專(zhuān)利名稱(chēng)：：多幅深度圖像自動(dòng)配準(zhǔn)方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于計(jì)算機(jī)虛擬現(xiàn)實(shí)
技術(shù)領(lǐng)域：
，具體地說(shuō)是涉及多幅深度圖像自動(dòng)配準(zhǔn)，得到完整模型，該方法可用于三維模型的幾何建模。
背景技術(shù)：
：近些年來(lái)，三維掃描技術(shù)快速發(fā)展，使得自動(dòng)配準(zhǔn)技術(shù)變得越來(lái)越重要。深度圖像是三維掃描設(shè)備掃描后得到的帶有深度信息的圖像。配準(zhǔn)是指將從不同位置、不同角度掃描到的深度圖像通過(guò)剛性變換變到同一坐標(biāo)系的過(guò)程。通過(guò)配準(zhǔn)，將多幅深度圖像拼接到一起，從而獲得完整的三維模型。配準(zhǔn)計(jì)算過(guò)程主要可分為兩幅深度圖像配準(zhǔn)和多幅深度圖像配準(zhǔn)。兩幅深度圖像配準(zhǔn)是計(jì)算兩幅圖像之間的相對(duì)位置關(guān)系進(jìn)行配準(zhǔn)；多幅深度圖像配準(zhǔn)也稱(chēng)全局配準(zhǔn)是在兩幅深度圖像配準(zhǔn)的基礎(chǔ)上，去除錯(cuò)誤的兩兩配準(zhǔn)結(jié)果，計(jì)算全局一致的配準(zhǔn)結(jié)果，然后優(yōu)化全局配準(zhǔn)的總體誤差。兩幅深度圖像配準(zhǔn)主要包括粗略?xún)蓛膳錅?zhǔn)和精確兩兩配準(zhǔn)兩步。精確兩兩配準(zhǔn)主要采用ICP(IterativeClosestPoint)算法(參見(jiàn)P.J.Besl,N.D.McKay.AMethodforRegistrationof3DShapes.IEEETrans.PatternAnal[J〗.andMachineIntell.Vol.14，pp,239-256,1992和Y.Chen,G.Medioni.ObjectModelingbyRegistrationofMultipleRangeImages[J].IEEEConferenceonRoboticsandAutomation,pp.2724-2729,1991.和[Rusinkiewicz2001]Rusinkiewicz,S.,Levoy，M.EfficientVariantsoftheICPAlgorithm[J].InInternationalConferenceon3DDigitalImagingandModeling,2001.)，已經(jīng)取得了很好的效果，但是，由于ICP算法是局部收斂的，所以在采用ICP算法之前，先要進(jìn)行兩兩粗略配準(zhǔn)，以獲得較好的初始位置，避免陷入局部最優(yōu)。兩兩粗略配準(zhǔn)主要利用特征描述符，如旋轉(zhuǎn)圖像、積分球體等，匹配至少三對(duì)或者更多對(duì)應(yīng)點(diǎn)，進(jìn)而求得剛性變換。全局匹配是在兩兩配準(zhǔn)基礎(chǔ)上，判斷兩兩配準(zhǔn)的正確性，去掉錯(cuò)誤結(jié)果，得到整體一致的配準(zhǔn)結(jié)果。Huber(參見(jiàn)HuberD.AutomaticThree-dimensionalModelingfromReality.CarnegieMellonUniversity,2002)提出了第一個(gè)全局匹配算法。他利用可見(jiàn)性標(biāo)準(zhǔn)，判斷深度圖像之間是否存在遮擋，進(jìn)而判斷配準(zhǔn)是否正確，并利用貝葉斯概率得到每個(gè)配準(zhǔn)的可靠性系數(shù)，然后，使用貪心法，生成一顆配準(zhǔn)整個(gè)模型的最小生成樹(shù)。但每次遮擋判斷之前都要優(yōu)化總體誤差，而且遮擋計(jì)算復(fù)雜度也比較高，因此計(jì)算效率比較低。而且在計(jì)算生成樹(shù)開(kāi)始階段，由于只有較少的深度圖像聚合到一起，所以遮擋性判斷的可靠性也較低。Hunag(參見(jiàn)HuangQX,FloryS,GelfandN，HoferM，PottmannH.Reassemblingfracturedobjectsbygeometricmatching.ACMTransactionsonGraphics(SIGGRAPH)，2006:569—578)改進(jìn)了Huber的方法，他注意到兩個(gè)多幅深度圖像合并的子模型之間可能存在多個(gè)兩兩配準(zhǔn)關(guān)系，這比單一關(guān)系要可靠，因此他優(yōu)先合并有更多相容配準(zhǔn)關(guān)系的子圖，而不是僅僅依賴(lài)單一配準(zhǔn)結(jié)果求最小生成樹(shù)，但該方法還是要多次優(yōu)化總誤差，計(jì)算復(fù)雜度高，在模型合并初期同樣可靠性不高。注意到子模型間的多個(gè)相容配準(zhǔn)關(guān)系，實(shí)質(zhì)上是構(gòu)成了回路，而且兩兩配準(zhǔn)結(jié)果在回路中要滿(mǎn)足一致性約束。全局匹配后需要優(yōu)化總體誤差。與ICP算法類(lèi)似，通過(guò)迭代逐漸減小誤差，但由于涉及到多幅深度圖像，所以計(jì)算更為復(fù)雜。全局配準(zhǔn)算法主要分為兩類(lèi)，兩兩優(yōu)化Bergevin和Pulli(參見(jiàn)BergevinR.，SoucyM.，GagnonH.,etal.TowardsaGeneralMulti-ViewRegistrationTechnique.正EETrans.PatternAnal,andMachineIntell,1996，18(5):540-547和PulliK.MultiviewRegistrationforLargeDataSets,nternationalConferenceon3DDigitalImagingandModeling)和同時(shí)優(yōu)化Krishnan和Neugebauer算法(參見(jiàn)KrishnanS.,LeeP.Y.,MooreJ.，etal.GlobalRegistrationofMultiple3DPointSetsviaOptimization-on-a-Manifold.Proc.ofSymposiumonGeometryProcessing,2005:187-196禾卩NeugebauerP.J.GeometricalCloningof3DObjectsviaSimultaneousRegistrationofMultipleRangeImages[C].Proceed-ingsofthe1997InternationalConferenceonShapeModelingandApplications(SMA'97)，1997,130)。兩兩優(yōu)化反復(fù)采用ICP算法優(yōu)化兩幅圖像，因此收斂速度慢而且可能無(wú)法收斂,同時(shí)優(yōu)化的方法直接優(yōu)化總誤差，收斂速度較快，但復(fù)雜的優(yōu)化計(jì)算穩(wěn)定性較差。
發(fā)明內(nèi)容本發(fā)明的技術(shù)解決問(wèn)題克服現(xiàn)有技術(shù)的不足，提供一種多幅深度圖像自動(dòng)配準(zhǔn)方法，該方法進(jìn)行多幅深度圖像配準(zhǔn)速度快，且匹配準(zhǔn)確。本發(fā)明的技術(shù)解決方案多幅深度圖像自動(dòng)配準(zhǔn)方法，包括兩幅深度圖像配準(zhǔn)和多幅深度圖像全局匹配過(guò)程，其中所述的兩幅深度圖像配準(zhǔn)如下(1)在兩幅圖像上分別計(jì)算SIFT特征，得到每個(gè)特征點(diǎn)對(duì)應(yīng)一個(gè)12S維特征向量；(2)根據(jù)步驟(1)所述的特征向量，匹配對(duì)應(yīng)點(diǎn)；(3)確定匹配對(duì)應(yīng)點(diǎn)之后，采用RANSAC算法求解基礎(chǔ)矩陣，然后采用基礎(chǔ)矩陣剔除匹配錯(cuò)誤的對(duì)應(yīng)點(diǎn)；(4)將剔除匹配錯(cuò)誤后的對(duì)應(yīng)點(diǎn)按SIFT特征距離排序，去掉兩幅國(guó)像的特征向量之間距離最大的20%的對(duì)應(yīng)點(diǎn)；(5)根據(jù)兩幅圖像的對(duì)應(yīng)點(diǎn)采用四元數(shù)法求得變換矩陣，從而得到兩兩粗略配準(zhǔn)；(6)兩兩粗略配準(zhǔn)后，使用ICP算法精確配準(zhǔn)兩幅深度圖像；所述的多幅深度圖像全局匹配過(guò)程如下(7)根據(jù)步驟(6)得到的兩兩精確配準(zhǔn)的兩幅深度圖像，建立多幅圖像的模型(8)求得模型圖的導(dǎo)出圈基，建立導(dǎo)出圈基的鄰接關(guān)系圖r，所述的導(dǎo)出圈基是指沒(méi)有弦的導(dǎo)出圈構(gòu)成的基；(9)搜索圈空間，所述的圈空間為模型圖中所有回路的集合，在搜索時(shí)只搜索導(dǎo)出圈基的鄰接關(guān)系圖r中的連通頂點(diǎn)生成的圈，并且得到一個(gè)一致圈時(shí)，就刪掉一個(gè)圈基，直到r所剩余的頂點(diǎn)個(gè)數(shù)小于要搜索的頂點(diǎn)個(gè)數(shù)為止，得到多幅圖像的全局匹配。所述步驟(2)中采用雙向交叉方法匹配對(duì)應(yīng)點(diǎn)，其步驟為匹配對(duì)應(yīng)點(diǎn)時(shí)，對(duì)于第一幅圖像上的特征點(diǎn)p，其有一個(gè)特征向量，在第二幅深度圖像的所有特征向量中找到距離特征點(diǎn)p的特征向量最近的特征點(diǎn)p'，反過(guò)來(lái)對(duì)于p'，在第一幅深度圖像的所有特征向量中找到距離特征點(diǎn);'的特征向量最近的特征點(diǎn);/，如果;=/，則p與/7'為匹配對(duì)應(yīng)點(diǎn)。所述的步驟(6)后還要判斷兩兩配準(zhǔn)結(jié)果是否正確，判斷步驟為首先，在根據(jù)SIFT特征匹配對(duì)應(yīng)點(diǎn)時(shí)，如果匹配成功的對(duì)應(yīng)點(diǎn)數(shù)小于設(shè)定閾值，則判定配準(zhǔn)不正確；其次，使用ICP算法精確配準(zhǔn)時(shí)，如果誤差過(guò)大，大于設(shè)定閾值，則判定配準(zhǔn)不正確；如果以上兩個(gè)條件均無(wú)法判定配準(zhǔn)結(jié)果錯(cuò)誤，則認(rèn)為結(jié)果正確。所述步驟(7)中所述的模型圖G《F,五〉是一個(gè)無(wú)向圖，V是頂點(diǎn)的集合，E是邊的集合，每個(gè)頂點(diǎn)v,eJ/表示一幅深度圖像，每一條邊^(qū)-(v,.，^.)e五，當(dāng)且僅當(dāng)深度圖像v,和、.的兩兩配準(zhǔn)結(jié)果7;存在，并且7;.作為邊^(qū).的屬性，其中v,和^.是模型圖的兩個(gè)頂點(diǎn)。所述步驟(8)中的對(duì)于得到一個(gè)一致圈的判斷方法從圈中任取一幅深度圖像，求得它的直徑"，將該深度圖像沿著圈中的兩兩變換變換一周，得到一幅新的深度圖像，計(jì)算新的深度圖像和初始深度圖像對(duì)應(yīng)點(diǎn)之間的誤差e，將e/^作為圈的誤差，如果圈的誤差小于設(shè)定閾值圈就是一致的，否則，是不一致的。本發(fā)明與現(xiàn)有技術(shù)相比的優(yōu)點(diǎn)在于(1)本發(fā)明基于SIFT的特征配準(zhǔn)計(jì)算速度快，交叉匹配對(duì)應(yīng)點(diǎn)可靠性高，用RANSAC算法過(guò)濾對(duì)應(yīng)點(diǎn)，最大程度提高了對(duì)應(yīng)點(diǎn)的可靠性。(2)本發(fā)明建立多幅圖像的模型圖，求得模型圖的導(dǎo)出圈基，建立導(dǎo)出圈基的鄰接關(guān)系圖r，在搜索圈空間時(shí)只搜索導(dǎo)出圈基的鄰接關(guān)系圖r中的連通頂點(diǎn)生成的圈，并且得到一個(gè)一致圈時(shí)，就刪掉一個(gè)圈基，直到r所剩余的頂點(diǎn)個(gè)數(shù)小于要搜索的頂點(diǎn)個(gè)數(shù)為止，得到多幅圖像的全局匹配，大大提高了搜索速度，從而快速可靠地得到多幅圖像全局一致的配準(zhǔn)結(jié)果。(3)而且本發(fā)明通過(guò)圈的一致性判斷，進(jìn)一步提高了多幅圖像的可靠性。圖l為本發(fā)明方法的流程圖2為本發(fā)明中建立模型圖的示意圖3為本發(fā)明中采用64個(gè)圈的誤差分布圖4為圖3的局部放大圖5為采用本發(fā)明方法進(jìn)行自動(dòng)配準(zhǔn)的彌勒下生經(jīng)變相窟圖。具體實(shí)施例方式如圖1所示，本發(fā)明分為兩幅深度圖像配準(zhǔn)和多幅深度圖像全局匹配過(guò)程。1、兩幅深度圖像配準(zhǔn)兩幅深度圖像粗略配準(zhǔn)是對(duì)處在任意位置的部分重疊的兩幅深度圖像粗略配準(zhǔn)的過(guò)程。目的是為精確配準(zhǔn)提供較好的初始位置，以確保其收斂。由于深度圖像中包含顏色信息，因此本發(fā)明采用圖像對(duì)應(yīng)點(diǎn)匹配方法進(jìn)行配準(zhǔn)，其步驟為(1)首先，分別在兩幅圖像上計(jì)算SIFT特征，每個(gè)特征點(diǎn)對(duì)應(yīng)一個(gè)128維特征向量，采用歐氏距離度量?jī)蓚€(gè)SIFT特征之間的距離；在此步驟中計(jì)算SIFT特征采用Lowe,D.Distinctiveimagefeaturesfromscale-invariantkeypoints.Int.J.ofComputerVision60，2，91-110.2004.文中介紹了方法即可。(2)采用雙向交叉匹配對(duì)應(yīng)點(diǎn)，即匹配對(duì)應(yīng)點(diǎn)時(shí)，對(duì)于第一幅圖像上的特征點(diǎn)p，其有一個(gè)特征向量，在第二幅深度圖像的所有特征向量中找到距離特征點(diǎn)p的特征向量最近的特征點(diǎn)/7'，反過(guò)來(lái)對(duì)于p',在第一幅深度圖像的所有特征向量中找到距離特征點(diǎn)y的特征向量最近的特征點(diǎn)y，如果/=;/，則p與y為匹配對(duì)應(yīng)點(diǎn)。G)匹配之后，采用RANSAC算法求解基礎(chǔ)矩陣，以剔除誤差點(diǎn)，采用RANSAC算法求解基礎(chǔ)矩陣可以參見(jiàn)Hartley,R.I.,ANDZISSERMAN，A.2004.MultipleViewGeometryinComputerVision,CambridgeUniversityPress,Cambridge,UK。(4)然后，將對(duì)應(yīng)點(diǎn)按SIFT特征距離排序，去掉距離最大的20%的對(duì)應(yīng)點(diǎn)。(5)最后，根據(jù)對(duì)應(yīng)點(diǎn)使用四元數(shù)法求得變換矩陣，使用四元數(shù)法的求解變換矩陣的過(guò)程可以參見(jiàn)Hom，B.ClosedFormSolutionsofAbsoluteOrientationUsingUnitQuaternions.JournaloftheOpticalSociety,Vol.4,629-642,1987。(6)兩兩粗略配準(zhǔn)后，使用ICP(IterativeClosestPoint)算法精確配準(zhǔn)兩幅深度圖像。ICP算法參見(jiàn)P.J.Besl，N.D.McKay.AMethodforRegistrationof3DShapes.IEEETrans.PatternAnal[J].andMachineIntell.Vol.14,pp.239-256,1992.，每次迭代根據(jù)誤差動(dòng)態(tài)修改距離閾值，這樣得到了兩幅深度圖像精確的配準(zhǔn)的結(jié)果。(7)對(duì)兩幅深度圖像精確的配準(zhǔn)的結(jié)果進(jìn)行兩兩配準(zhǔn)的一致性判斷。特征點(diǎn)匹配錯(cuò)誤或兩幅深度圖像沒(méi)有部分重疊，都可能造成兩兩配準(zhǔn)結(jié)果錯(cuò)誤。因此要兩兩配準(zhǔn)是要判斷其結(jié)果是否正確，判斷步驟為首先，在根據(jù)SIFT特征匹配對(duì)應(yīng)點(diǎn)時(shí)，如果匹配成功的對(duì)應(yīng)點(diǎn)數(shù)小于設(shè)定閾值，則判定配準(zhǔn)不正確；其次，使用ICP算法精確配準(zhǔn)時(shí)，如果誤差過(guò)大，大于設(shè)定閾值，則判定配準(zhǔn)不正確。如果以上兩個(gè)條件均無(wú)法判定配準(zhǔn)結(jié)果錯(cuò)誤，則認(rèn)為結(jié)果正確，并且將兩兩配準(zhǔn)結(jié)果加入到后面多幅圖像全局匹配的模型圖中。2、多幅深度圖像全局匹配(1)根據(jù)得到的兩兩精確配準(zhǔn)的兩幅深度圖像，建立多幅圖像的模型圖；兩兩配準(zhǔn)之后，得到模型圖G，但僅僅依靠?jī)蓛膳錅?zhǔn)的一致性判斷得到的結(jié)果是不可靠的，例如由于模型的自對(duì)稱(chēng)性，造成配準(zhǔn)錯(cuò)誤，但通過(guò)兩兩配準(zhǔn)難以判斷出來(lái)。因此，兩兩配準(zhǔn)之后，要進(jìn)行全局一致性判斷。由于模型圖G的任意回路都應(yīng)滿(mǎn)足一致性約束，否則就是不正確的，這樣在一條回路中的配準(zhǔn)結(jié)果可以自我校驗(yàn)，本發(fā)明提出基于回路的全局匹配方法。模型圖<7=<^,￡>是一個(gè)無(wú)向圖，每個(gè)頂點(diǎn)v,eF表示一幅深度圖像，邊e"(v,.,v》eE當(dāng)且僅當(dāng)深度圖像v,.和^的兩兩配準(zhǔn)結(jié)果7;.存在，并且7;作為邊^(qū)的屬性。值得注意的是，任何一條回路都要滿(mǎn)足一致性約束，即總的變換應(yīng)為單位變換。如圖2，在回路16521中，應(yīng)滿(mǎn)足^.7125.7;6.7;1=/。一條回路如果滿(mǎn)足一致性約束，則稱(chēng)為一致回路，否則稱(chēng)為不一致。(2)求得模型圖的導(dǎo)出圈基，建立導(dǎo)出圈基的鄰接關(guān)系圖r;先簡(jiǎn)單介紹有關(guān)圖、圈和圈空間的概念。一個(gè)圖<^=<^￡>，其中F-v(G)表示頂點(diǎn)集合，E-f(G)表示邊的集合。每個(gè)頂點(diǎn)出現(xiàn)不超過(guò)一次的通路稱(chēng)為基本通路(Path)。起點(diǎn)和終點(diǎn)為同一頂點(diǎn)的基本通路稱(chēng)為圈(Cycle)。一條邊連接一個(gè)圈中的兩個(gè)頂點(diǎn)，但它并不是圈中的邊，稱(chēng)為弦(Chord)。一個(gè)沒(méi)有弦的圈稱(chēng)為導(dǎo)出圈(InducedCycle)。如果圖(^和(72沒(méi)有公共邊，則G,u《稱(chēng)為圖G,和C^的邊不重并。環(huán)路是指圈與圈的邊不重并。顯然圈是環(huán)路，圈是連通的，但環(huán)路不一定連通。圖G,和G2的對(duì)稱(chēng)差(SymmetricDifference)運(yùn)算定義為G,十G2—(^uG2)-(G,nG2)。對(duì)稱(chēng)差運(yùn)算滿(mǎn)足交換律和結(jié)合律。連通圖G=<7，￡>的所有環(huán)路及空集組成的集合為f={C,,C2…，CJ，在其上定義對(duì)稱(chēng)差運(yùn)算與數(shù)乘運(yùn)算Oq-(D，l.G-G,，則其構(gòu)成數(shù)域22={0,1}上的一個(gè)|￡卜|7|+1維線(xiàn)性空間，記作f(G)，稱(chēng)為圈空間(CycleSpace)。任何圈空間都可以由導(dǎo)出圈基以生成整個(gè)圈空間。(3)搜索圈空間；設(shè)模型圖G的導(dǎo)出圈基為#={^，5,整個(gè)圈空間AG)由^張成，因此C(G)的大小為2'a-"+1，是指數(shù)復(fù)雜度，搜索效率太低。模型圖中所有一致圈構(gòu)成了一個(gè)線(xiàn)性子空間，稱(chēng)為一致子空間。本發(fā)明提出一種快速求得一致子空間的一組基的方法，大大提高了圈空間的搜索效率，理想情況下是線(xiàn)性復(fù)時(shí)間雜度。注意到如果兩個(gè)圈的對(duì)稱(chēng)差仍為圈，那么這兩個(gè)圏必有公共邊。為了加速搜索，首先定義圈基的鄰接關(guān)系圖r〈f,i:》邊(5,^;)ei當(dāng)且僅當(dāng)eCB,)nf(A)^(D。因此有以下結(jié)論設(shè)c-氣④氣e…十氣，如果c是圈，那么在r〈,，丄〉中^，氣，…，^是連通的。注意由r中連通的頂點(diǎn)所對(duì)應(yīng)的圈基生成的環(huán)路也可能不是圈，因此還要檢驗(yàn)其是不是圈。這樣在搜索圈空間時(shí)，只要搜索由任意多個(gè)連通的基生成的所有圈，判斷它們的一致性，這樣可以大大減少搜索次數(shù)。在搜索一致圈時(shí)，首先根據(jù)兩兩配準(zhǔn)的模型圖G求出導(dǎo)出圈基f-{A,^,'"^^,,},并且生成^的鄰接關(guān)系圖r〈f，￡>，采甩導(dǎo)出圈基是因?yàn)樗拈L(zhǎng)度較小，因而一致的可能性較大，有助于提高搜索效率。然后求S(G)的一組基，首先，判斷每個(gè)圈C-^是否一致，如果一致，則將c加入到s(G)的基中，并從r中刪除g.;然后判斷由任何兩個(gè)連通的圈基生成的圈c二萬(wàn),.0^是否一致，如果一致，將c加入到s(g)的基中，并從r中刪除A;然后判斷由任何三個(gè)連通的圈基生成的圈，這樣下去，直到r中剩余的頂點(diǎn)小于要搜索的連通頂點(diǎn)個(gè)數(shù)為止。然后，將所有一致圈的邊合并得到一致模型圖G'，詳細(xì)算法在算法l中給出。該算法在最好情況下是線(xiàn)性復(fù)雜度，與指數(shù)復(fù)雜度相比，大大提高了計(jì)算效率。如果G'只有一個(gè)連通子圖，則全局配準(zhǔn)計(jì)算完成。如果G'有多個(gè)連通子圖，則連通子圖之間不再存在一致回路，本發(fā)明采用基于可見(jiàn)性的判斷方法——自由空間沖突(FreeSpaceViolation)繼續(xù)全局配準(zhǔn)[Huber2002]，生成連通子圖之間的最小生成樹(shù)，以合并更多的子圖。因?yàn)橐话闱闆r下，每個(gè)連通子圖都含有多幅深度圖像，所以，相對(duì)于單幅圖像而言，可見(jiàn)性判斷具有更高的可靠性。<table>tableseeoriginaldocumentpage10</column></row><table>(5)試驗(yàn)結(jié)果；圈的一致性判斷時(shí)，每個(gè)回路的誤差分布如圖3、4所示，可以看出誤差分布在0.03和0.3之間存在明顯斷裂，因此，本發(fā)明設(shè)定判斷一致圈的誤差閾值為0.03。如圖5所示，大足石刻彌勒下生經(jīng)變相窟模型共有81幅深度圖像，包含22477248個(gè)點(diǎn)，平均每幅深度圖像約27.7萬(wàn)個(gè)點(diǎn)。采用同上的參數(shù)設(shè)定，共進(jìn)行了3240次兩兩配準(zhǔn)后，得到模型圖包含217條邊，因此圈空間的維數(shù)為137。搜索圈空間時(shí)，共搜索了140個(gè)圈后完成搜索，得到124個(gè)一致圈，即一致子空間為124維，得到的一致模型圖包含184條邊且己經(jīng)連通，搜索圈空間用時(shí)42.5秒。整個(gè)配準(zhǔn)計(jì)算用時(shí)約35分鐘，可見(jiàn)絕大部分時(shí)間都用于兩兩配準(zhǔn)，最后得到的完整模型?？傊?，本發(fā)明可以可靠的自動(dòng)配準(zhǔn)多幅深度圖像，通過(guò)搜索一致圈，去掉錯(cuò)誤配準(zhǔn)，得到一致的配準(zhǔn)結(jié)果。本發(fā)明說(shuō)明書(shū)中未作詳細(xì)描述的內(nèi)容屬于本領(lǐng)域?qū)I(yè)技術(shù)人員公知的現(xiàn)有技術(shù)。以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本
技術(shù)領(lǐng)域：
的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也應(yīng)視為本發(fā)明的保護(hù)范圍。權(quán)利要求1、多幅深度圖像自動(dòng)配準(zhǔn)方法，兩幅深度圖像配準(zhǔn)和多幅深度圖像全局匹配過(guò)程，其特征在于步驟如下所述的兩幅深度圖像配準(zhǔn)如下(1)在兩幅圖像上分別計(jì)算SIFT特征，得到每個(gè)特征點(diǎn)對(duì)應(yīng)一個(gè)128維特征向量；(2)根據(jù)步驟(1)所述的特征向量，匹配對(duì)應(yīng)點(diǎn)；(3)確定匹配對(duì)應(yīng)點(diǎn)之后，采用RANSAC算法求解基礎(chǔ)矩陣，然后采用基礎(chǔ)矩陣剔除匹配錯(cuò)誤的對(duì)應(yīng)點(diǎn)；(4)將剔除匹配錯(cuò)誤后的對(duì)應(yīng)點(diǎn)按SIFT特征距離排序，去掉兩幅圖像的特征向量之間距離最大的20％的對(duì)應(yīng)點(diǎn)；(5)根據(jù)兩幅圖像的對(duì)應(yīng)點(diǎn)采用四元數(shù)法求得變換矩陣，從而得到兩兩粗略配準(zhǔn)；(6)兩兩粗略配準(zhǔn)后，使用ICP算法精確配準(zhǔn)兩幅深度圖像；所述的多幅深度圖像全局匹配過(guò)程如下(7)根據(jù)步驟(6)得到的兩兩精確配準(zhǔn)的兩幅深度圖像，建立多幅圖像的模型圖；(8)求得模型圖的導(dǎo)出圈基，建立導(dǎo)出圈基的鄰接關(guān)系圖Γ，所述的導(dǎo)出圈基是指沒(méi)有弦的導(dǎo)出圈構(gòu)成的基；(9)搜索圈空間，所述的圈空間為模型圖中所有回路的集合，在搜索時(shí)只搜索導(dǎo)出圈基的鄰接關(guān)系圖Γ中的連通頂點(diǎn)生成的圈，并且得到一個(gè)一致圈時(shí)，就刪掉一個(gè)圈基，直到Γ所剩余的頂點(diǎn)個(gè)數(shù)小于要搜索的頂點(diǎn)個(gè)數(shù)為止，得到多幅圖像的全局匹配。2、根據(jù)權(quán)利要求l所述多幅深度圖像自動(dòng)配準(zhǔn)方法，其特征在于所述步驟(2)中采用雙向交叉方法匹配對(duì)應(yīng)點(diǎn)，其步驟為匹配對(duì)應(yīng)點(diǎn)時(shí)，對(duì)于第一幅圖像上的特征點(diǎn);7，其有一個(gè)特征向量，在第二幅深度圖像的所有特征向量中找到距離特征點(diǎn)p的特征向量最近的特征點(diǎn)y，反過(guò)來(lái)對(duì)于/7'，在第一幅深度圖像的所有特征向量中找到距離特征點(diǎn)^的特征向量最近的特征點(diǎn)/，如果;=/，則p與；為匹配對(duì)應(yīng)點(diǎn)。3、根據(jù)權(quán)利要求l所述多幅深度圖像自動(dòng)配準(zhǔn)方法，其特征在于所述的步驟(6)后還要判斷兩兩配準(zhǔn)結(jié)果是否正確，判斷步驟為首先，在根據(jù)SIFT特征匹配對(duì)應(yīng)點(diǎn)時(shí)，如果匹配成功的對(duì)應(yīng)點(diǎn)數(shù)小于設(shè)定閾值，則判定配準(zhǔn)不正確；其次，使用ICP算法精確配準(zhǔn)時(shí)，如果誤差過(guò)大，大于設(shè)定閾值，則判定配準(zhǔn)不正確；如果以上兩個(gè)條件均無(wú)法判定配準(zhǔn)結(jié)果錯(cuò)誤，則認(rèn)為結(jié)果正確。4、根據(jù)權(quán)利要求l所述多幅深度圖像自動(dòng)配準(zhǔn)方法，其特征在于所述步驟(7)中所述的模型圖(7=<^￡>是一個(gè)無(wú)向圖，V是頂點(diǎn)的集合，E是邊的集合，每個(gè)頂點(diǎn)v,.er表示一幅深度圖像，每一條邊.=".,^.)6￡,當(dāng)且僅當(dāng)深度圖像v,和力的兩兩配準(zhǔn)結(jié)果7;存在，并且7;.作為邊的屬性，其中^和^.是模型圖的兩個(gè)頂點(diǎn)。5、根據(jù)權(quán)利要求l所述多幅深度圖像自動(dòng)配準(zhǔn)方法，其特征在于所述步驟(8)中的對(duì)于得到一個(gè)一致圈的判斷方法從圈中任取一幅深度圖像，求得它的直徑"，將該深度圖像沿著圈中的兩兩變換變換一周，得到一幅新的深度圖像，計(jì)算新的深度圖像和初始深度圖像對(duì)應(yīng)點(diǎn)之間的誤差e，將e/^作為圈的誤差，如果圈的誤差小于設(shè)定閾值圈就是一致的，否則，是不一致的。6、根據(jù)權(quán)利要求l所述多幅深度圖像自動(dòng)配準(zhǔn)方法，其特征在于所述步驟(9)中搜索圈空間的方法如下輸入兩兩配準(zhǔn)的模型圖G輸出全局一致的模型圖G'Procedure求出G的導(dǎo)出圈基B建立B的鄰接關(guān)系圖T〈B,L>consistent—cycle—①N—1whiler中頂點(diǎn)數(shù)>=:^foreachr中N個(gè)連通頂點(diǎn)生成的圈CifC—致ffien將C插入到consistent_cycle中刪除這N個(gè)頂點(diǎn)中的一個(gè)Ifr中頂點(diǎn)數(shù)〈NthenbreakendifendifendforN—N+lendwhileG，—<D將G中的頂點(diǎn)加到G'中將consistent—cycle中所有圈的所有邊加到G'中。全文摘要多幅深度圖像自動(dòng)配準(zhǔn)方法。(1)使用SIFT特征對(duì)任意兩幅深度圖像配準(zhǔn)并判斷結(jié)果正確性。首先計(jì)算兩幅深度圖像的SIFT特征，雙向交叉匹配對(duì)應(yīng)點(diǎn)，然后用RANSAC算法求極線(xiàn)約束，過(guò)濾錯(cuò)誤匹配，之后用ICP算法精確配準(zhǔn)并判斷結(jié)果正確性(2)搜索模型圖的圈空間，計(jì)算全局一致的配準(zhǔn)結(jié)果。首先求得模型圖的導(dǎo)出圈基并構(gòu)建導(dǎo)出圈基的鄰接關(guān)系圖，然后，求得一致圈空間的一組基，進(jìn)而得到一致的配準(zhǔn)結(jié)果。該方法可以有效地提高圈空間的搜索速度，理想情況下，可以將指數(shù)時(shí)間復(fù)雜度提高到線(xiàn)性時(shí)間復(fù)雜度。(3)圈的一致性判斷，使用一種相對(duì)誤差判斷方法判斷圈中配準(zhǔn)結(jié)果的一致性。本發(fā)明可以可靠的自動(dòng)配準(zhǔn)多幅深度圖像，通過(guò)搜索一致圈，去掉錯(cuò)誤配準(zhǔn)，得到一致的配準(zhǔn)結(jié)果。文檔編號(hào)G06T7/00GK101350101SQ20081022209公開(kāi)日2009年1月21日申請(qǐng)日期2008年9月9日優(yōu)先權(quán)日2008年9月9日發(fā)明者飛侯,沈旭昆,趙沁平,越齊申請(qǐng)人:北京航空航天大學(xué)