【技术实现步骤摘要】
基于层次化闭合环约束的多视点云全局优化配准方法
[0001]本专利技术属于计算机视觉和激光扫描数据处理的交叉领域,尤其涉及点云数据预处理,多视点云配准,针对激光点云测量数据处理自动化研究。
技术介绍
[0002]激光扫描测量技术是获取三维目标空间信息的重要手段,利用激光测距的原理创建被测目标几何表面的点云,通过记录大量的密集点的空间坐标、色彩纹理和反射强度等信息,可快速重建被测目标的三维实体及线、面、体等各种模型基元数据。随着三维点云获取技术的发展与推广,用户可以快捷地获取场景目标的多分辨率、多尺度、多时态点云数据。其中,手持式激光扫描仪具有良好的便携性、较高的几何精度(亚毫米级),可快速地完成准确、高分辨率的三维扫描,在精密零部件测量、文化遗产数字化保护等应用中发挥着重要作用,为多尺度、多场景目标的三维空间信息获取提供了强有力的技术支撑。
[0003]三维点云记录了目标的全方位几何、属性信息,其对细节的描述也十分精确,但点云的高密度、海量、空间无序性以及场景中三维目标的数据不完整性,目标间的重叠性、遮挡性、相似性等现象给手持激光点云要素提取和增强带来了巨大的挑战。因此需要对多视点云数据进行拼接与配准,从而获取完整的目标点云,兼顾场景的宏观信息和细节特征。对于存在不同程度噪声干扰、大范围对称区域的大尺度点云,迫切需要一种鲁棒、高效、普适的算法来获得全局最优的配准结果,为后续点云分类分割、目标提取、曲面重建等处理过程提供便利。
技术实现思路
[0004]本专利技术针对不同扫描视角产生的配准基元邻 ...
【技术保护点】
【技术特征摘要】
1.基于层次化闭合环约束的多视点云全局优化配准方法,其特征在于,包括以下步骤:步骤1,选定基准点云坐标系;首先,读取多视点云文件、基于特征一致性和几何一致性提取的同名特征点对信息以及闭合环粗差探测后的成对配准结果;然后对输入的多视点云,采用同名特征点对数衡量点云之间的配准关系强弱,将相应同名特征点数量定义为全局点云连通图中相应节点之间的边缘权重;继而,判断配准关系是否足够稳健,当同名特征点对数少于给定最小点对集合数,则认为点云之间的配准关系弱并给予拒绝,否则接纳配准关系;最后,计算连通图各节点的边权值之和,并按照降序排列,以边权值之和最大的节点作为根节点,即边权值之和最大节点代表的点云为基准点云;步骤2,层次化遍历闭合环;首先,对步骤1确定的根节点各边按权值从大至小遍历;若边不构成闭合环,则根据输入的成对配准结果与根节点进行配准;若边构成闭合环,则重新调整局部配准中的空间变换误差,进行闭合环误差重分配;步骤3,闭合环误差重分配;构成闭合环的点云P
i
、P
j
和P
k
两两之间分别存在同名特征点对,由特征一致性约束和几何一致性检验得P
i
和P
j
之间的同名特征点对BSC
i
和BSC
j
,满足条件方程(1):BSC
i
=R
i
→
j
BSC
j
+T
i
→
j
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)同理,P
j
和P
k
之间的同名特征点对BSC
j
和BSC
k
,P
i
和P
k
之间的同名特征点对BSC
′
i
和BSC
′
k
,分别满足条件方程(2)和(3):BSC
j
=R
j
→
k
BSC
k
+T
j
→
k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)其中BSC
′
j
为P
k
中BSC
′
k
在P
j
中对应的虚拟同名特征点;对以上三组方程整理并构造法方程(4),采用联合平差法迭代计算出两组旋转矩阵R
i
→
j
、R
j
→
k
和平移矩阵T
i
→
j
、T
j
→
k
,其中观测值为同名特征点对,未知数由旋转角Δω...
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。