一種自適應(yīng)的無標(biāo)志點(diǎn)三維點(diǎn)云自動拼接方法
【專利摘要】本發(fā)明屬于三維測量鄰域中的點(diǎn)云數(shù)據(jù)拼接技術(shù)，具體為一種自適應(yīng)的無標(biāo)志點(diǎn)三維點(diǎn)云自動拼接方法，本發(fā)明包括幾何特征點(diǎn)的查找，圖像特征點(diǎn)的查找，配準(zhǔn)算法選擇模型的建立，基于RANSAC的幾何特征點(diǎn)匹配，利用RANSAC排除誤匹配圖像特征點(diǎn)，利用SVD算法求解旋轉(zhuǎn)平移矩陣RT，最后利用RT矩陣完成兩片點(diǎn)云拼接。該方法因?yàn)槔梦矬w特征點(diǎn)來代替標(biāo)志點(diǎn)進(jìn)行拼接，可用于不能粘貼標(biāo)記點(diǎn)的測量場合；同時依靠對應(yīng)特征點(diǎn)來計算多視點(diǎn)云的變換矩陣，無需依賴點(diǎn)云的初始姿態(tài)，且配準(zhǔn)算法選擇模型的建立使系統(tǒng)能自適應(yīng)選擇合適的配準(zhǔn)算法，實(shí)現(xiàn)不同被測物體的穩(wěn)定拼接。
【專利說明】一種自適應(yīng)的無標(biāo)志點(diǎn)三維點(diǎn)云自動拼接方法
[0001] 技術(shù)鄰域
[0002] 本發(fā)明涉及到一種自適應(yīng)的無標(biāo)志點(diǎn)三維點(diǎn)云自動拼接方法，它是三維點(diǎn)云數(shù)據(jù) 處理的一種方法，屬于三維測量領(lǐng)域中的點(diǎn)云數(shù)據(jù)拼接技術(shù)。

【背景技術(shù)】
[0003] 面結(jié)構(gòu)光三維測量技術(shù)（參見文獻(xiàn)1 :李中偉.基于數(shù)字光柵投影的結(jié)構(gòu)光三維 測量技術(shù)與系統(tǒng)研究[D] [D].武漢：華中科技大學(xué)，2009)受單次測量范圍的限制，需從不 同方位對被測物進(jìn)行多次測量以獲取完整的幾何模型，其中多視點(diǎn)云自動拼接是關(guān)鍵。
[0004] 為了實(shí)現(xiàn)多視點(diǎn)云自動拼接，常用的方法有以下兩種：（1)基于標(biāo)志點(diǎn)的自動拼 接方法，該方法通過在被測物體表面粘貼人工標(biāo)志點(diǎn)來實(shí)現(xiàn)輔助拼接。其拼接精度較高，但 會破壞被測物體表面的真實(shí)三維數(shù)據(jù)，同時前期貼點(diǎn)增加了測量時間，而且無法測量表面 不能標(biāo)記的物體（如珍貴文物，人體），限制了使用范圍。（2)無標(biāo)記點(diǎn)的自動拼接方法。常 見的無標(biāo)記點(diǎn)拼接方法包括迭代點(diǎn)最近點(diǎn)算法（iterative closest point, ICP)、基于幾 何特征的配準(zhǔn)算法和基于紋理的配準(zhǔn)算法。其中，ICP算法對點(diǎn)云初始姿態(tài)的要求很高，無 法對初始位置相差較大的點(diǎn)云進(jìn)行拼接?；趲缀翁卣鞯呐錅?zhǔn)算法只適用于表面幾何形貌 比較復(fù)雜的物體，無法實(shí)現(xiàn)形狀簡單或?qū)ΨQ物體的點(diǎn)云配準(zhǔn)?；诩y理的配準(zhǔn)算法只適用 于表面紋理豐富的物體，在對紋理單一的物體進(jìn)行測量時穩(wěn)定性較差。
[0005] 綜上所述：現(xiàn)有的三維點(diǎn)云自動拼接方法都存在一定的局限性，尚不能滿足實(shí)際 應(yīng)用的要求。因此需要一種有效的穩(wěn)定的點(diǎn)云拼接方法，能夠?qū)崿F(xiàn)源點(diǎn)云和目標(biāo)點(diǎn)云最優(yōu) 配準(zhǔn)。


【發(fā)明內(nèi)容】

[0006] 本發(fā)明提出了一種自適應(yīng)的無標(biāo)志點(diǎn)三維點(diǎn)云自動拼接方法，該方法可自適應(yīng)的 實(shí)現(xiàn)不同物體的無標(biāo)志點(diǎn)三維點(diǎn)云自動拼接，且拼接具有良好的穩(wěn)定性。
[0007] 本發(fā)明提供的一種自適應(yīng)的無標(biāo)志點(diǎn)三維點(diǎn)云自動拼接方法，該方法包括下述步 驟：
[0008] 第1步在源點(diǎn)云和目標(biāo)點(diǎn)云中利用點(diǎn)特征直方圖法查找?guī)缀翁卣鼽c(diǎn)；在兩次拍攝 圖片中查找圖像特征點(diǎn)；
[0009] 第2步利用查找出的幾何特征點(diǎn)和圖像特征點(diǎn)建立配準(zhǔn)算法選擇模型，計算配準(zhǔn) 算法判斷因子隊(duì)的值，依據(jù)該值自動選擇合適的配準(zhǔn)算法：當(dāng)> 0時，進(jìn)入第3步，當(dāng)比 < 0時，轉(zhuǎn)入第4步，當(dāng)比=0時，提示用戶通過引入標(biāo)志點(diǎn)進(jìn)行點(diǎn)云拼接；
[0010] 所述配準(zhǔn)算法選擇模型為：

【權(quán)利要求】
1. 一種自適應(yīng)的無標(biāo)志點(diǎn)三維點(diǎn)云自動拼接方法，該方法包括下述步驟： 第1步在源點(diǎn)云和目標(biāo)點(diǎn)云中利用點(diǎn)特征直方圖法查找?guī)缀翁卣鼽c(diǎn)；在兩次拍攝圖片 中查找圖像特征點(diǎn)； 第2步利用查找出的幾何特征點(diǎn)和圖像特征點(diǎn)建立配準(zhǔn)算法選擇模型，計算配準(zhǔn)算法 判斷因子^的值，依據(jù)該值自動選擇合適的配準(zhǔn)算法：當(dāng)Di > O時，進(jìn)入第3步，當(dāng)Di < O 時，轉(zhuǎn)入第4步，當(dāng)= O時，提示用戶通過引入標(biāo)志點(diǎn)進(jìn)行點(diǎn)云拼接； 所述配準(zhǔn)算法選擇模型為：
其中，Pl，P2分別代表兩幅采樣點(diǎn)云中幾何特征點(diǎn)數(shù)目占其采樣點(diǎn)點(diǎn)數(shù)的比例；ηι，η 2分 別代表兩次拍攝圖片中圖像特征點(diǎn)的數(shù)目，η為預(yù)先設(shè)定的圖像特征閾值；p為幾何特征閾 值，W1和W 2是描述兩個對比差值的權(quán)重因子； 第3步對于第1步查找出的幾何特征點(diǎn)，利用RANSAC算法進(jìn)行幾何特征點(diǎn)的匹配，得 到每一個查找點(diǎn)對應(yīng)的初匹配點(diǎn)集V，再利用SVD奇異值分解法計算旋轉(zhuǎn)矩陣R和平移矩 陣Τ，然后進(jìn)入第5步； 第4步對于第1步查找出的圖像特征點(diǎn)，利用RANSAC算法查找對應(yīng)點(diǎn)，再利用SVD奇 異值分解法計算旋轉(zhuǎn)矩陣R和平移矩陣Τ，然后進(jìn)入第5步； 第5步利用旋轉(zhuǎn)矩陣R和平移矩陣T對目標(biāo)點(diǎn)云進(jìn)行旋轉(zhuǎn)平移，完成拼接。
2. 根據(jù)權(quán)利要求1所述自適應(yīng)的無標(biāo)志點(diǎn)三維點(diǎn)云自動拼接方法，其特征在于，所述 第1步中，所述查找?guī)缀翁卣鼽c(diǎn)的過程為： 第1. 1步對拍攝獲取的兩幅多視點(diǎn)云按比例進(jìn)行采樣，計算每個采樣點(diǎn)的法向量；將 采樣點(diǎn)中的每一點(diǎn)視為查詢點(diǎn)，并確定查詢點(diǎn)的鄰域，該鄰域內(nèi)的采樣點(diǎn)稱為鄰域點(diǎn)； 第1. 2步對于鄰域內(nèi)任意兩點(diǎn)s、t，在其中的一個點(diǎn)上定義一個固定的局部坐標(biāo)系，即 UVW坐標(biāo)系：
Ps，Pt為查詢點(diǎn)Pti鄰域內(nèi)點(diǎn)s、t的空間坐標(biāo),ns,n t為點(diǎn)s、t相應(yīng)的法向量，I |pt-ps| |2 為該兩點(diǎn)的空間距離，d表示該兩點(diǎn)連線方向上的單位向量； 利用式I得到的uvw坐標(biāo)系，兩點(diǎn)之間的位置關(guān)系和法線偏差用一組角度來表示，如式 II:
其中，（￥*1^/11*1〇表示￥、1^/11、1^的點(diǎn)乘，將€[，<^，0的取值范圍分別劃分為13個 子區(qū)間，則總共生成了 b3個區(qū)域，用i表示各區(qū)域的序號，判斷兩點(diǎn)的α，φ，Θ值所處的 區(qū)域，則該區(qū)域的點(diǎn)數(shù)目加一；計算查詢點(diǎn)P q鄰域內(nèi)每對點(diǎn)的α，φ，Θ值，判斷其所在區(qū) 域，統(tǒng)計落在每個區(qū)域的點(diǎn)數(shù)目，生成點(diǎn)Pq的點(diǎn)特征直方圖； 第I. 3步利用所有采樣點(diǎn)的點(diǎn)特征直方圖生成平均特征直方圖u-histogram，利用式 III將每個點(diǎn)的點(diǎn)特征直方圖與u-hiStogram比較獲取相對KL距離；
其中，i表示點(diǎn)特征直方圖區(qū)域的序號，取值為1?b3, pf:表示采樣點(diǎn)的點(diǎn)特征直方圖 的第i個分量，Ui表示平均特征直方圖的第i個分量，計算KL距離的平均值a和標(biāo)準(zhǔn)差〇， 統(tǒng)計KL距離在a± σ外的三維點(diǎn)，視為幾何特征點(diǎn)。
3. 根據(jù)權(quán)利要求2所述自適應(yīng)的無標(biāo)志點(diǎn)三維點(diǎn)云自動拼接方法，其特征在于，所述 第1步中，利用SIFT算法查找圖像特征點(diǎn)。
4. 根據(jù)權(quán)利要求1、2或3所述自適應(yīng)的無標(biāo)志點(diǎn)三維點(diǎn)云自動拼接方法，其特征在于， 第3步的具體實(shí)現(xiàn)過程為： 第3. 1步對源點(diǎn)云的幾何特征點(diǎn)進(jìn)行采樣，并使各采樣的幾何特征點(diǎn)相互距離大于預(yù) 設(shè)的最小距離閾值，將采樣后的幾何特征點(diǎn)視為查找點(diǎn)ρτ，τ = 1，2... r，其中r為經(jīng)采樣 后的幾何特征點(diǎn)個數(shù)； 第3.2步對于每個查找點(diǎn)ρτ，利用式V在目標(biāo)點(diǎn)云的幾何特征點(diǎn)Q= {qi，q2…qn}中 搜索與該查找點(diǎn)ρτ點(diǎn)特征直方圖相似的點(diǎn)生成初匹配點(diǎn)集V ={q' 2…V iJ，其 中η為目標(biāo)點(diǎn)云中幾何特征點(diǎn)的個數(shù)，k為每個查找點(diǎn)初匹配點(diǎn)的個數(shù)，生成r個初匹配點(diǎn) 集；
其中i表示點(diǎn)特征直方圖區(qū)域的序號，取值為1?b3, 表示查找點(diǎn)ρτ的點(diǎn)特征直 方圖的第i個分量，表示目標(biāo)點(diǎn)云幾何特征點(diǎn)集Q中第X點(diǎn)的點(diǎn)特征直方圖的第i個分 量，X = 1，2. .. n，Div表示兩點(diǎn)的點(diǎn)特征直方圖差異；將Div與預(yù)先設(shè)定的閾值進(jìn)行比較， 將小于閾值的點(diǎn)視為初匹配點(diǎn)存入初匹配點(diǎn)集V中； 第3. 3步對于所有查找點(diǎn)ρτ，從每個查找點(diǎn)的相應(yīng)點(diǎn)集Q'中隨機(jī)選取一點(diǎn)作為該查 找點(diǎn)的對應(yīng)點(diǎn)qT，利用SVD分解法計算旋轉(zhuǎn)矩陣R和平移矩陣Τ，再根據(jù)式VI計算旋轉(zhuǎn)平 移后的距離誤差，記錄當(dāng)前的旋轉(zhuǎn)矩陣R、平移矩陣T和誤差d e" :
第3. 4步重復(fù)第3. 3步，經(jīng)過Snmi循環(huán)后將誤差最小的旋轉(zhuǎn)矩陣R和平移矩陣T作 為最后的旋轉(zhuǎn)矩陣R和平移矩陣T。
5. 根據(jù)權(quán)利要求1、2或3所述自適應(yīng)的無標(biāo)志點(diǎn)三維點(diǎn)云自動拼接方法，其特征在于， 第4步中，所述查找對應(yīng)點(diǎn)的過程為： 第4. 1步對于查找出的圖像特征點(diǎn)，利用SIFT匹配算法實(shí)現(xiàn)圖像特征點(diǎn)的初匹配； 第4. 2步在初匹配數(shù)據(jù)集中隨機(jī)抽取8對匹配點(diǎn)，采用歸一化8點(diǎn)算法進(jìn)行基本矩陣 初始估計，得到基本矩陣F ; 第4. 3步利用式VII計算每一對初匹配點(diǎn)的誤差大小Eyn^m2是該兩點(diǎn)的齊次坐標(biāo)， 上標(biāo)T為轉(zhuǎn)置，設(shè)定民^取值范圍，將取值范圍內(nèi)的點(diǎn)視為最佳匹配點(diǎn)，記錄當(dāng)前最佳匹配點(diǎn) 和最佳匹配點(diǎn)數(shù)目； Err = mj F m2 式 VII 第4. 4步重復(fù)第4. 2步和第4. 3步，始終保存最佳匹配點(diǎn)數(shù)目最多的情況，直到重復(fù)次 數(shù)等于預(yù)先設(shè)定的采樣次數(shù)Snum ; 第4. 6步將最終保留下的最佳匹配點(diǎn)作為正確的對應(yīng)點(diǎn)。
6.根據(jù)權(quán)利要求1、2或3所述自適應(yīng)的無標(biāo)志點(diǎn)三維點(diǎn)云自動拼接方法，其特征在于， 所述SVD奇異值分解法求解旋轉(zhuǎn)矩陣R和平移矩陣T的過程為： 第6.1步設(shè)得到的匹配后三維點(diǎn)為集合6={81，8^%}和6/={8/1，8 /^"8/1^， 利用式VIII計算兩片點(diǎn)集的質(zhì)心；其中N為匹配點(diǎn)對數(shù)，gl和g' 1為任一對匹配三維點(diǎn) 的三維坐標(biāo)，g和f為3X 1的矩陣；
第6. 2步利用式IX將兩片點(diǎn)集G和G'相對于各自質(zhì)心做平移，得到新點(diǎn)集J = Ul，j2…·ilJ 和 J' =U' 1，·]·' 2…·]·' ji = gfg，J·' I = g' fg'，1 = 1，2. · · N 式 IX 第6. 3步利用式X計算3 X 3的矩陣H ;
第6. 4步對H矩陣進(jìn)行奇異值分解得：H = UA Vt，其中上標(biāo)T為矩陣轉(zhuǎn)置，U、V為3X3 酉矩陣，Λ為3X3對角矩陣，利用式XI定義3X3的對角矩陣A ;
第6. 5步利用XII式計算3 X 3的旋轉(zhuǎn)矩陣R和3 X 1的平移矩陣T : R = UAVt, T = g' -Rg 式 XII S106確定旋轉(zhuǎn)平移矩陣RT后，源點(diǎn)云保持不動，利用式XIII對目標(biāo)點(diǎn)云進(jìn)行旋轉(zhuǎn)平移 完成拼接： q，c = R · qc+T 式 XIII 其中，q。為目標(biāo)點(diǎn)云中任意一點(diǎn)的三維坐標(biāo)，q'。為經(jīng)變換后的點(diǎn)的三維坐標(biāo)。
【文檔編號】G06T5/50GK104392426SQ201410571233
【公開日】2015年3月4日 申請日期:2014年10月23日 優(yōu)先權(quán)日:2014年10月23日
【發(fā)明者】李中偉, 伍夢琦, 鐘凱 申請人:華中科技大學(xué)