[發(fā)明專利]一種用于三維重建的點云配準方法

有效

• 申請?zhí)枺?/td>: 201711278238.0
• 申請日: 2017-12-06
• 公開（公告）號: CN107886529B
• 公開（公告）日: 2020-04-10
• 發(fā)明（設計）人: 王勇;鄒輝;黎春;閆河;何養(yǎng)明;陳薈西
• 申請（專利權）人: 重慶理工大學
• 主分類號: G06T7/33
• 分類號: G06T7/33
• 代理公司: 重慶博凱知識產(chǎn)權代理有限公司 50212
• 代理人: 黃河

技術領域

本發(fā)明屬于圖像處理技術領域，具體涉及一種用于三維重建的點云配準方法。

背景技術

近年來，隨著三維掃描技術的日益成熟與計算機視覺技術的飛速發(fā)展，三維重建技術正廣泛應用于3D打印、機器視覺、數(shù)字考古、醫(yī)療發(fā)展等諸多領域，受到了各大研究院校與科研學者的高度關注。

由于三維掃描設備有限的掃描視角，每次測量物體時只能得到物體的一部分點云數(shù)據(jù)，在實際應用過程中通常從不同視角對物體進行多次掃描后配準來實現(xiàn)三維物體的重現(xiàn)，因此，在三維物體重建過程中點云配準顯得尤為重要。

當前，使用的自動配準算法主要包括基于曲面的配準、基于幾何特征的配準與迭代配準算法。基于曲面的配準算法用切平面代替真正的曲面使得在迭代過程中可以使迭代誤差快速收斂，但需求解非線性最小二乘的問題，時間復雜度比較高，同時，當物體表面曲率變化明顯時，算法收斂性得不到保證。由于曲率具有平移、旋轉(zhuǎn)不變性，在基于幾何特征的配準算法中大多學者選擇基于曲率特征的配準算法，該算法可以在一定程度上保證算法的配準精度，但易導致存在多個相似點對的情況，增加算法的復雜度，且對于局部特征不明顯的物體不太適用。目前最經(jīng)典的迭代配準算法就是Besl和Chen于1991年提出的迭代最近點(ICP)算法，該算法通過每次迭代都在目標點集中選擇最近的點作為控制點來估算變換矩陣參數(shù)，直到目標函數(shù)值不變或小于條件預設閾值為止。但該算法收斂速度慢、計算量大、魯棒性很差，同時對點云間位姿要求較高，容易陷入局部最優(yōu)。

為了更快速的獲得精度更高的配準結(jié)果，國內(nèi)外學者對傳統(tǒng)ICP算法做了一系列的改進與優(yōu)化。如點到投影的ICP算法，提出將待配準點云中的點沿著目標點云視點方向穿過，選取與目標點云中的點相交的點作為匹配點進行配準，但該算法應用范圍不廣且配準精度不高；如結(jié)合法向量和曲率特征的ICP改進算法，首先利用點云法向量夾角初步提取關鍵點，并使用主曲率約束選取初始點集，然后使用點間距離和高斯曲率來確認精確匹配點，但該方法預設閾值較多，較難確定，且適合特征突出的點云匹配，一旦匹配點選取錯誤，容易造成配準失敗；如結(jié)合法向量和直方圖的精確配準算法，提出法向量直方圖的概念，并將點的法向量直方圖特征量作為點云的特征描述子來確定匹配點對，該算法避免了直接使用法向量進行匹配帶來的歧義性問題，但計算量很大。

綜上所述，現(xiàn)有的基于ICP的改進算法有如下不足之處：

(1)速度快，但精度較低；關鍵特征點選取越少，計算量越小，其收斂速度就越快，但精度相應較低。

(2)精度高，但速度較慢；關鍵特征點選取越多，精度相應提高，但由于計算量增加，速度較慢。

(3)算法的初始位置要求較高，否則易陷入局部最優(yōu)。

發(fā)明內(nèi)容

針對現(xiàn)有技術中存在的上述不足，本發(fā)明提供了一種速度較快、精度較高的三維重建的點云配準方法。

為解決上述技術問題，本發(fā)明采用了如下的技術方案：

一種用于三維重建的點云配準方法，包括以下步驟：

S101、用三維掃描儀從不同視角掃描物體表面，獲得至少兩個視角三維點云，取兩個視角三維點云分別作為源點集P和目標點集Q；

S102、對P和Q構(gòu)建KD-tree；

S103、基于KD-tree求取P中每個點的k_1個近鄰點，并計算P中每個點的法向量；

S104、計算P中每個點的法向量夾角平均值；

S105、基于P中每個點的法向量夾角平均值對P中的點分級并設置最大分辨率，初始時分辨率為1；

S106、計算當前分辨率下P中每一級的采樣比例并提取采樣點；

S107、基于KD-tree求P中各采樣點在Q中的k_3個近鄰點，并基于本發(fā)明中的匹配度求各采樣點與其k_3個近鄰點的匹配值，計算匹配度時若某點無曲率信息，則求取其曲率信息并存儲，取匹配值最小的點作為該采樣點的匹配點；

S108、根據(jù)獲得的匹配點對，使用四元素法計算旋轉(zhuǎn)矩陣和平移矩陣；

S109、使用獲得的旋轉(zhuǎn)矩陣和平移矩陣對源點集P進行變換，得到轉(zhuǎn)換后的點云集P¹，并將P¹作為新的源點集P；

S110、重復步驟S107到S109直到使目標函數(shù)最小；

S111、若分辨率滿足預設條件或目標函數(shù)的均方根誤差滿足預設條件，則結(jié)束，否則將當前分辨率加1，并返回步驟S106。

優(yōu)選地，步驟S104包括：