[發明專利]一種大型復雜曲面多視掃描點云的精拼接方法

在審

• 申請號: 202011046973.0
• 申請日: 2020-09-29
• 公開（公告）號: CN112132752A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 陶波;望金山;龔澤宇;尹周平
• 申請（專利權）人: 華中科技大學
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06T7/35;G06N3/00
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 胡秋萍;李智

本發明公開了一種大型復雜曲面多視掃描點云的精拼接方法，屬于三維點云配準領域。本發明采用果蠅優化算法和改進最近點迭代算法的混合優化算法來實現大型復雜曲面點云的精拼接，通過結合ICP算法的局部高效最優搜索能力和FOA算法的全局最優搜索能力，解決現有技術中收斂速度慢、易陷入局部最優的問題，有效提高大型復雜曲面多視掃描點云的精拼接精度。粗拼接后的點云通過FOA?ICP算法處理后輸出高精度拼接好的多視點云，真實地映了被測對象的表面形貌。本發明對FOA拼接算法進行改進，將最優目標參數由六維向量簡化為三維平移向量，舍棄的三維旋轉向量的搜索通過融合的ICP算法來彌補，提高了搜索效率。

技術領域

本發明屬于三維點云配準技術領域，更具體地，涉及一種大型復雜曲面多視掃描點云的精拼接方法。

背景技術

大型復雜曲面的三維測量無法通過一次測量得到整個曲面的三維形貌數據，只能通過從不同視角分別測量得到多視點云，然后將這些多視點云拼接(也稱為“配準”)為一個整體。多視點云的拼接通常分為兩個步驟，粗拼接和精拼接。經過一定方法進行粗略拼接后的點云，拼接的精度很低，無法準確表征被測對象的真實形貌，需要進一步通過精拼接方法再次拼接以提高精度。最后，對精拼接之后的點云進行三維重建(將點云數據轉化為三維模型)得到待測曲面的測量模型，以用于對待測曲面的加工精度進行評價。

針對多視點云的精拼接問題，ICP(Iterative Closest Point，迭代最近點)及其改進算法，其主要思想是：通過搜索最近點作為匹配對應點，并利用奇異值分解或四元數法求解所需的配準參數進行拼接，然后反復迭代上述過程直至拼接誤差小于目標值。然而該技術存在以下缺陷：無法解決低重疊率的部分重疊點云的配準。對于復雜曲面點云的拼接問題易陷入局部最優解，無法保證得到全局最優解。GA(Genetic Algorithm，遺傳算法)、CS(Cuckoo Search，布谷鳥算法)、FOA(Fruit Fly Optimization Algorithm，果蠅優化算法)等群體智能優化算法，其主要思想是：模擬昆蟲、獸群、鳥群等的群體行為，群體中的每個成員通過學習它自身的經驗和其他成員的經驗來不斷地改變搜索方向，進而求解最優問題。然而該技術存在以下缺陷：搜索時間長，運算效率低等問題。

發明內容

針對現有技術的缺陷和改進需求，本發明提供了一種大型復雜曲面多視掃描點云的精拼接方法，其目的在于通過結合大型復雜曲面零件自身的結構特點，采用果蠅優化算法(FOA)和最近點迭代算法(ICP)的混合優化算法來實現大型復雜曲面點云的精拼接，測試結果表明該方法能夠有效解決現有技術中收斂速度慢、且易陷入局部最優的問題，有效提高了大型復雜曲面多視掃描點云的精拼接精度。

為實現上述目的，按照本發明的第一方面，提供了一種大型復雜曲面多視掃描點云的精拼接方法，該方法包括以下步驟：

S1.輸入粗拼接后的多視點云中的兩片相鄰且有部分重疊的點云P和Q，將點云P作為源點云，將點云Q作為目標點云；

S2.采用改進ICP算法對源點云P和目標點云Q進行初次精拼接，得到變換矩陣，根據所述變換矩陣對源點云P進行更新；

S3.采用FOA算法對當前點云P和Q進行二次精拼接，用隨機生成的多個三維平移變換對當前點云P進行平移變換得到候選點云集，采用改進ICP算法對候選點云集中的每片候選點云和目標點云Q分別進行精配準，用配準誤差最小的候選點云更新點云P；

S4.重復步驟S3直至配準誤差小于等于誤差閾值或迭代次數達到最大迭代次數為止，由此完成整個的點云精配準過程；

所述改進ICP算法在標準ICP算法基礎上，進行如下改進：在所有最近點對中篩選互為對應點作為匹配對應點，計算平移參數和旋轉參數時采用點到平面距離準則。