[發明專利]一種基于SIFT和LBP的點云配準的接觸網三維重建方法

有效

• 申請號: 201410456796.1
• 申請日: 2014-09-10
• 公開（公告）號: CN104299260B
• 公開（公告）日: 2017-05-17
• 發明（設計）人: 劉志剛;徐建芳;鐘震遠;韓志偉
• 申請（專利權）人: 西南交通大學
• 主分類號: G06T17/00
• 分類號: G06T17/00;G06T15/00
• 代理公司: 成都信博專利代理有限責任公司51200
• 代理人: 張澎

1.一種基于SIFT和LBP的點云配準的接觸網零部件三維重建方法，通過Kinect設備獲取待重建接觸網零部件三維點云數據，包含如下手段：

(一)、接觸網零部件三維點云數據獲取及預處理

利用Kinect for Windows設備并結合OpenNI中的Niviewer.exe獲取oni格式視頻數據，然后運用點云庫PCL將視頻數據轉換為pcd格式點云數據文件，從而獲得待重建接觸網零部件所在環境初始三維數據；對獲取到的初始三維點云數據進行去噪、簡化、分割聚類、融合預處理操作，得到待重建接觸網零部件三維點云數據；

(二)、對(一)所獲取的待重建接觸網零部件各視角下三維點云數據運用尺度不變特征轉換SIFT(Scale Invariant Feature Transform)算法，提取SIFT關鍵點；接著，利用均勻模式的圖像局部二值模式(LBP：Local Binary Patterns)對關鍵點進行特征描述，獲得各關鍵點特征描述向量；然后，將向量間距離作為關鍵點間相似性判定度量，并以此確定不同視角下點云間的對應關系；最后，進行點云粗配準和最近點迭代ICP(Iterative Closest Point)精配準，獲取待重建接觸網零部件完整三維點云數據；

(三)、使用泊松曲面重建法對(二)數據進行曲面重建，對所獲模型進行孔洞修復，紋理添加，最終獲得待重建接觸網零部件的三維模型，完成重建過程；

所述(二)和(三)施行的具體步驟包含：

(1)SIFT關鍵點提取

A、尺度空間特征點檢測，即在高斯差分金字塔中檢測局部極值點，以此作為關鍵點候選對象，所用尺度空間及高斯差分函數如下所示，

尺度空間：

高斯差分函數：D(x,y,σ)＝L(x,y,kσ)-L(x,y,σ)

G(x,y,σ)為高斯核，I(x,y)為圖像強度；σ尺度；k為常量；

B、關鍵點精確定位、尺度確定及不穩定候選關鍵點的剔除；通過計算擬合曲面的極值來確定關鍵點的精確位置及尺度，同時剔除對比度低的特征點和不穩定的邊緣響應點，以提高匹配的穩定性及抗噪性；

C、關鍵點主方向的確定；尺度空間中每個像素的梯度模和方向分別為：

$m(x,y)=\sqrt{\left(L\right(x+1,y)-L{\left(x-1,y\right)}^2)+{\left(L\right(x,y+1)-L(x,y-1\left)\right)}^2}$

θ(x,y)＝tan^-1((L(x,y+1)-L(x,y-1))/(L(x+1,y)-L(x-1,y)))

創建梯度方向直方圖，選擇直方圖的主峰值為關鍵點主方向；

(2)關鍵點周圍區域的旋轉不變均勻模式LBP特征描述

A、在SIFT關鍵點p_i(x,y,z,σ,α,β,γ)的K近鄰區域中，分別以每個點p_j為中心，求得以其為中心的旋轉不變均勻模式LBP特征記為lbp_j(j＝1,2,...,K)；

g_i、g_c分別是鄰域內采樣點的灰度值和中間像素點的灰度值；P為采樣點數；R為采樣半徑；

B、添加加權值，ω_j＝exp(-(d²/(2σ₀²)))/(2πσ₀²)；

d為點p_j和關鍵點p_i間的距離；σ₀為選定的常數；

C、特征向量構建，T_i＝[ω₁·lbp₁ ω₂·lbp₂ … ω_K·lbp_K]；

D、歸一化處理消除光照影響，即

(3)SIFT關鍵點匹配，確定對應關系；

判定度量為向量間的距離，表示如下：

$\left|\right|T_A-T_B|{|}_1=\underset{i=1}{\overset{n}{\Σ}}\left|a_i-b_i\right|$

T_A，T_B分別是關鍵點A和B的LBP特征描述向量；a_i、b_i分別是A和B的LBP特征描述向量的各維元素；

匹配策略為：取點云1中關鍵點A，在點云2中找出與其特征描述向量距離最近的兩個關鍵點B和C，若最近距離與次近距離的比值小于一定閾值t，則認為與關鍵點A距離最近的關鍵點B與其相匹配，即

$\frac{\left|\right|T_A-T_B|{|}_1}{\left|\right|T_A-T_C|{|}_1}\<t$

(4)點云配準

兩點云對應關系確定后，對點云進行配準，可劃分為粗配準和精配準兩個過程；粗配準采用主成分分析法PCA(Principal Components Analysis)，精配準采用ICP精配準法；經一系列點云配準獲得完整的待重建接觸網零部件三維點云數據；

(5)采用泊松曲面重建法，對所獲完整點云數據進行曲面重建，獲得待重建接觸網零部件三維模型；

根據這一點云配準方法進行三維重建過程中點云的配準，加速點云配準速度，從而加快重建過程，獲得待重建接觸網零部件三維模型；

以上其他各符號和變量的定義為：(x，y)為空間像素坐標；表示卷積運算；σ是尺度；σ大小決定圖像的平滑程度，大尺度對應圖像的概貌特征，小尺度對應圖像的細節特征；大的σ值對應粗糙尺度即低分辨率，反之，對應精細尺度即高分辨率；

σ(s)＝2^o-1σ₀·2^s/S，o為金字塔組數，o＝[log₂(min(m,n))]-3，m、n為二維圖像高和寬，s為每組中層坐標，σ₀為初始尺度，S為每組層數，S一般為3～5；k為相鄰兩個尺度空間倍數的常數，k＝2^1/S；α,β,γ為三維圖像關鍵點各坐標面投影主方向。