【技术实现步骤摘要】
本专利技术涉及三维点云配准，尤其涉及一种层次化的碎片点云模型匹配方法。
技术介绍
1、三维点云数据模型是一种用于表示三维空间中的物体或环境的模型，它以离散的点的形式来描述对象的外部形状。这些点通常包含了位置(x、y、z坐标)和可能的其他属性信息(如颜色、强度等)，以便更全面地描述所表示的物体或场景。三维点云数据通常用于各种应用，如地理信息系统(gis)、机器视觉、自动驾驶、建筑工程等领域。
2、对于点云碎片的三维点云数据模型，其断裂面匹配可以利用三维点云配准技术来实现，即通过刚体变换将位于不同坐标系下的两个断裂面变换到同一坐标系下，从而使得两个断裂面重合，达到碎片匹配的目的。目前，三维点云配准技术已经在陶质文物复原中取得了一定的应用成果，现有很多配准算法均具有收敛速度较快、匹配精度较高等特点，但是整体的抗噪性能较弱，有时可能还会陷入局部最优化，影响执行效率，需要加以改进。
技术实现思路
1、本专利技术的目的是为了解决上述
技术介绍
中提出的技术问题。
2、本专利技术采用了如下技术方案：一种层次化的碎片点云模型匹配方法，包括以下步骤：
3、步骤一：对于两个待匹配的点云碎片断裂面，确定对应点云模型分别为源点云u(x,y,z)和目标点云为v(x,y,z)，求解其刚体变换，将两个点云初步对齐，实现两个碎片断裂面的粗匹配；
4、步骤二：设置刚体变换的初值；
5、步骤三：建立点集x和y的相关性c(i,j)；
6、步骤四：计算刚
7、步骤五：计算模拟退火目标函数relation(i,j)；
8、步骤六：利用退温函数进行退温，并令k＝k+1；
9、步骤七：判断若匹配误差rms小于给定阈值，或目标函数relation(i,j)达到给定阈值，那么算法结束，否则，重复执行步骤三至步骤七直到达到终止条件为止，精确匹配完成。
10、较佳的，所述步骤一中，采用ls3d算法求解刚体变换。此处，ls3d算法是lsm方法的延伸，主要应用于点云模型曲面的匹配领域，可以快速求解刚体变换。
11、较佳的，所述步骤二中，刚体变换的初值分别为尺度因子s0为1，旋转矩阵r0为单位矩阵，平移向量t0为0，模拟退火初始温度t0为100，迭代次数k＝1。此处，刚体变换是假设物体不会发生变形的旋转平移，不用考虑扭曲拉伸等条件，简化了旋转平移的数学模型，使得整体计算更加简便。
12、较佳的，所述步骤五中，退火目标函数采用归一化互相关函数,其数学描述为此处，归一化的概念指的是将互相关函数的取值范围映射到一个标准化的区间，而互相关函数在信号处理中用于确定两个信号之间的相似性程度，可以在图像中快速定位物体或特定模式的位置。
13、较佳的，所述步骤六中，退温函数采用指数退温函数，定义为其中为退温速率。此处，采用指数退温函数，可以更好的表达温度变化情况。
14、较佳的，所述粗匹配的具体步骤如下：
15、s1：对于两个待匹配的断裂面，假设其采用曲面表示的源点云为u(x,y,z)和目标点云为v(x,y,z)；
16、s2：采用ls3d方法求解刚体变换；
17、s3：将两片点云粗匹配。
18、此处，可以准确快速的实现两片点云粗匹配过程。
19、较佳的，所述精确匹配的具体步骤如下：
20、s1：设定尺度因子s0的初始值为1，旋转矩阵r0的初始值为单位矩阵，平移向量t0的初始值为0，模拟退火初始温度t0，迭代次数k＝1；
21、s2：建立点集x和y的相关性c(i,j)；
22、s3：计算刚体变换参数t、r和s；
23、s4：计算模拟退火的目标函数relation(i,j)；
24、s5：利用退温函数进行退温，并令k＝k+1；
25、s6：若匹配误差rms小于给定阈值或目标函数relation(i,j)达到给定阈值，则算法结束，否则，从s2开始到s6重复进行，直到达到终止条件为止，由此实现点云精确匹配。
26、此处，可以准确快速的实现精确匹配过程。
27、较佳的，所述s2中，依据尺度icp算法中点的相关性要求，建立点集的相关性。此处，尺度icp算法是icp算法的一种扩展，可以用于解决点云配准中的尺度不确定性问题，可以进一步提高效率。
28、与现有技术相比，本专利技术的优点和积极效果在于，
29、本专利技术中，提出的模拟退火算法与传统icp算法相比较，配准精准度大大提高，同时配准的速度也达到理想的实验效果，并且相对来讲，在海量点云数据中匹配效率最高，同时在三维点云模型匹配速度方面，模拟退火icp算法所需要的配准时间与传统icp算法更短，实现碎片精确匹配，可以有效提高点云碎片匹配的精度，降低迭代耗时，为后期碎片拼接融合奠定技术基础。
本文档来自技高网...【技术保护点】
1.一种层次化的碎片点云模型匹配方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的层次化的碎片点云模型匹配方法，其特征在于：所述步骤一中，采用LS3D算法求解刚体变换。
3.根据权利要求1所述的层次化的碎片点云模型匹配方法，其特征在于：所述步骤二中，刚体变换的初值分别为尺度因子s0为1，旋转矩阵R0为单位矩阵，平移向量t0为0，模拟退火初始温度T0为100，迭代次数k＝1。
4.根据权利要求1所述的层次化的碎片点云模型匹配方法，其特征在于：所述步骤五中，退火目标函数采用归一化互相关函数,其数学描述为
5.根据权利要求1所述的层次化的碎片点云模型匹配方法，其特征在于：所述步骤六中，退温函数采用指数退温函数，定义为其中为退温速率。
6.根据权利要求1所述的层次化的碎片点云模型匹配方法，其特征在于：所述粗匹配的具体步骤如下：
7.根据权利要求1所述的层次化的碎片点云模型匹配方法，其特征在于：所述精确匹配的具体步骤如下：
8.根据权利要求7所述的层次化的碎片点云模型匹配方法，其特征在于：所述S2中
...【技术特征摘要】
1.一种层次化的碎片点云模型匹配方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的层次化的碎片点云模型匹配方法，其特征在于：所述步骤一中，采用ls3d算法求解刚体变换。
3.根据权利要求1所述的层次化的碎片点云模型匹配方法，其特征在于：所述步骤二中，刚体变换的初值分别为尺度因子s0为1，旋转矩阵r0为单位矩阵，平移向量t0为0，模拟退火初始温度t0为100，迭代次数k＝1。
4.根据权利要求1所述的层次化的碎片点云模型匹配方法，其特征在于：所述步骤五中，退火目标函数采用归一化互...
【专利技术属性】
技术研发人员：汤慧，宋凯瑞，汤静，杨浩，杨海蕾，李丹，
申请(专利权)人：西安财经大学，
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。