像素，直到误差满足条件，或者邻域小于3×3。
5.根据权利要求4所述的基于弱色差信息的高精度RGB-D点云拼接方法，其特征在于，2DRGB图像中的像素点记作I(u,v,r,g,b)，其中u,v表示该点的像素坐标，r,g,b为该点的RGB值，则：
6.基于弱色差信息的高精度RGB-D点云拼接方法，其特征在于，包括如下步骤：
记点云中的点为P＝(x,y,z,r,g,b)，其中x,y,z为该点的坐标值，r,g,b为该点的RGB值，则点云可以记为集合{C}＝{P1,P2,P3,P4…}，记两个待拼接点云为C1和C2，点云C1中的点记为1P，点云C2中的点记为2P；
步骤一、使用粗匹配方法计算点云C1和点云C2的位姿关系矩阵B＝[RT]，所使用的粗匹配方法不限，可以利用转台法、特征点匹配法等方法计算，要求粗匹配计算后的姿态角误差小于5度，平移误差小于像素当量的5倍，其中像...
【专利技术属性】
技术研发人员：刘希龙，陈梦娟，顾庆毅，马学健，
申请(专利权)人：中国科学院自动化研究所，中国科学院自动化研究所南京人工智能芯片创新研究院，
类型：发明
国别省市：北京;11
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。