基于SAC-IA及ICP配准的兰花三维建模方法及装置制造方法及图纸

本发明专利技术公开了一种基于SAC

【技术实现步骤摘要】
基于SAC
‑
IA及ICP配准的兰花三维建模方法及装置


[0001]本专利技术属于计算机视觉、点云三维重建领域，具体涉及一种基于SAC
‑
IA及ICP配准的兰花三维建模方法及装置。

技术介绍

[0002]点云三维建模即通过深度摄像机、雷达等采集到的点云数据，可对目标或周边环境进行立体建模，它是计算机视觉、机器人、军工等领域的研究热点,近年来已引起人们的广泛关注。该技术具有广阔的应用前景,在多个领域起着重要作用,如自动驾驶、环境感知、工业和作物监测等。尽管领域内已存在多种点云三维重建方法,但在兰花表型较为复杂且存在遮挡的情况下,这些方法经常不能提供理想的配准结果,无法对兰花完整建模。因此,提出一种基于标志点识别的有效的三维兰花建模方法具有重要的应用价值和现实意义。
[0003]当前，虽然很多通过在物体表面附加标志点辅助建模的方法已经被提出，但是兰花、农作物等目标难以在其表面附加标志点。要提出一个能处理复杂的、表面无辅助标志点的兰花的建模方法仍然是一个具有挑战性的问题。因此，能够不直接在兰花表面附加标志点本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于SAC
‑
IA及ICP配准的兰花三维建模方法，其特征在于，包括下述步骤：(1)获取兰花左前侧、左后侧、右前侧、右后侧，共四个视角的兰花点云数据，对兰花点云数据进行预处理样，减少兰花点云点个数；(2)基于随机抽样一致性RANSAC算法去除兰花点云数据中的地面，将兰花与背景切割，并使用聚类算法，将每个视角的兰花点云数据划分为“兰花主体点云”与“标志点点云”两部分；(3)将同一侧两个视角的“兰花主体点云数据”分别设为“源点云”与“目标点云”，对“源点云”与“目标点云”提取内部形状描述子ISS作为关键点，并计算其快速点直方图特征FPFH，将这两个点云进行采样一致性初始配准SAC
‑
IA操作，实现基于关键点的初步配准，得到一侧已初步配准的兰花点云；(4)将所述已初步配准的兰花点云使用修剪最近点迭代TRICP算法进行精配准，得到同一侧含标志点色精配准的兰花点云；一侧处理完毕后，对另一侧按照同样的步骤，得到另一侧含标志点色精配准的兰花点云；(5)分别提取兰花两侧点云中四个标志点的颜色信息，并计算其中心坐标；计算两侧点云中标志点转换到同一坐标系下所需的旋转变换矩阵，利用变换矩阵，将两侧点云数据进行合并，得到完整的兰花模型。2.根据权利要求1所述基于SAC
‑
IA及ICP配准的兰花三维建模方法，其特征在于，步骤(1)中，所述对兰花点云数据进行预处理样，减少兰花点云点个数，具体为：(1
‑
1)对兰花点云进行统计分析滤波，对于兰花点云里的每个点，计算其到附近n
s
个邻近点的平均距离、方差的统计参数，如果某个点偏离平均值超过k
s
倍的方差则认为是离群点，需要剔除；其中n
s
，k
s
为预先设定的阈值；(1
‑
2)使用三维体素网格对兰花点云进行降采样，计算体素网格内所有点坐标的平均值，并将该坐标作为质心点坐标，最终该体素网格内的所有点用一个质心点表示，实现减少点云数据量，同时保持点云的形状特征。3.根据权利要求1所述基于SAC
‑
IA及ICP配准的兰花三维建模方法，其特征在于，步骤(2)具体为：(2
‑
1)从兰花点云数据中随机选取一个平面，计算兰花点云数据中的每个点到该平面的距离，若小于阈值d，则认为该点位于该平面内；若同一平面的点超过s个，则将该平面记为地面点云并剔除；其中s，d为预先设定的参数；(2
‑
2)对于兰花点云中的某点p
e
，通过KD
‑
Tree算法搜索该点的n
e
个临近点，判断这n
e
个点到p
e
的欧式距离，将距离小于阈值r
e
的点编入同一类中；其中n
e
，r
e
为预先设定的参数；(2
‑
3)若类中的点数符合设定数值范围，则该类有效，否则丢弃；(2
‑
4)对云内的其余点按同样的方法直到整个点云被搜索。4.根据权利要求1所述基于SAC
‑
IA及ICP配准的兰花三维建模方法，其特征在于，步骤(3)中，所述对“源点云”与“目标点云”提取内部形状描述子ISS作为关键点，并计算其快速点直方图特征FPFH，将这两个点云进行采样一致性初始配准SAC
‑
IA操作，具体为：(3
‑
1)对于兰花点云中的每个点p
i
，以该点为球心建立一个半径为r
s
的球形邻域；对于该邻域内的每个p
j
点，计算p
j
到中心点p
i
的距离d
ij
，并赋予每个点其权值
(3
‑
2)计算每个点p
i
的协方差矩阵并记每个点p
i
的协方差矩阵的三个特征值分别为且且对于阈值∈1，∈2，若满足条件的点p
i
即为关键点，记为p
s
；其中r
s
，∈1，∈2为预先设定的参数；(3
‑
3)计算由关键点组成的关键点云数据的FPFH特征，对于点云中的每个关键点p
s
，在其半径为r
f
的球形邻域内搜索k
f
个点p
t
，对其计算SPFH特征w＝n
s
×
(p
t
‑
p
s
)
×
n
s
其中n
s
为p
s
点的法向量α＝v
·
n
t
θ＝arctan(w
·
n
t
，n
s
·
n
t
)其中n
t
为p
t
点的法向量其中k
f
，r
f
为程序需要设定的参数(3
‑

【专利技术属性】
技术研发人员：梁云，黄蓝，陈浩铭，黄琼，徐振江，古威，朱路，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：