[發明專利]圖像配準方法、裝置、設備及存儲介質

在審

• 申請號: 202310254487.5
• 申請日: 2023-03-13
• 公開（公告）號: CN116309737A
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 李飛;張偉;趙兵;趙玲玲;武春杰;郝潔潔
• 申請（專利權）人: 合肥聯寶信息技術有限公司
• 主分類號: G06T7/30
• 分類號: G06T7/30;G06T3/20
• 代理公司: 北京樂知新創知識產權代理事務所(普通合伙) 11734
• 代理人: 陳穎

本公開提供了一種圖像配準方法、裝置、設備及存儲介質，通過獲取待測樣品的待測圖像和3D待測點云，以及獲取標準樣品的模板圖像和3D模板點云；通過所述待測圖像與所述模板圖像確定所述待測樣品的二維轉換矩陣，以及通過所述3D待測點云和所述3D模板點云，確定所述待測樣品的三維轉換矩陣；通過所述二維轉換矩陣和三維轉換矩陣之間的關聯關系，確定所述待測樣品的目標三維轉換矩陣；根據所述3D待測點云和所述目標三維轉換矩陣，得到所述待測樣品的目標點云，不僅有效的解決了現有技術中圖像匹配算法復雜度高，耗時較長的問題，還提高了生產效率。

技術領域

本公開涉及計算機技術領域，尤其涉及一種圖像配準方法、裝置、設備及存儲介質。

背景技術

筆記本內結構2D3D視覺檢測中，檢測算法的檢測速度成為了內機構生產速度提升的瓶頸，而在檢測算法中，點云匹配方法是為最耗時的部分。筆記本內結構點云匹配速率其實可以理解為針對3D點云配準的問題，也即基于模板信息和待測點云信息進行點云配準。

在現有技術中，常用3D點云配準方法有基于迭代最近點方法和基于穩健統計和測量的方法等。其中，基于迭代最近點方法通過對所有對應點對求解旋轉和平移變換矩陣，并通過不斷迭代的方式使兩片點云之間的誤差越來越小，直至滿足一定閾值要求或迭代次數。基于穩健統計和測量的方法是將點云表示成概率密度，提出了核心相關(KernelCorrelation，KC)算法，這種計算最優配準的方法是通過設置兩個點云間的相似度測量來減小它們之間的距離，而后對全局目標函數執行最優化算法，使目標函數值減小到收斂域。

但是，基于迭代最近點方法需大量搜索和計算操作，因此耗時多，無法滿足越來越快的生產速率；而基于穩健統計和測量的方法中，每一個點云中的點都必須和另一個點云中的所有點進行比較，所以這種算法復雜度高，耗時較長，同樣也無法滿足越來越快的生產效率。

發明內容

本公開提供了一種圖像配準方法、裝置、設備及存儲介質，以至少解決現有技術中存在的以上技術問題。

根據本公開的第一方面，提供了一種圖像配準方法，所述方法包括：

獲取待測樣品的待測圖像和3D待測點云，以及獲取標準樣品的模板圖像和3D模板點云；

通過所述待測圖像與所述模板圖像確定所述待測樣品的二維轉換矩陣，以及通過所述3D待測點云和所述3D模板點云，確定所述待測樣品的三維轉換矩陣；

通過所述二維轉換矩陣和三維轉換矩陣之間的關聯關系，確定所述待測樣品的目標三維轉換矩陣；

根據所述3D待測點云和所述目標三維轉換矩陣，得到所述待測樣品的目標點云。

在一可實施方式中，所述通過所述二維轉換矩陣和三維轉換矩陣之間的關聯關系，確定所述待測樣品的目標三維轉換矩陣，包括：

通過所述二維轉換矩陣，得到圖像線性變換矩陣和圖像平移矩陣；

簡化所述三維轉換矩陣，并將所述圖像線性變換矩陣和圖像平移矩陣代入所述三維轉換矩陣，得到所述待測樣品的目標三維轉換矩陣。

在一可實施方式中，所述簡化所述三維轉換矩陣，包括：

根據所述3D模板點云和所述3D待測點云的成像特征，確定所述3D模板點云和所述3D待測點云之間的縮放比例、Z軸方向平移值以及透視畸變參數；

通過所述縮放比例、Z軸方向平移值以及透視畸變參數，簡化所述三維轉換矩陣。

在一可實施方式中，所述根據所述3D待測點云和所述目標三維轉換矩陣，得到所述待測樣品的目標點云，包括：

通過以下公式，確定所述待測樣品的目標點云：

dst_pt′＝dst_pt*H_3D；