基于空间网格划分的快速点云配准方法、装置和设备制造方法及图纸

本发明专利技术公开了基于空间网格划分的快速点云配准方法、装置和设备，所述方法根据点云数据的空间范围，构建能容纳完整视角点云的三维立体空间，将立体空间依据点云密度划分为多个子空间网格，确立空间网格的序列坐标，将点云序列转化为空间网格序列，解决了点云无序性问题。在点云精配准算法中，ICP方法要依据点云序列查找最近邻点，现有构建点云序列的方法如K

【技术实现步骤摘要】
基于空间网格划分的快速点云配准方法、装置和设备


[0001]本专利技术属于视觉测量
，具体涉及基于空间网格划分的快速点云配准方法、装置和设备。

技术介绍

[0002]在三维测量中，由于测量设备视场有限，加之被测物体外形复杂，单次测量往往无法将物体待测区域覆盖完整，因此需要从不同视角对物体分别进行测量，然后通过点云配准的方式还原被测物体的全视角三维形貌。点云配准可以分为粗配准和精配准两步。粗配准指的是在两幅点云之间的变换完全未知的情况下进行较为粗糙的配准，目的主要是为精配准提供较好的变换初值；精配准则是给定一个初始变换，进一步优化得到更精确的变换。目前应用最广泛的点云精配准算法是迭代最近点算法(Iterative Closest Point,ICP)及其优化算法。
[0003]ICP算法中查找最近点对的过程是整个ICP算法的速度瓶颈，ICP方法要依据点云序列查找最近邻点，目前最主流的ICP算法是将目标点云用K
‑
D树的形式组织，利用K
‑
D树的空间分割特性来加速查找。将目标点云中所有点作为K
‑
D树的节点，其中每输出一个节点都要进行一次排序，且所有节点串行输出，时间复杂度较高。对于数量庞大的点云来说，需要进行高密度计算，迭代求解耗时，在CPU上运行时计算速度慢，影响点云配准效率，无法保证算法的低延时，无法满足实时场景的速度要求。这是ICP算法的一个缺陷，有待针对性研究进行补足。

技术实现思路

[0004]本专利技术提供了基于空间网格划分的快速点云配准方法、装置和设备，解决了点云无序性问题，避免了构建K
‑
D树的时间复杂度，借助硬件并行计算为快速实现ICP点云精配准提供了解决方案。
[0005]为达到上述目的，本专利技术所述基于空间网格划分的快速点云配准方法，包括以下步骤：
[0006]步骤1：根据全视角的点云数据的空间范围，构建能容纳所有视角点云数据的三维立体空间；
[0007]步骤2：确立三维立体空间的坐标原点，依据点云密度，将三维立体空间沿X、Y、Z三个坐标轴划分为多个空间网格，并对每个空间网格进行编号；
[0008]步骤3：将所有视角的点云数据填入空间网格，计算每个视角的点云数据中的每个点落入的空间网格编号；
[0009]步骤4：用落入一个空间网格内的所有点的重心近似代替其他点，保证一个空间网格中至多含有一个点；
[0010]步骤5：对多视角点云数据进行粗配准，得到精配准的位置初值；
[0011]步骤6：对粗配准后的点云数据进行精配准，以最近邻点为点云匹配点，借助空间
网格编号的邻域信息获得点云编号的邻域信息，查询到最近邻点，得到源点云和目标点云之间的最近邻点对；
[0012]步骤7：并行处理计算最近邻点对的协方差矩阵，求解得到源点云的位姿变换矩阵，根据位姿变换矩阵进行位姿调整，得到更新后的源点云，用更新后的源点云进行迭代，当迭代结果达到配准精度或者达到迭代次数上限时，停止迭代，输出配准结果。
[0013]进一步的，步骤3中，计算每个点(x,y,z)落入的空间网格编号(i,j,k)公式为:
[0014][0015]其中，i为在x轴上的索引号，j为在y轴上的索引号，k为在z轴上的索引号，x为点的x轴的坐标，y为点的y轴的坐标，z为点的z轴的坐标，cell
x
为空间网格在x轴方向的尺寸，cell
y
为y轴方向的尺寸，cell
z
为z轴方向的尺寸，(x0,y0,z0)为三维立体空间的坐标原点。
[0016]进一步的，步骤4中，求落在空间网格编号(i,j,k)的所有点的重心公式为：
[0017][0018]其中，P
n
为落在该网格编号的点云数据中的点的坐标；n
ijk
为落在该空间网格的点数；P
ijk
为该空间网格的所有点的重心。
[0019]进一步的，步骤6中，对粗配准后的点云数据进行ICP精配准。
[0020]进一步的，步骤6中，ICP精配准以最近邻点为点云匹配点，将被测物体第一个视角点云数据作为目标点云，另一个视角点云数据作为源点云；借助GPU并行遍历源点云中的每个点去查找在目标点云中的欧氏距离最近邻点，先计算源点云中查询点的空间网格编号，查找该编号网格的邻域网格包含的点，即为该点的邻域点，计算邻域点到查询点的欧氏距离，查询到最近邻点。
[0021]进一步的，步骤7中，采用迭代最近点算法进行迭代。
[0022]进一步的，完成点云精配准后，重合区域的点云存在冗余，借助空间网格进行点云融合，去除冗余点。
[0023]进一步的，进行点云融合时，对落在同一个网格的多个点，用其重心来代替其它点。
[0024]一种点云配准装置，包括：采集模块，用于采集被测物体全视角点云数据，并将采集的全视角点云数据传递至处理模块；处理模块，用于对被测物体全视角点云数据进行配准，得到被测物体的全视角三维形貌。
[0025]一种计算机设备，包括电连接的存储器和处理器，所述存储器上存储有可在处理器上运行的计算程序，所述处理器执行所述计算程序时，实现上述的方法的步骤。
[0026]与现有技术相比，本专利技术至少具有以下有益的技术效果：
[0027]本专利技术所述的方法根据点云数据的空间范围，构建能容纳完整视角点云的三维立体空间，将立体空间依据点云密度划分为多个空间网格，确立空间网格的序列坐标，将点云序列转化为空间网格序列，解决了点云无序性问题，给点云数据每个点一个空间索引序列
号，方便查找邻域信息。
[0028]通过划分空间网格，借助网格序列的邻域信息获得点云序列的邻域信息，降低构建点云序列的时间复杂度，加快点云邻域信息的搜索，确定最近邻点信息，并且划分网格后，并且各个网格之间查询互不干扰，可以借助GPU并行处理加速查找，加快点云邻域信息的搜索，确定最近邻点信息，极大提高了点云配准速度。
[0029]进一步的，同时借助GPU并行处理计算最近邻点对的协方差矩阵，求解得到源点云的位姿变换矩阵；ICP求得最优解需要迭代过程，并行处理大大提高了处理效率，极大提高了点云配准速度。
附图说明
[0030]图1为本申请实施例提供的基于空间网格划分的最近邻点查询的流程图；
[0031]图2a为被测物体第一个视角的图像；
[0032]图2b为被测物体第二个视角的图像；
[0033]图3a为被测物体第一个视角的点云图；
[0034]图3b为被测物体第二个视角的点云图；
[0035]图4为空间网格划分的示意图；
[0036]图5为基于空间网格精简的示意图；
[0037]图6为被测物体两个视角点云粗配准结果图；
[0038]图7为本申请实施例提供的基于空间网格划分的点云精配准的流程图；
[0039]图8为被测物体两个视角点云精配准结果图；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于空间网格划分的快速点云配准方法，其特征在于，包括以下步骤：步骤1：根据全视角的点云数据的空间范围，构建能容纳所有视角点云数据的三维立体空间；步骤2：确立三维立体空间的坐标原点，依据点云密度，将三维立体空间沿X、Y、Z三个坐标轴划分为多个空间网格，并对每个空间网格进行编号；步骤3：将所有视角的点云数据填入空间网格，计算每个视角的点云数据中的每个点落入的空间网格编号；步骤4：用落入一个空间网格内的所有点的重心近似代替其他点，保证一个空间网格中至多含有一个点；步骤5：对多视角点云数据进行粗配准，得到精配准的位置初值；步骤6：对粗配准后的点云数据进行精配准，以最近邻点为点云匹配点，借助空间网格编号的邻域信息获得点云编号的邻域信息，查询到最近邻点，得到源点云和目标点云之间的最近邻点对；步骤7：并行处理计算最近邻点对的协方差矩阵，求解得到源点云的位姿变换矩阵，根据位姿变换矩阵进行位姿调整，得到更新后的源点云，用更新后的源点云进行迭代，当迭代结果达到配准精度或者达到迭代次数上限时，停止迭代，输出配准结果。2.根据权利要求1所述的基于空间网格划分的快速点云配准方法，其特征在于，所述步骤3中，计算每个点(x,y,z)落入的空间网格编号(i,j,k)公式为:其中，i为在x轴上的索引号，j为在y轴上的索引号，k为在z轴上的索引号，x为点的x轴的坐标，y为点的y轴的坐标，z为点的z轴的坐标，cell
x
为空间网格在x轴方向的尺寸，cell
y
为y轴方向的尺寸，cell
z
为z轴方向的尺寸，(x0,y0,z0)为三维立体空间的坐标原点。3.根据权利要求1所述的基于空间网格划分的快速点云配准方法，其特征在于，所述步骤4中，求落在空间网格编号(i,j,k)的所有点的重心公式为：其中，...

【专利技术属性】
技术研发人员：赵宏，刘发恒，张春伟，胡敏，鲍勍慷，张天宇，张振洋，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：