一种基于标定球的点云自配准方法技术

本发明专利技术公开一种基于标定球的点云自配准方法，采用基于标定球的方法进行点云配准，以标定球作为同名控制点，使用Kinectv3深度传感器多角度拍摄目标物体及标定球，获取表面点云信息，通过点云处理，最终实现目标物体模型建立。本发明专利技术基于公共重叠区域的配准方法比较，能够进行大角度的点云配准，对两片点云重叠度要求不高，适合在复杂多变的环境作业，且提出了可以自动的匹配同名点的方法，省去了人工操作，使得整个配准过程更加的自动化。

【技术实现步骤摘要】
一种基于标定球的点云自配准方法
本专利技术属于点云处理
，特别是涉及一种基于标定球的点云自配准方法。
技术介绍
目前点云获取的方法有三种，分别是双目视觉、飞行时间、结构光。(1)双目视觉是三类中唯一的被动测量装置，它本质上是两个完全相同的相机，摆放在不同的角度拍摄同一场景，因其放置位置不同，拍摄的图像有略微的区别，然后通过解析两个场景之间的差异，最终推得图像中各点的深度信息。双目视觉装置价格便宜，但精度很低，在理想情况下，想要得出像素点的空间位置，需要对这两个相机进行完美的校准，但事实上，这种校准工作在现实情况下是无法实施的，光线、角度、透镜光心等因素影响都会使其失效。此外，由于双目视觉算法在运行之初需要检测图像中的感兴趣点，对于纹理简单、场景单一的对象，结果不理想。(2)飞行时间传感器的工作原理是主动发射一段光脉冲或者光线，经物体反射后，对光脉冲或者光线进行接收由于光速是已知的常数，所以只需计算好时间就可以获得物体的深度信息，这类传感器受光照影响小，结果比较精确。运用此原理的常见的产品有激光雷达、TOF摄像机等。激光雷达经高速旋转，逐点扫描场景。结果相当的精确，但同时也非常的昂贵。近几十年来，在气象学、建筑学等不同的领域得到了广泛的运用，并且激光雷达可以安装在卫星、飞机或机器上。TOF摄像机不像激光雷达那样逐点扫描，而是使用一系列光脉冲像网一样打在物体身上，每一帧打一次，其测量精度约为1cm；(3)结构光传感器的工作方式是在场景中投射出网格状的光线，当从不同角度接收光线时，就会出现光格扭曲的现象，通过解析这种“失真”便可以得出深度信息，重建出表面。在上个世纪80年代，点云配准技术开始兴起。ICCV(InternationalConferenceonComputerVison)在2005年为点云配准的研究单独开设了题目。点云配准从步骤上来区分，分为粗配准和精配准。点云的粗配准方法分为两类：第一，基于标定物的点云配准；第二，基于重叠区域的点云配准。第一种方法将标定物作为特征点，通过提取各角度标定物确定特征点对，从而解出旋转平移矩阵。第二种方法不需要标定物，而是目标点云的几何特征确定与源点云的对应关系，利用特征对应关系解出旋转平移矩阵。点云的精配准是在源点云与目标点云有一定的初始位姿后执行，进一步配准点云，得到一个最优化的配准结果。在点云精配准领域最经典的算法是由Besl等人提出的最近点迭代算法(IterativeClosestPoint,ICP)。该算法为基于最小二乘法的最优估计算法，在目标点集和源点集之间重复搜寻最优刚体变换，直到满足收敛条件。三维点云经深度传感器扫描过后的数据量巨大，整个配准过程仍然会消耗较长时间；基于特征配准的源点云与目标点云之间，需要有较大的公共重叠区域，才能使得结果良好；基于标定物进行三维点云配准的方法中，在提取了标定物的特征后，缺乏自动匹配特征点对的方法，整体流程不够自动化。
技术实现思路
为了解决上述技术问题，本专利技术提供一种基于标定球的点云自配准方法，具体包括以下步骤：S1、构建用于驱动Kinectv3深度传感器的点云采集平台，然后使用Kinectv3深度传感器多角度拍摄目标物体及标定球，并利用所述点云采集平台获取目标物体表面原始点云数据；S2、对采集的原始点云数据进行预处理；S3、基于随机抽样一致性算法，在滤波后的点云数据中提取出标定球球面的点云；S4、采用最小二乘法得到所述标定球的球心坐标；S5、基于距离信息的点集自动匹配方法，自动匹配不同角度的相同球的球心坐标；S6、将所述S5得到的不同角度的相同球的球心坐标进行SVD分解，解出旋转平移矩阵，利用旋转平移矩阵进行位姿变换，实现点云配准。优选地，所述点云采集平台，包括：硬件平台和软件平台；所述软件平台，包括：数据采集模块、键盘事件模块、数据处理模块、可视化模块、数据存储模块。优选地，所述数据采集模块采用多线程编程技术进行搭建；所述数据处理模块采用小孔相机模型将二维点云数据转换为三维点云数据；所述键盘事件模块是基于OpenGL内置的函数进行开发的；所述可视化模块是基于OpenGL图形渲染进行管线开发的；所述数据存储模块保存5种数据到电脑硬盘上，分别是RGBA32位彩图、8位深度图、16位深度图、含颜色的PLY格式点云、不含颜色的PLY格式点云。优选地，所述S1具体为：S1.1、使用C++语言编程技术构建用于驱动Kinectv3深度传感器的点云采集平台；S1.2、将4个标定球按照其球心之间的距离两两不相等原则进行摆放；S1.3、利用Kinectv3深度传感器分别从5个方向对目标物体的表面进行定片拍摄，然后利用所述点云采集平台随拍摄的图像进行处理，并保存其彩色图像、深度图像以及原始点云数据。优选地，所述S1.2具体为：将标定球支撑到离地约1m-2m处，按俯视图方向查看标定球摆放，将球1、球2、球3、球4分别按90度的角度坐落于目标物体的4个方向，植株的外接圆半径为r，球1球4落在以目标物体为圆心半径为3r的圆轨道上，球2球3落在以目标物体为圆心半径为2r的圆轨道上，球1球2高度为0，球3为h，球4为2h，保证各球心之间的距离两两不等。优选地，所述S1.3具体为：利用Kinectv3深度传感器分别从5个方向对目标物体进行定点拍摄，以第一次拍摄角度为0°，顺时针旋转，间隔90°拍摄一次，水平方向拍摄完成后，垂直于目标物体向下进行垂直的拍摄，补齐顶部的表型数据，最后利用点云采集平台对拍摄的数据进行处理，并保存其彩色图像、深度图像以及原始点云数据。优选地，所述S2具体为：S2.1、采用直通滤波将原始点云数据中的背景点云去除，并采用统计滤波将原始点云数据中的除噪点和离群点去除；S2.2、基于信息量的下采样算法，对滤波后的点云数据的数据量进行降低。优选地，所述S3具体为：S3.1、随机抽取处理后的点云数据中的点作为局内点，利用所述局内点计算球模型中的所有参数；S3.2、将未被抽取的点输入所述球模型中进行验证，将符合要求的也归为局内点；S3.3、将所有局内点对所述球模型进行重新估计；计算重新估计的球模型与理想球模型之间的误差，并利用所述误差对所述重新估计的球模型进行打分；S3.4、重复所述步骤S3.1～S3.3，直到达到迭代次数，得到得分符合要求的估计球模型和得分最高的估计球模型。与现有技术相比，本专利技术的有益效果在于：本专利技术能够进行大角度的点云配准，对两片点云重叠度要求不高，适合在复杂多变的环境下作业，且提出了可以自动的匹配同名点的方法，省去了人工操作，使得整个配准过程更加的自动化。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他本文档来自技高网...

【技术保护点】
1.一种基于标定球的点云自配准方法，其特征在于，具体包括以下步骤：/nS1、构建用于驱动Kinect v3深度传感器的点云采集平台，然后使用Kinect v3深度传感器多角度拍摄目标物体及标定球，并利用所述点云采集平台获取目标物体表面原始点云数据；/nS2、对采集的原始点云数据进行预处理；/nS3、基于随机抽样一致性算法，在滤波后的点云数据中提取出标定球球面的点云；/nS4、采用最小二乘法得到所述标定球的球心坐标；/nS5、基于距离信息的点集自动匹配方法，自动匹配不同角度的相同球的球心坐标；/nS6、将所述S5得到的不同角度的相同球的球心坐标进行SVD分解，解出旋转平移矩阵，利用旋转平移矩阵进行位姿变换，实现点云配准。/n

【技术特征摘要】
1.一种基于标定球的点云自配准方法，其特征在于，具体包括以下步骤：
S1、构建用于驱动Kinectv3深度传感器的点云采集平台，然后使用Kinectv3深度传感器多角度拍摄目标物体及标定球，并利用所述点云采集平台获取目标物体表面原始点云数据；
S2、对采集的原始点云数据进行预处理；
S3、基于随机抽样一致性算法，在滤波后的点云数据中提取出标定球球面的点云；
S4、采用最小二乘法得到所述标定球的球心坐标；
S5、基于距离信息的点集自动匹配方法，自动匹配不同角度的相同球的球心坐标；
S6、将所述S5得到的不同角度的相同球的球心坐标进行SVD分解，解出旋转平移矩阵，利用旋转平移矩阵进行位姿变换，实现点云配准。


2.根据权利要求1所述的基于标定球的点云自配准方法，其特征在于，所述点云采集平台，包括：硬件平台和软件平台；所述软件平台，包括：数据采集模块、键盘事件模块、数据处理模块、可视化模块、数据存储模块。


3.根据权利要求2所述的基于标定球的点云自配准方法，其特征在于，所述数据采集模块采用多线程编程技术进行搭建；所述数据处理模块采用小孔相机模型将二维点云数据转换为三维点云数据；所述键盘事件模块是基于OpenGL内置的函数进行开发的；所述可视化模块是基于OpenGL图形渲染进行管线开发的；所述数据存储模块保存5种数据到电脑硬盘上，分别是RGBA32位彩图、8位深度图、16位深度图、含颜色的PLY格式点云、不含颜色的PLY格式点云。


4.根据权利要求1所述的基于标定球的点云自配准方法，其特征在于，所述S1具体为：
S1.1、使用C++语言编程技术构建用于驱动Kinectv3深度传感器的点云采集平台；
S1.2、将4个标定球按照其球心之间的距离两两不相等原则进行摆放；
S1.3、利用Kinectv3深度传感器分别从5个方向对目标物体的表面进行定片拍摄，然后利用所述点云采集平台随拍摄的图像进行处理，...

【专利技术属性】
技术研发人员：李修华，何嘉西，张诗敏，吕雪刚，
申请(专利权)人：广西大学，
类型：发明
国别省市：广西;45