一种基于点云拟合的深微孔点云拼接方法和系统技术方案

本发明专利技术公开一种基于点云拟合的深微孔点云拼接方法和系统，属于点云处理领域

【技术实现步骤摘要】
一种基于点云拟合的深微孔点云拼接方法和系统


[0001]本专利技术属于点云处理
，更具体地，涉及一种基于点云拟合的深微孔点云拼接方法和系统
。

技术介绍

[0002]如今大量的机械零件都具有深微孔结构，研究如何从深微孔
(
直径小至几微米，长径比达几十至几百
)
点云数据中获取其几何参数，对于保证机械零件在高负载下的可靠性具有重要意义
。
深微孔孔壁面型通常为二次曲面，主要包含圆柱面
、
圆锥面和椭圆锥面等
。
利用实测点云数据求解深微孔几何参数，是一种精准且不破坏零件的有效求解方法
。
[0003]“基于
RANSAC
和
TLS
的点云平面拟合”提出一种基于最小二乘法和基于随机抽样一致的算法
。
利用随机采样一致算法剔除异常值，利用整体最小二乘法对剩余有效点进行平面拟合，计算模型参数
。
[0004]然而，该方法不适用于实测的深微孔点云数据
。
具体如下：基于随机抽样一致方法从已知三维点云数据中随机选取出3个不共线的点，构建这3个点所对应的平面，计算点云中各点到上述平面的距离作为度量，只适用于含有大量平面特征的三维场景，对于二次曲面而言较为困难，并且最终的参数计算结果不具有稳健性
。
基于整体最小二乘的拟合方法在数据误差较大时无法得到准确的拟合结果
。
尤其对于椭圆锥面这类不规则二次曲面的参数计算，由于其非旋转曲面的特性，使得拟合难度大大增加
。
[0005]现有的点云拼接方法，需要重叠区域的点云数据来求解坐标系之间的转换矩阵
。
然而，在深微孔点云数据测量过程中，单次测量无法获得深微孔的全貌，通常将深微孔划分为两个区域分别测量，两次扫描获得的数据不在同一坐标系，并且二者之间没有重叠区域，这导致拼接过程变得十分困难
。

技术实现思路

[0006]针对现有技术的缺陷，本专利技术的目的在于提供一种基于点云拟合的深微孔点云拼接方法和系统，旨在解决使用现有拼接方法无法实现深微孔点云拼接的问题
。
[0007]为实现上述目的，第一方面，本专利技术提供了一种基于点云拟合的深微孔点云拼接方法，包括：
[0008]获取深微孔两个子区域的实测三维点云数据；
[0009]利用实测子区域三维点云数据，识别出深微孔曲面类型；
[0010]按照曲面类型，确定曲面标准方程，所述标准方程几何参数待定；
[0011]分别将实测两个子区域点云数据按照曲面标准方程进行曲面拟合，得到两个标准方程几何参数确定的拟合曲面；
[0012]分别提取两个拟合曲面的轴线向量，计算与点云测量坐标系中
Z
轴对齐的旋转矩阵；
[0013]将各旋转矩阵与对应实测子区域三维点云数据点乘，得到深微孔点云拼接结果
。
[0014]优选地，所述曲面拟合包括：
[0015]首先，基于随机抽样一致性算法，对实测两个子区域点云数据分别进行曲面粗拟合，得到两个粗拟合曲面；
[0016]然后，将粗拟合曲面的标准方程几何参数作为精拟合的几何参数初值，基于非线性最小二乘法，对两个粗拟合曲面数据分别进行曲面精拟合，得到两个精拟合曲面
。
[0017]需要说明的是，点云数据是实测的，这其中难免包含许多误差点
。
本专利技术针对点云数据的特点制定，设计两步拟合策略
。
先利用随机抽样一致性算法对深微孔点云数据进行粗拟合，再利用非线性最小二乘法进行精拟合，两者相结合，随机抽样一致算法可以滤除大部分的误差点，为下一步拟合提供误差更小的数据，一定程度上克服点云数据误差较大时，最小二乘法拟合精度不高的问题；再使用非线性最小二乘法可以使结果趋于稳定，并且由于非线性最小二乘法要用到点云中每一个点的数据，一定程度上在前者基础上提高拟合精度
。
考虑到曲面方程阶数较高，使用线性最小二乘优化极易陷入局部最佳，因此本专利技术优选非线性最小二乘法进行拟合
。
[0018]优选地，所述随机抽样一致性算法中，以点云数据中散点到曲面的距离为度量，不断重复计算曲面标准方程中待定几何参数，直至达到循环轮数，使得点到曲面之间的距离最小的几何参数即为粗拟合的结果
。
[0019]需要说明的是，本专利技术首次提出以点云数据中散点到曲面的距离为度量，并给出点云到曲面间距离的快速估计方法，该距离估计方法能非常好地融入
RANSAC
算法中，从而实现曲面类型的深微孔点云拟合
。
[0020]优选地，通过以下方式确定散点
D
到曲面的距离：
[0021]提取曲面的轴线向量，计算其与点云测量坐标系中
Z
轴对齐的旋转矩阵；
[0022]将旋转矩阵与实测点云数据进行点乘，得到旋转变化后点云，获取对应旋转曲面和散点
D'
；
[0023]由点和法线向量构建一平面
P
，所述点为散点
D'
，所述法线向量为点云测量坐标系中
Z
轴正向；
[0024]确定平面
P
与旋转曲面相交的二维曲线
S
；
[0025]在平面
P
内以二维曲线
S
的几何中心
O
为坐标原点，以二维曲线
S
的长短轴所在直线分别为坐标轴，构建二维坐标系，线段
D'O
和二维曲线
S
的交点确定为
D1
；
[0026]将
D'
与
D1
之间的欧式距离作为散点
D
到曲面的距离
。
[0027]需要说明的是，考虑到散点到曲面类型之间距离的直接求解，需要计算高阶多元方程组，计算过程复杂耗时，本专利技术改进了随机抽样一致算法，提出一种散点到曲面模型之间的距离估计算法，先将实测点云旋转变换，再用变化后散点到一个特定点之间的欧式距离，等价散点到曲面模型的距离
。
整个距离估算过程中只涉及四则运算
、
矩阵点乘和少量的幂运算
。
这些运算对于计算机而言，计算过程简单，运行速度快，适用于随机抽样一致算法的多次迭代过程
。
[0028]优选地，还包括：
[0029]对拼接后得到的完整气膜孔点云数据，基于随机抽样一致性算法进行粗拟合后；
[0030]再基于非线性最小二乘法进行精拟合，得到基于完整气膜孔数据的曲面标准方程的几何参数结果
。
[0031]需要说明的是，拼接前点云数据只是深微孔曲面的一部分，因此随机抽样得到的样本点有概率错漏深微孔曲面的部分几何信息，影响粗拟合和精拟合的结果
。
...

【技术保护点】

【技术特征摘要】
1.
一种基于点云拟合的深微孔点云拼接方法，其特征在于，包括：获取深微孔两个子区域的实测三维点云数据；利用实测子区域三维点云数据，识别出深微孔曲面类型；按照曲面类型，确定曲面标准方程，所述标准方程几何参数待定；分别将实测两个子区域点云数据按照曲面标准方程进行曲面拟合，得到两个标准方程几何参数确定的拟合曲面；分别提取两个拟合曲面的轴线向量，计算与点云测量坐标系中
Z
轴对齐的旋转矩阵；将各旋转矩阵与对应实测子区域三维点云数据点乘，得到深微孔点云拼接结果
。2.
如权利要求1所述的方法，其特征在于，所述曲面拟合包括：首先，基于随机抽样一致性算法，对实测两个子区域点云数据分别进行曲面粗拟合，得到两个粗拟合曲面；然后，将粗拟合曲面的标准方程几何参数作为精拟合的几何参数初值，基于非线性最小二乘法，对两个粗拟合曲面数据分别进行曲面精拟合，得到两个精拟合曲面
。3.
如权利要求2所述的方法，其特征在于，所述随机抽样一致性算法中，以点云数据中散点到曲面的距离为度量，不断重复计算曲面标准方程中待定几何参数，直至达到循环轮数，使得点到曲面之间的距离最小的几何参数即为粗拟合的结果
。4.
如权利要求3所述的方法，其特征在于，通过以下方式确定散点
D
到曲面的距离：提取曲面的轴线向量，计算其与点云测量坐标系中
Z
轴对齐的旋转矩阵；将旋转矩阵与实测点云数据进行点乘，得到旋转变化后点云，获取对应旋转曲面和散点
D'
；由点和法线向量构建一平面
P
，所述点为散点
D'
，所述法线向量为点云测量坐标系中
Z
轴正向；确定平面
P
...

【专利技术属性】
技术研发人员：夏珉，陈哲，杨克成，李微，郭文平，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：