【技术实现步骤摘要】
形貌约束的点云数据分阶配准方法
[0001]本专利技术提供一种形貌约束的点云数据分阶配准方法,属于产品逆向工程
技术介绍
[0002]在逆向工程领域,三维扫描设备中主流的光栅式投影设备和双目视觉测量设备在扫描过程中受到扫描视角的限制,通常难以一次性获得完整的数据模型,需变换视角多次扫描,然后采用点云配准方法将多个不同视角的扫描数据即多视角点云统一到同一坐标系中。随着三维扫描设备精度的提高,单次扫描所获得点云的密度越来越大,点云数据量急剧增多,相应的配准时间也随之延长。
[0003]对现有技术文献检索发现,Xu等在学术期刊《ACM International Conference Proceeding Series》2019(06):34-38发表的论文“WSICP:Weighted Scaled Iterative Closest Point Algorithm for Point Set Registration”中对待配准点云对应点对之间的欧氏距离进行加权处理以减少离群点和噪声点对变换矩阵求解过程的影响。Bustos等在学术期刊《IEEE Transactions on Pattern Analysis&Machine Intelligence》2018(40):2868-2882发表的论文“Guaranteed Outlier Removal for Point Cloud Registration with Correspondences”中通过随机采样一致性(Random ...
【技术保护点】
【技术特征摘要】
1.一种形貌约束的点云数据分阶配准方法,其特征在于依次包含以下步骤:(1)以一组递减的平坦形貌阈值约束点云数据,构造点云数据的多分辨率模型;(2)基于点云数据的多分辨率模型进行分阶配准,完成配准过程。2.如权利要求1所述的形貌约束的点云数据分阶配准方法,其特征在于:步骤(1)中,以一组递减的平坦形貌阈值约束点云数据,构造点云数据的多分辨率模型,具体步骤为:1)设一组递减的形貌阈值为{ε1,ε2,
…
,ε
m
},点云数据P,以ε1为阈值,采用递归分割将P分割为Q1={Q
11
,Q
12
,
…
,Q
1n
};2)i
←
1,j
←
1;3)构造Q
ij
的协方差矩阵Cov(Q
ij
)并进行特征值分解,获得最小特征值ε
ij
,用Q
ij
的核心点x
ij
在{Q1,Q2,
…
,Q
i
}中代替Q
ij
,其中Q
ij
的核心点x
ij
为Q
ij
中距离质心最近的点;4)若ε
ij
≤ε
i
,则Q
ij
作为x
ij
的子域,否则采用步骤1)中递归分割算法对Q
ij
进行再次分割,将所得结果作为x
ij
的子域,;5)j
←
j+1;6)重复步骤3)到步骤5),直至j=|Q
i
|,其中|Q
i
|为Q
i
中子集的数目;7)i
←
i+1;8)重复步骤3)到步骤7),直至i=m,获得多分辨率模型Q={Q1,Q2,
…
,Q
m
}。...
【专利技术属性】
技术研发人员:孙殿柱,林伟,李延瑞,沈江华,
申请(专利权)人:山东理工大学,
类型:发明
国别省市:
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。