一種基于曲面擬合系數(shù)特征的點云快速配準(zhǔn)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于結(jié)構(gòu)光三維測量、機(jī)器視覺領(lǐng)域，尤其涉及一種基于曲面擬合系數(shù)特 征的點云快速配準(zhǔn)方法。
【背景技術(shù)】
[0002] 隨著計算機(jī)產(chǎn)業(yè)的不斷升級，各種計算設(shè)備越來越強大，低成本高質(zhì)量的獲取物 體點云成為可能，從而推動了點云配準(zhǔn)技術(shù)在逆向工程、游戲娛樂、醫(yī)療圖像及工業(yè)檢測 等領(lǐng)域的發(fā)展。受點云獲取設(shè)備視角及被測物體本身形狀等因素的影響，單次測量難以得 到物體的完整點云，通常是通過分次測量再拼接的方法來實現(xiàn)這一過程，即運用點云配準(zhǔn) 技術(shù)把多次測量的點云拼接到同一個坐標(biāo)系下形成一個完整的物體點云。各領(lǐng)域的應(yīng)用 需求推動了點云配準(zhǔn)技術(shù)的快速發(fā)展，其中Besl等人提出的迭代最近點（ICP, Iterative Closest Point)算法和基于幾何特征的拼接算法較熱。迭代最近點算法以其簡單易行，配 準(zhǔn)精度高而被廣泛研究，但該算法對初始位置和點云重合程度要求較高，計算較為耗時，盡 管諸多學(xué)者對此進(jìn)行改進(jìn)上述問題依然存在。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的是提供配準(zhǔn)快速、精度高和抗噪能力好的，一種基于曲面擬合系數(shù) 特征的點云快速配準(zhǔn)方法。
[0004] 一種基于曲面擬合系數(shù)特征的點云快速配準(zhǔn)方法，包括以下步驟，
[0005] 步驟一：輸入目標(biāo)點云P和源點云Q，通過曲率均值差值找出目標(biāo)點云P的關(guān)鍵點 集Pkey和源點云Q的關(guān)鍵點集Q key;
[0006] 步驟二：計算關(guān)鍵點處的特征描述子，通過選取關(guān)鍵點附近三個不同大小的鄰域 進(jìn)行曲面擬合，以曲面系數(shù)作為該關(guān)鍵點的特征描述子，得到關(guān)鍵點集Plffiy的特征描述子集 MP，以及關(guān)鍵點集Qk J勺特征描述子集M q;
[0007] 步驟三：比較目標(biāo)點云P和源點云Q關(guān)鍵點處特征描述子的距離，選取特征描述子 距尚最小的關(guān)鍵點對作為初步的對應(yīng)關(guān)系；
[0008] 步驟四：去除初步對應(yīng)關(guān)系中的錯誤對應(yīng)關(guān)系；
[0009] 步驟五：對上步得到的對應(yīng)關(guān)系用聚類的方法使其分布均勻；
[0010] 步驟六：對聚類處理后的對應(yīng)關(guān)系求取最終的平移矩陣和旋轉(zhuǎn)矩陣。
[0011] 本發(fā)明一種基于曲面擬合系數(shù)特征的點云快速配準(zhǔn)方法，還可以包括：
[0012] 1、步驟一中通過曲率均值差值找出關(guān)鍵點的方法為：
[0013] (1)輸入目標(biāo)點云P = {p」i = 1···η}，其中Pi為點云P中的點，η為點云點的總 個數(shù)，P1坐標(biāo)為（X i，Y1, Z1)，P1點鄰域曲面的曲率為：
[0015] 凡。（Μ為以中心，r。為半徑的鄰域，$是鄰域i' (/7,)的形心，Pj為該鄰域中 的點，m為鄰域中三維點的總數(shù)，在該鄰域內(nèi)的協(xié)方差矩陣E為：
[0018] 對協(xié)方差矩陣E奇異值分解可得特征根λ k，k = 1，2, 3且A1S λ 2彡λ 3，及與 之相對應(yīng)的特征向量vk，k = 1，2, 3 ;
[0019] (2)初始化點云中點的標(biāo)志位，把全部標(biāo)志位置1，即fig;= 1，i = 1，2, "·η ;
[0020] (3)取點云中一點P1，依據(jù)？1點的標(biāo)志位跳轉(zhuǎn)，.你,.，等于1則繼續(xù)到步驟⑷， 等于0則跳轉(zhuǎn)到步驟（6);
[0021] (4)以？1點為中心取兩個不同半徑的鄰域凡,(於；)和ri〈r 2，計算兩個鄰 域的曲率均值，比較P1點的曲率與較小鄰域曲率均值的差異η，判斷差異η的是 否大于閾值，如果大于閾值，該點是為噪聲點跳轉(zhuǎn)至步驟（6)，否則該點不是噪聲點，繼續(xù)到 步驟（5);
[0022] (5)計算點P1的鄰域和\ (只）曲率均值差異值ξ，并根據(jù)差異值ξ篩選 出關(guān)鍵點并且修改該點較小鄰域Nri (B)內(nèi)所有點的標(biāo)志位flg，
[0023] 如果ξ多C2則該點為不可信點，全部fig I ;c2> ξ多C1則該點為關(guān)鍵點，全 部ξ彡C。則該點為過渡點，flg_j部分取0;c?！郸蝿t該點為非關(guān)鍵點，全 部flgj= 0 ;flg」，j = 1，2, 為ρ點較小鄰域Nri (巧）點云中化點處的標(biāo)志位，c。、(^、C2 為判斷曲率變化大小的閾值；
[0024] (6)是否遍歷完全部點云中的點，是則退出，得到目標(biāo)點云P的關(guān)鍵點集Pkey，否則 跳轉(zhuǎn)到步驟（3);
[0025] 輸入源點云Q，采用上述步驟（1)到（6)相同方法得到源點云的關(guān)鍵點集Qkey。
[0026] 2、關(guān)鍵點P1處的特征描述子為：
[0028] 義，i =丨，2, 3,為關(guān)鍵點仏周圍三個鄰域分別進(jìn)行擬合得到的三組曲面系數(shù)。
[0029] 3、求得初步的對應(yīng)關(guān)系的方法為：
[0030] 建立目標(biāo)點云P和源點云Q關(guān)鍵點處特征描述子的距離：
[0032] 其中表示關(guān)鍵點PJP 1對應(yīng)特征描述子距離，Μι4表示P1A特征描述子中 第k項的值，Mq),表示屬于源點云關(guān)鍵點集(^的q，點特征描述子中第k項的值；
[0033] 取特征描述子集Mp中p 的特征描述子M pp，遍歷M(j得到使得兩描述子距離最 小的項1_，得到對應(yīng)描述子％%，從而可以找到對應(yīng)點q];
[0034] 如果Vj、于閾值C3，則把pi與q 作為目標(biāo)點云P和源點云Q中的一對匹配點， 遍歷目標(biāo)點云的關(guān)鍵點的特征描述子集Mp中所有特征向量，找到兩片點云的初始對應(yīng)點集 和Q 兩點集一一對應(yīng)，分別屬于目標(biāo)點云P和源點云Q，得到初步的對應(yīng)關(guān)系。
[0035] 4、對初步對應(yīng)關(guān)系進(jìn)行初配準(zhǔn)的方法為：
[0036] (1)通過初步對應(yīng)關(guān)系，確定初步平移矩陣Traa_= C和初步旋轉(zhuǎn)矩陣 UV τ，其中(；和C n為初步對應(yīng)關(guān)系的質(zhì)心，
[0040] 其中，k為對應(yīng)關(guān)系的對數(shù)，奇異值分解該協(xié)方差陣以可以求得P =UAVt;
[0041] (2)對初步對應(yīng)關(guān)系進(jìn)行位姿調(diào)整，
[0042] P ' coarse= Rcoarse · Pcoarse+Tcoarse
[0043] 確定距離閾值d
[0045] (3)求取調(diào)整位姿之后的對應(yīng)關(guān)系的距離
[0047] 根據(jù)距離閾值去除對應(yīng)關(guān)系中的錯誤對應(yīng)關(guān)系，如果對應(yīng)關(guān)系的距離大于距離閾 值，則去除該對對應(yīng)關(guān)系，否則保留該對對應(yīng)關(guān)系。
[0048] 5、用聚類的方法使對應(yīng)關(guān)系分布均勻的方法為：
[0049] (1)取點^_ e ，該點為中心，r4為半徑在點集P 中尋找屬于該鄰域 的點及其對應(yīng)關(guān)系，根據(jù)描述子間距離S，選擇對應(yīng)關(guān)系的距離在該鄰域最小的作為該區(qū) 域點云的對應(yīng)關(guān)系；
[0050] (2)遍歷集合中的點，重復(fù)步驟⑴操作。
[0051] 有益效果：
[0052] 通過自適應(yīng)曲率均值差異關(guān)鍵點算法提取關(guān)鍵點，既利用鄰域信息來提高抗干擾 能力，又自適應(yīng)的選取關(guān)鍵點候選點減少關(guān)鍵點提取時間。優(yōu)異的關(guān)鍵點為后續(xù)步驟提供 了基石。以多鄰域曲面擬合系數(shù)為特征能夠以較小的計算量最大程度的提取出關(guān)鍵點周圍 的點的空間分布信息，同時又有較好的抗噪性能。用RANSAC算法去除誤點后的對應(yīng)點的質(zhì) 心連線向量作參考對對應(yīng)關(guān)系做進(jìn)一步篩選，很好的保證了對應(yīng)關(guān)系的質(zhì)量。最后聚類分 選方法的引入使得對應(yīng)關(guān)系分布均勻。該配準(zhǔn)方法抗噪能力強、精度較高，并且計算量較 小，適合于實時測量應(yīng)用。
【附圖說明】
[0053] 圖1為本發(fā)明方法流程圖。
[0054] 圖2點云初始位置圖，圖2 (a)為Bunny點云兩個不同視角的初始位置，圖2 (b)為 Dragon點云兩個不同視角的初始位置，圖2(c)為Happy_backdrop點云兩個不同視角的初 始位置。
[0055] 圖3關(guān)鍵點分布圖，圖3 (a)為Bunny關(guān)鍵點提取效果圖，圖3 (b)為Dragon關(guān)鍵 點提取效果圖，圖3(c)為Happy_backdrop的關(guān)鍵點提取效果圖。
[0056] 圖4對應(yīng)關(guān)系的演變過程圖，圖4(a)為Bunny點云初始對應(yīng)關(guān)系圖，圖4(b)為 Bunny點云錯誤對應(yīng)關(guān)系去除后的對應(yīng)關(guān)系圖，圖4(c)為Bunny點云最終對應(yīng)關(guān)系圖。
[0057] 圖5三組點云配準(zhǔn)結(jié)果。圖5(a)為Bunny點云模型的最終匹配效果圖及局部 放大圖，圖5 (b)為Dragon點云模型的最終匹配效果圖及局部放大圖，圖5 (c)為Happy_ backdrop點云模型的最終匹配效果圖及局部放大圖。
[0058] 圖6(a)添加10%噪聲配準(zhǔn)結(jié)果圖，圖6(b)添加25%噪聲配準(zhǔn)結(jié)果圖，圖6(c)添 加40 %噪聲配準(zhǔn)結(jié)果圖。
[0059] 圖7配準(zhǔn)參數(shù)及結(jié)果數(shù)據(jù)表。
[0060] 圖8為Dragon模型在10%、25%、40%的噪聲情況下結(jié)果數(shù)據(jù)表。
【具體實施方式】
[0061] 下面將結(jié)合附圖對本發(fā)明做進(jìn)一步詳細(xì)說明。
[0062] 本發(fā)明的目的是公開一種以曲面擬合系數(shù)為特征的點云快速配準(zhǔn)方法。首先設(shè)計 了自適應(yīng)多鄰域曲率均值差關(guān)鍵點提取算法，找出點云表面變化明顯而非噪聲的點作為關(guān) 鍵點，通過計算不同半徑大小的兩個鄰域曲率均值，依據(jù)兩均值差異大小決定該點是否為 關(guān)鍵點及自適應(yīng)的選擇余下作為關(guān)鍵點的候選點。再以關(guān)鍵點三個不同半徑鄰域的曲面擬 合系數(shù)為關(guān)鍵點處的特征描述子。通過比較兩片