一种自适应的无标志点三维点云自动拼接方法
【专利摘要】本发明属于三维测量邻域中的点云数据拼接技术，具体为一种自适应的无标志点三维点云自动拼接方法，本发明包括几何特征点的查找，图像特征点的查找，配准算法选择模型的建立，基于RANSAC的几何特征点匹配，利用RANSAC排除误匹配图像特征点，利用SVD算法求解旋转平移矩阵RT，最后利用RT矩阵完成两片点云拼接。该方法因为利用物体特征点来代替标志点进行拼接，可用于不能粘贴标记点的测量场合；同时依靠对应特征点来计算多视点云的变换矩阵，无需依赖点云的初始姿态，且配准算法选择模型的建立使系统能自适应选择合适的配准算法，实现不同被测物体的稳定拼接。
【专利说明】一种自适应的无标志点三维点云自动拼接方法
[0001] 技术邻域
[0002] 本发明涉及到一种自适应的无标志点三维点云自动拼接方法，它是三维点云数据 处理的一种方法，属于三维测量领域中的点云数据拼接技术。
【背景技术】
[0003] 面结构光三维测量技术（参见文献1 :李中伟.基于数字光栅投影的结构光三维 测量技术与系统研究[D] [D].武汉：华中科技大学，2009)受单次测量范围的限制，需从不 同方位对被测物进行多次测量以获取完整的几何模型，其中多视点云自动拼接是关键。
[0004] 为了实现多视点云自动拼接，常用的方法有以下两种：（1)基于标志点的自动拼 接方法，该方法通过在被测物体表面粘贴人工标志点来实现辅助拼接。其拼接精度较高，但 会破坏被测物体表面的真实三维数据，同时前期贴点增加了测量时间，而且无法测量表面 不能标记的物体（如珍贵文物，人体），限制了使用范围。（2)无标记点的自动拼接方法。常 见的无标记点拼接方法包括迭代点最近点算法（iterative closest point, ICP)、基于几 何特征的配准算法和基于纹理的配准算法。其中，ICP算法对点云初始姿态的要求很高，无 法对初始位置相差较大的点云进行拼接。基于几何特征的配准算法只适用于表面几何形貌 比较复杂的物体，无法实现形状简单或对称物体的点云配准。基于纹理的配准算法只适用 于表面纹理丰富的物体，在对纹理单一的物体进行测量时稳定性较差。
[0005] 综上所述：现有的三维点云自动拼接方法都存在一定的局限性，尚不能满足实际 应用的要求。因此需要一种有效的稳定的点云拼接方法，能够实现源点云和目标点云最优 配准。
【发明内容】
[0006] 本发明提出了一种自适应的无标志点三维点云自动拼接方法，该方法可自适应的 实现不同物体的无标志点三维点云自动拼接，且拼接具有良好的稳定性。
[0007] 本发明提供的一种自适应的无标志点三维点云自动拼接方法，该方法包括下述步 骤：
[0008] 第1步在源点云和目标点云中利用点特征直方图法查找几何特征点；在两次拍摄 图片中查找图像特征点；
[0009] 第2步利用查找出的几何特征点和图像特征点建立配准算法选择模型，计算配准 算法判断因子队的值，依据该值自动选择合适的配准算法：当> 0时，进入第3步，当比 < 0时，转入第4步，当比=0时，提示用户通过引入标志点进行点云拼接；
[0010] 所述配准算法选择模型为：
【权利要求】
1. 一种自适应的无标志点三维点云自动拼接方法，该方法包括下述步骤： 第1步在源点云和目标点云中利用点特征直方图法查找几何特征点；在两次拍摄图片 中查找图像特征点； 第2步利用查找出的几何特征点和图像特征点建立配准算法选择模型，计算配准算法 判断因子^的值，依据该值自动选择合适的配准算法：当Di > O时，进入第3步，当Di < O 时，转入第4步，当= O时，提示用户通过引入标志点进行点云拼接； 所述配准算法选择模型为：
其中，Pl，P2分别代表两幅采样点云中几何特征点数目占其采样点点数的比例；ηι，η 2分 别代表两次拍摄图片中图像特征点的数目，η为预先设定的图像特征阈值；p为几何特征阈 值，W1和W 2是描述两个对比差值的权重因子； 第3步对于第1步查找出的几何特征点，利用RANSAC算法进行几何特征点的匹配，得 到每一个查找点对应的初匹配点集V，再利用SVD奇异值分解法计算旋转矩阵R和平移矩 阵Τ，然后进入第5步； 第4步对于第1步查找出的图像特征点，利用RANSAC算法查找对应点，再利用SVD奇 异值分解法计算旋转矩阵R和平移矩阵Τ，然后进入第5步； 第5步利用旋转矩阵R和平移矩阵T对目标点云进行旋转平移，完成拼接。
2. 根据权利要求1所述自适应的无标志点三维点云自动拼接方法，其特征在于，所述 第1步中，所述查找几何特征点的过程为： 第1. 1步对拍摄获取的两幅多视点云按比例进行采样，计算每个采样点的法向量；将 采样点中的每一点视为查询点，并确定查询点的邻域，该邻域内的采样点称为邻域点； 第1. 2步对于邻域内任意两点s、t，在其中的一个点上定义一个固定的局部坐标系，即 UVW坐标系：
Ps，Pt为查询点Pti邻域内点s、t的空间坐标,ns,n t为点s、t相应的法向量，I |pt-ps| |2 为该两点的空间距离，d表示该两点连线方向上的单位向量； 利用式I得到的uvw坐标系，两点之间的位置关系和法线偏差用一组角度来表示，如式 II:
其中，（￥*1^/11*1〇表示￥、1^/11、1^的点乘，将€[，<^，0的取值范围分别划分为13个 子区间，则总共生成了 b3个区域，用i表示各区域的序号，判断两点的α，φ，Θ值所处的 区域，则该区域的点数目加一；计算查询点P q邻域内每对点的α，φ，Θ值，判断其所在区 域，统计落在每个区域的点数目，生成点Pq的点特征直方图； 第I. 3步利用所有采样点的点特征直方图生成平均特征直方图u-histogram，利用式 III将每个点的点特征直方图与u-hiStogram比较获取相对KL距离；
其中，i表示点特征直方图区域的序号，取值为1?b3, pf:表示采样点的点特征直方图 的第i个分量，Ui表示平均特征直方图的第i个分量，计算KL距离的平均值a和标准差〇， 统计KL距离在a± σ外的三维点，视为几何特征点。
3. 根据权利要求2所述自适应的无标志点三维点云自动拼接方法，其特征在于，所述 第1步中，利用SIFT算法查找图像特征点。
4. 根据权利要求1、2或3所述自适应的无标志点三维点云自动拼接方法，其特征在于， 第3步的具体实现过程为： 第3. 1步对源点云的几何特征点进行采样，并使各采样的几何特征点相互距离大于预 设的最小距离阈值，将采样后的几何特征点视为查找点ρτ，τ = 1，2... r，其中r为经采样 后的几何特征点个数； 第3.2步对于每个查找点ρτ，利用式V在目标点云的几何特征点Q= {qi，q2…qn}中 搜索与该查找点ρτ点特征直方图相似的点生成初匹配点集V ={q' 2…V iJ，其 中η为目标点云中几何特征点的个数，k为每个查找点初匹配点的个数，生成r个初匹配点 集；
其中i表示点特征直方图区域的序号，取值为1?b3, 表示查找点ρτ的点特征直 方图的第i个分量，表示目标点云几何特征点集Q中第X点的点特征直方图的第i个分 量，X = 1，2. .. n，Div表示两点的点特征直方图差异；将Div与预先设定的阈值进行比较， 将小于阈值的点视为初匹配点存入初匹配点集V中； 第3. 3步对于所有查找点ρτ，从每个查找点的相应点集Q'中随机选取一点作为该查 找点的对应点qT，利用SVD分解法计算旋转矩阵R和平移矩阵Τ，再根据式VI计算旋转平 移后的距离误差，记录当前的旋转矩阵R、平移矩阵T和误差d e" :
第3. 4步重复第3. 3步，经过Snmi循环后将误差最小的旋转矩阵R和平移矩阵T作 为最后的旋转矩阵R和平移矩阵T。
5. 根据权利要求1、2或3所述自适应的无标志点三维点云自动拼接方法，其特征在于， 第4步中，所述查找对应点的过程为： 第4. 1步对于查找出的图像特征点，利用SIFT匹配算法实现图像特征点的初匹配； 第4. 2步在初匹配数据集中随机抽取8对匹配点，采用归一化8点算法进行基本矩阵 初始估计，得到基本矩阵F ; 第4. 3步利用式VII计算每一对初匹配点的误差大小Eyn^m2是该两点的齐次坐标， 上标T为转置，设定民^取值范围，将取值范围内的点视为最佳匹配点，记录当前最佳匹配点 和最佳匹配点数目； Err = mj F m2 式 VII 第4. 4步重复第4. 2步和第4. 3步，始终保存最佳匹配点数目最多的情况，直到重复次 数等于预先设定的采样次数Snum ; 第4. 6步将最终保留下的最佳匹配点作为正确的对应点。
6.根据权利要求1、2或3所述自适应的无标志点三维点云自动拼接方法，其特征在于， 所述SVD奇异值分解法求解旋转矩阵R和平移矩阵T的过程为： 第6.1步设得到的匹配后三维点为集合6={81，8^%}和6/={8/1，8 /^"8/1^， 利用式VIII计算两片点集的质心；其中N为匹配点对数，gl和g' 1为任一对匹配三维点 的三维坐标，g和f为3X 1的矩阵；
第6. 2步利用式IX将两片点集G和G'相对于各自质心做平移，得到新点集J = Ul，j2…·ilJ 和 J' =U' 1，·]·' 2…·]·' ji = gfg，J·' I = g' fg'，1 = 1，2. · · N 式 IX 第6. 3步利用式X计算3 X 3的矩阵H ;
第6. 4步对H矩阵进行奇异值分解得：H = UA Vt，其中上标T为矩阵转置，U、V为3X3 酉矩阵，Λ为3X3对角矩阵，利用式XI定义3X3的对角矩阵A ;
第6. 5步利用XII式计算3 X 3的旋转矩阵R和3 X 1的平移矩阵T : R = UAVt, T = g' -Rg 式 XII S106确定旋转平移矩阵RT后，源点云保持不动，利用式XIII对目标点云进行旋转平移 完成拼接： q，c = R · qc+T 式 XIII 其中，q。为目标点云中任意一点的三维坐标，q'。为经变换后的点的三维坐标。
【文档编号】G06T5/50GK104392426SQ201410571233
【公开日】2015年3月4日 申请日期:2014年10月23日 优先权日:2014年10月23日
【发明者】李中伟, 伍梦琦, 钟凯 申请人:华中科技大学