[發(fā)明專利]密集點云模型快速精確配準(zhǔn)方法

無效

• 申請?zhí)枺?/td>: 201110080192.8
• 申請日: 2011-03-31
• 公開（公告）號: CN102169579A
• 公開（公告）日: 2011-08-31
• 發(fā)明（設(shè)計）人: 程云勇;卜昆;張定華;黃勝利;董一巍;黃魁東;張現(xiàn)東;竇楊柳;劉金鋼;楊小寧;袁帥;傅蔣威;周麗敏;喬燕;張亮
• 申請（專利權(quán)）人: 西北工業(yè)大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 西北工業(yè)大學(xué)專利中心 61204
• 代理人: 顧潮琪

技術(shù)領(lǐng)域

本發(fā)明涉及一種坐標(biāo)系統(tǒng)一方法，尤其涉及一種三維密集點云模型與CAD模型快速精確配準(zhǔn)方法，該方法適用于醫(yī)學(xué)、航空航天、兵器等領(lǐng)域零部件的三維密集點云模型的配準(zhǔn)。

背景技術(shù)

渦輪葉片點云模型的配準(zhǔn)主要是指測量的點云模型相對于CAD設(shè)計模型的空間變換，即實現(xiàn)坐標(biāo)系的統(tǒng)一。當(dāng)前在很多領(lǐng)域中，尺寸檢測和測量分析技術(shù)在提高制造形狀、尺寸精度和保證質(zhì)量方面有至關(guān)重要的作用。常見的測量方法有三坐標(biāo)測量、光學(xué)掃描測量和CT測量。近年來，隨著激光技術(shù)的發(fā)展，光學(xué)測量的速度和精度都有了很大的提高，應(yīng)用也越來越廣泛，其獲得的數(shù)據(jù)量非常巨大，雖然獲得了更全面的數(shù)據(jù)信息，但同時也為后續(xù)的測量分析帶來了不便。比如，國內(nèi)航空發(fā)動機(jī)渦輪葉片的制造精度低下，合格率低，為了提高制造精度和合格率，對制件進(jìn)行測量，然后通過對測量數(shù)據(jù)與CAD模型配準(zhǔn)，進(jìn)行二維或三維偏差分析，比較得出制件的變形規(guī)律，利用反變形技術(shù)對制件的模具、加工工藝等進(jìn)行優(yōu)化設(shè)計，從而提高制件的精度和合格率。

目前配準(zhǔn)算法大致可以分為三類：迭代配準(zhǔn)算法，基于曲面的配準(zhǔn)算法和基于幾何的特征配準(zhǔn)算法。對于迭代算法，最具代表性的是Besl等提出的迭代最近點算法(iterative?closestpoint，ICP)，算法首先利用牛頓迭代或者搜索方法尋找兩組點云對應(yīng)的最近點對，并采用歐氏距離作為目標(biāo)函數(shù)進(jìn)行迭代，從而得到三維的剛體變換。迭代算法雖然精確度很高，但存在很多局限性，首先是其迭代次數(shù)太多而導(dǎo)致的時間復(fù)雜性增加，另外，由于ICP算法對2個點云相對初始位置要求較高，點云之間的初始位置不能相差太大，否則，ICP的收斂方向是不確定的，這將導(dǎo)致算法的精確度和收斂速度受到影響，甚至還有可能陷入局部最優(yōu)解，因而配準(zhǔn)結(jié)果也是不可靠的。基于曲面描述的配準(zhǔn)算法和基于幾何特征的配準(zhǔn)算法可以看作是同一種方法，即基于特征的配準(zhǔn)算法，這種方法配準(zhǔn)效率較高，并且對于如局部重疊的點云數(shù)據(jù)，適用性較好，但此方法主要用于模型的預(yù)配準(zhǔn)，且要求模型具有明顯的幾何特征，有很大的局限性。

由于迭代算法的精度很高，在ICP算法的基礎(chǔ)上有人提出了將奇異值分解和最近點迭代算法相結(jié)合的方法(Singular?Value?Decomposition?and?Iterative?Closest?Point?algorithm，SVD_ICP)，該方法通過奇異值分解來求解兩個對應(yīng)點集的變換問題，然后逐步迭代實現(xiàn)配準(zhǔn)，但此方法配準(zhǔn)計算的速度較慢。對于海量點云數(shù)據(jù)的配準(zhǔn)，如何在保證配準(zhǔn)精度的前提下，提高配準(zhǔn)速度是國內(nèi)外很多學(xué)者都在努力研究的問題。

發(fā)明內(nèi)容

為了克服現(xiàn)有技術(shù)不能兼顧配準(zhǔn)精度和配準(zhǔn)速度的不足，本發(fā)明提供一種密集點云模型的快速配準(zhǔn)方法，該方法具有保證配準(zhǔn)精度、提高配準(zhǔn)速度的優(yōu)點。

本發(fā)明實現(xiàn)上述目的技術(shù)解決方案包括以下步驟：

步驟1

分別選取測量點云模型與CAD模型上任意三組對應(yīng)點對(P₁，Q₁)，(P₂，Q₂)，(P₃，Q₃)，其中P₁，P₂，P₃不在同一平面。令作矢量v₃和w₃，作矢量矢量v₂和w₂，v₁、v₂和v₃構(gòu)成正交坐標(biāo)系，表示為單位矢量同理得測量點云模型中的任一點P_i變換到對應(yīng)點Q_i的關(guān)系式為：Q_i＝RP_i+T，其中R＝[w][v]^-1，T＝Q₁-[w][v]^-1P₁。

步驟2

利用均勻采樣法將步驟1得到的密集點云模型簡化至10000-50000個點，以簡化后的點云作為控制點集{P}，尋找CAD模型上與之對應(yīng)的點集{P’}。

步驟3

以步驟2得到的控制點集{P}作為配準(zhǔn)控制點集，計算SVD_ICP算法中每步迭代的旋轉(zhuǎn)矩陣和平移矩陣：運用奇異值分解法，計算控制點集相對于CAD模型的平移和旋轉(zhuǎn)矩陣，具體過程如下：

1)利用公式和求取兩點集{P}和{P’}的質(zhì)心p和p’。