[發(fā)明專利]一種三維點(diǎn)云相似配準(zhǔn)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110316249.3
• 申請(qǐng)日: 2021-03-24
• 公開（公告）號(hào): CN113192111A
• 公開（公告）日: 2021-07-30
• 發(fā)明（設(shè)計(jì)）人: 汪霖;郭佳琛;劉成;段博越;張萬緒;周延;姜博;李艷艷;陳曉璇
• 申請(qǐng)（專利權(quán)）人: 西北大學(xué)
• 主分類號(hào): G06T7/33
• 分類號(hào): G06T7/33;G06T7/60;G06K9/62
• 代理公司: 西安嘉思特知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61230
• 代理人: 尹曉雪

本發(fā)明公開了一種三維點(diǎn)云相似配準(zhǔn)方法，包括：獲得形狀點(diǎn)云和模型點(diǎn)云，建立相似配準(zhǔn)優(yōu)化模型并對(duì)參數(shù)進(jìn)行初始化；利用相似配準(zhǔn)優(yōu)化模型獲得尺寸因子初值、剛體變換中旋轉(zhuǎn)矩陣的初值和平移向量的初值；利用尺寸因子獲取多個(gè)取值，并利用每個(gè)取值進(jìn)行剛體配準(zhǔn)和迭代，獲得每個(gè)取值對(duì)應(yīng)的最優(yōu)旋轉(zhuǎn)矩陣和平移向量；根據(jù)每個(gè)取值對(duì)應(yīng)的最優(yōu)旋轉(zhuǎn)矩陣和平移向量，進(jìn)行尺度因子精細(xì)化迭代，獲取最優(yōu)尺度因子及最終的旋轉(zhuǎn)矩陣和平移向量。本發(fā)明的三維點(diǎn)云相似配準(zhǔn)方法能夠有效抑制外點(diǎn)和噪聲的影響，提高相似配準(zhǔn)準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明屬于三維點(diǎn)云數(shù)據(jù)處理技術(shù)領(lǐng)域，具體涉及一種三維點(diǎn)云相似配準(zhǔn)方法，特別適用于三維點(diǎn)云數(shù)據(jù)中含有大量噪聲點(diǎn)和外點(diǎn)情況下的相似配準(zhǔn)。

背景技術(shù)

三維圖像采集設(shè)備一次只能得到物體一個(gè)側(cè)面的三維數(shù)據(jù)，為了得到物體的整體三維數(shù)據(jù)，需要從多個(gè)角度獲取三維數(shù)據(jù)，并對(duì)這些三維數(shù)據(jù)進(jìn)行配準(zhǔn)。對(duì)于三維點(diǎn)云配準(zhǔn)問題，待配準(zhǔn)的點(diǎn)云之間不僅存在著旋轉(zhuǎn)和平移變換，往往還包括了尺度變換，這就是相似配準(zhǔn)問題。由于相似配準(zhǔn)問題大量地存在于醫(yī)學(xué)圖像、衛(wèi)星遙感圖像等數(shù)據(jù)中，因此，相似配準(zhǔn)是一類非常重要的配準(zhǔn)問題?，F(xiàn)有的相似配準(zhǔn)方法大多存在應(yīng)用局限或精度不佳的問題，如Ying等人將尺度因子合并到迭代最近點(diǎn)(Iterative closest point，ICP)算法中，將配準(zhǔn)問題轉(zhuǎn)化為7D非線性空間上的約束優(yōu)化問題，再采用奇異值分解(Singular valuedecomposition，SVD)方法來迭代求解優(yōu)化問題。然而該算法難以應(yīng)用于存在大量噪聲和外點(diǎn)的實(shí)際點(diǎn)云數(shù)據(jù)的相似配準(zhǔn)中。

現(xiàn)有的三維點(diǎn)云相似配準(zhǔn)算法多數(shù)存在配準(zhǔn)精度不佳和應(yīng)用的局限性，如對(duì)于含有大量噪聲和外點(diǎn)的三維點(diǎn)云其配準(zhǔn)精度較差。由于點(diǎn)云數(shù)據(jù)采集設(shè)備的物理限制和噪聲等因素影響，所采集點(diǎn)云中存在大量噪聲和外點(diǎn)，從而影響點(diǎn)云的相似配準(zhǔn)精度，甚至獲得錯(cuò)誤的配準(zhǔn)結(jié)果。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)中存在的上述問題，本發(fā)明提供了一種三維點(diǎn)云相似配準(zhǔn)方法。本發(fā)明要解決的技術(shù)問題通過以下技術(shù)方案實(shí)現(xiàn)：

本發(fā)明提供了一種三維點(diǎn)云相似配準(zhǔn)方法，包括：

S1：獲得形狀點(diǎn)云和模型點(diǎn)云，建立相似配準(zhǔn)優(yōu)化模型并對(duì)參數(shù)進(jìn)行初始化；

S2：利用所述相似配準(zhǔn)優(yōu)化模型獲得尺寸因子初值、剛體變換中旋轉(zhuǎn)矩陣的初值和平移向量的初值；

S3：利用所述尺寸因子獲取多個(gè)取值，并利用每個(gè)取值進(jìn)行剛體配準(zhǔn)求解和迭代，獲得每個(gè)取值對(duì)應(yīng)的最優(yōu)旋轉(zhuǎn)矩陣和平移向量；

S4：根據(jù)每個(gè)取值對(duì)應(yīng)的最優(yōu)旋轉(zhuǎn)矩陣和平移向量，進(jìn)行尺度因子精細(xì)化迭代，獲取最優(yōu)尺度因子及最終的旋轉(zhuǎn)矩陣和平移向量。

在本發(fā)明的一個(gè)實(shí)施例中，所述S1包括：

S11：獲取形狀點(diǎn)云和模型點(diǎn)云其中，N_p為所述形狀點(diǎn)云中的點(diǎn)數(shù)，N_q為所述模型點(diǎn)云的點(diǎn)數(shù)；

S12：根據(jù)所述形狀點(diǎn)云和所述模型點(diǎn)云，建立基于偽Huber損失函數(shù)的三維點(diǎn)云相似配準(zhǔn)優(yōu)化模型：

s.t.R^TR＝I₃，det(R)＝1

其中，s為尺度因子，R為旋轉(zhuǎn)矩陣，t為平移向量，p_i為所述形狀點(diǎn)云中第i個(gè)點(diǎn)的三維坐標(biāo)，m_c(i)為形狀點(diǎn)云中第i個(gè)點(diǎn)p_i在模型點(diǎn)云中的最優(yōu)對(duì)應(yīng)點(diǎn)，b為外點(diǎn)閾值，I₃表示3階的單位矩陣；