基于分级的正反互逆的三维稠密点集快速配准方法技术

本发明专利技术提供一种基于分级的正反互逆的三维稠密点集快速配准方法，解决的技术问题是：给定两个点集，其中一个为参考点集，另一个为目标点集，现需求解两个变换函数；正变换函数ｈ：从参考点集到目标点集的变换函数，反变换函数ｇ：从目标点集到参考点集的变换函数，并要求ｈ≈ｇ－１，ｇ≈ｈ－１，其中ｈ－１和ｇ－１分别表示ｈ和ｇ的逆函数。最终通过这两个变换函数，得到两个点集的精确的对应关系。与现有技术相比，本方法的优点在于基于全局配准和局部配准的分级方式进行配准，并利用正方向和反方向上对应关系的差异来定义逆一致性误差和用于局部配准的特征点，避免了现有正反互逆配准算法中复杂耗时的函数求逆运算。实现简单、效率高，同时配准精度也高。

【技术实现步骤摘要】

本专利技术属于计算机应用领域，涉及计算机视觉和模式识别的一种三维稠密点集对 点集的配准方法。
技术介绍
配准是一个基础问题，它源自多个领域的很多实际问题，如不同传感器获得的信息融合；不同时间、条件获得图像或模型的差异检测；成像系统和物体场景变化情况下获 得的图像的三维信息获取；图像中的模式或目标识别等。虽然参与配准的物体可以有多种 形式，如三维物体的几何模型、二维或三维图像，但其实质是两个二维或三维点集的配准问 题，即找到两个点集之间的对应关系。迭代最近点算法(Iterated Closest Point, I CP)是最常用的点集配准算法，它通 过迭代优化矩阵，在每次迭代过程中，对参考点集上的每个点，在目标点集中寻找最近点， 并利用这样的对应点，计算相应的旋转矩阵和平移向量，将其用于参考点集上，得到新的参 考点集并进入下次迭代过程，最终得到最优的转换矩阵，实现两点集的配准。但最初提出的 ICP算法在寻找最近点时很耗时，因此很多学者提出了改进的ICP算法以提高配准效率。ICP算法虽然使用广泛，但它属于刚性配准，在很多应用中不能满足需要，因为很 多形变的性质是非线性的。因此必须采用非刚性配准算法，包括基于B样条或薄板样条 (Thin PlateSpline,TPS)的弹性配准算法、基于互信息的弹性配准方法等。通常一种配准算法得到的从参考点集到目标点集的变形函数(称之为正变换)和 从目标点集到参考点集的变形函数(称之为反变换)是不互逆的。以基于薄板样条(TPS) 的配准方法为例，虽然它能通过全局能量最低的限制得到从一个点集到另一个点集的平滑 的变形函数，但它只在特征点上满足互逆的条件，在其他顶点不满足，因此会在一些局部区 域出现大的配准误差。而正反变换互逆是建立两个点集元素之间一一对应关系的必要条 件。为此一些学者展开了对正反互逆的配准算法的研究。提出了一些有效的方法，可实现 两个点集的精确配准。但现有方法几乎都涉及逆函数求解，由于处理对象的离散性，求解过 程耗时长，在很多具有实时性要求的领域和行业中得不到应用。虽然已有一些关于如何提 高正反互逆配准效率的研究，但目前结果还不能满足实际应用要求。
技术实现思路
为克服上述现有技术存在的不足，本专利技术提供一种快速而又准确度高的三维点集 对点集的配准方法，因为二维是三维的特例，所以也支持二维点集间的配准，主要用于三维 人脸识别、CAD产品质量检测、医学图像融合和分析、三维模型统计等。本专利技术欲解决的技术问题是给定两个点集，其中一个点集为参考点集，表示成 P，包含Np个顶点，S卩{Pi，i = 1，...，Np}；另一个点集为目标点集，表示成Q，包含Nq个顶点， 即{qj; j = 1，. . .，NtJ。现需快速求解两个变换函数；正变换函数h 从参考点集到目标点 集的变换函数和反变换函数g 从目标点集到参考点集的变换函数，并要求h g—1，g h—1，其中h—1和g—1分别表示h和g的逆函数。最终通过这两个变换函数，得到两个点集的精确 的对应关系。为实现上述目的，本专利技术采用了基于全局和局部配准的分级的方法。全局配准 为预配准，能使参考点集和目标点集大体匹配上，但在一些局部区域会因存在较大的逆 一致性误差而出现错配现象，局部配准即对这些局部区域进行调整，逐步减小逆一致性 误差，实现精确配准。根据这一思想。函数h和g被分解成一系列函数的复合，即h = hln ο . . . hn ο hg, g = glno . . . gll ο gg，其中 \和 全局的正反变换函数 ^1Ji = 1，...， η)和gli(i = 1，...，η)为局部的正反变换函数。此外，为了提高配准的效率，采用了简化 的公式求取逆一致性误差，避免了耗时的函数求逆运算以及大矩阵运算。本专利技术算法的主要步骤包括1)输入两个点集参考点集P和目标点集Q ；2)全局配准；全局配准可采用两种方法薄板样条函数(TPS)算法或迭代最近点(ICP)算法。如采用TPS方法，包含两个子步骤a)从两个点集中采用人机交互的方式选取两组对应特征点；b)利用TPS算法和特征点，计算从参考点集到目标点集的变换函数(正变换hg)， 以及从目标点集到参考点集的变换函数(反变换gg)，并把正反变换分别作用于参考点集和 目标点集，得到变形后的两个点集P’和Q’。如采用ICP方法，也包含两个子步骤a)判断待配准的两个点集中的顶点数量是否超过用户设定的阈值，如果是从两个 点集中随机选取两组顶点，组成两个新的点集，新点集中各顶点间的距离不小于用户设定 的距离阈值，且顶点数量满足数量阈值要求；b)利用ICP算法计算两个新点集的正变换\和反变换gg，并把正反变换分别作用 于原始参考点集和目标点集，得到变形后的两个点集P’和Q’。3)局部配准；包括局部特征点的自动定义和局部变形两个步骤。3.1)局部特征点的自动定义，包含5个子步骤a)求变形后的参考点集上的每一点到目标点集上的最近点，如果两点之间的距离 小于用户设定的阈值，则以该最近点作为它的对应点，最终得到一个对应点对列表；b)求变形后的目标点集上的每一点到参考点集上的最近点，如果两点之间的距离 小于用户设定的阈值，则以该最近点作为它的对应点，最终得到另一个对应点对列表；c)根据前两个步骤得到的结果，计算参考点集和目标点集中存在对应点的每一个 顶点的逆一致性误差，并对其对应点进行调整；d)把两个对应点对列表中的经过调整操作的对应点对挑选出来，存成一个新列 表，并根据逆一致性误差从大到小的顺序对新列表进行排序；e)从排序后的列表中提取用于局部配准的两组特征点。3. 2)局部变形采用具有紧支撑的径向基函数(CSRBF)，并根据3. 1)步骤中得到 的特征点计算正变换和反变换gli，并把正反变换分别作用于已变形的参考点集P’和目 标点集Q’，得到两个新的变形点集，依然采用P’和Q’表示。4)判断局部配准的次数是否超过用户设定的阈值，如果是，则配准结束，保存两个点集中顶点的对应关系；否则返回步骤3)继续执行局部配准。与现有技术相比，本方法的特点在于采用基于全局配准和局部配准的分级方式进 行配准，并利用正方向和反方向上对应关系的差异来定义逆一致性误差和用于局部配准的 特征点，避免了现有正反互逆配准算法中复杂耗时的函数求逆运算。实现简单、效率高，同 时配准精度也高。附图说明 图1为本专利技术所述一种的算 法流程图；图2为本专利技术实施例1的两套颅骨点云模型的初始位置；图3为本专利技术实施例1基于TPS的正方向和反方向的配准结果；图4为本专利技术实施例1基于TPS和一次CSRBF的正方向和反方向的配准结果；图5为本专利技术实施例1基于TPS和五次CSRBF的正方向和反方向的配准结果；图6为本专利技术实施例1经TPS和若干次局部配准后目标点集的逆一致性误差；图7为本专利技术实施例1经TPS和若干次局部配准后参考点集的逆一致性误差；图8为本专利技术实施例1基于ICP和若干次CSRBF的正方向和反方向的配准结果；图9为本专利技术实施例1经ICP和若干次局部配准后目标点集的逆一致性误差；图10为本专利技术实施例1经ICP和若干次局部配准后参考点集的逆一致性误差；图11为本专利技术实施例1的两套人脸点云模型的初始位置；图12为本专利技术实施例1人脸在正反本文档来自技高网...

【技术保护点】
一种基于分级的正反互逆的三维稠密点集配准方法，其特征在于：包括下列步骤：步骤一（Ｓ１）：输入两个点集，一个参考集，一个目标集；步骤二（Ｓ２）：全局配准；步骤三（Ｓ３）：局部配准；步骤四（Ｓ４）：判断局部配准次数；步骤五（Ｓ５）：配准结束，最近点即为对应点；其中，步骤二（Ｓ２）所述的全局配准可采用两种方法，薄板样条函数算法（ＴＰＳ）（Ｓ２００）或迭代最近点算法（ＩＣＰ）（Ｓ２０）；其中，步骤三（Ｓ３）所述的局部配准方法包含六个子步骤：１）求变形后的参考点集上的每一点到目标点集上的最近点，两点之间的距离小于用户设定的阈值，则以该最近点作为它的对应点，最终得到一个对应点对列表（３０）；２）求变形后的目标点集上的每一点到参考点集上的最近点，两点之间的距离小于用户设定的阈值，则以该最近点作为它的对应点，最终得到另一个对应点对列表（３１）；３）根据前两个步骤得到的结果，计算参考点集和目标点集中存在对应点的每一个顶点的逆一致性误差，并对其对应点进行调整（３２）；４）把两个对应点对列表中的经过调整操作的对应点对挑选出来，存成一个新列表，并根据逆一致性误差从大到小的顺序对新列表进行排序（３３）；５）从排序后的列表中提取用于局部配准的两组特征点（３４）；６）采用具有紧支撑的径向基函数ＣＳＲＢＦ，并根据上一个步骤得到的特征点计算正变换ｈ↓［ｌｉ］和反变换ｇ↓［ｌｉ］，并把正反变换分别作用于已变形的参考点集Ｐ’和目标点集Ｑ’，得到两个新的变形点集，依然采用Ｐ’和Ｑ’表示（３５）；其中，步骤四（Ｓ４）所述的判断局部配准次数小于预先设定的阀值的，重复执行步骤三（Ｓ３）。...

【技术特征摘要】

【专利技术属性】
技术研发人员：周明全，耿国华，邓擎琼，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：11[中国|北京]