一种多视角三维激光点云全局优化整体配准方法
【专利摘要】本发明提供一种已知多视激光点云配准初值进行自动全局优化的整体配准方法，其特征在于首先建立并详细推导了多视激光点云配准全局优化整体平差模型，通过估计点云的密度，自动检测所有具有一定重叠度的两视点云；然后利用K-D树搜索具有一定重叠度两视点云中的近似同名点，并将其作为观测值代入到全局优化平差模型中，通过迭代平差计算，同时获得多视激光点云各自最优的旋转平移变换参数，从而完成多视角三维激光点云的整体精确配准。本发明着重于提高多视角三维激光点云的整体配准精度，可以同时处理无序散乱的多视三维激光扫描点云，通过实际多视角三维激光点云数据进行配准实验，结果证明在保证配准效率的基础上，有效提高了整体配准的精度。
【专利说明】-种多视角三维激光点云全局优化整体配准方法
【技术领域】
[0001] 本发明属于摄影测量与计算机视觉【技术领域】，具体涉及一种多视角三维激光点云 全局优化整体配准方法。
【背景技术】
[0002] 近年来，三维激光扫描测量技术发展迅速，在逆向工程、工业测量、文物数字化保 护等方面得到了广泛的应用。在实际应用中，为了获取物体表面完整的三维点云需要对被 测物体进行多角度扫描，进而需要将多视激光点云配准到统一的坐标系中，所以配准精度 会直接影响物体最终的三维重构精度。因此对初始配准后的三维激光点云进行全局优化整 体配准将具有十分重要的现实意义。
[0003] 计算机视觉界的相关学者对点云配准领域的研究主要集中在两视点云之间的 配准，大多都基于BESL P J等人提出的最邻近点迭代方法（iterative closest point, ICP)，通过迭代选择对应点计算满足对应点之间的距离误差最小条件的旋转平移变换矩 阵。在ICP算法的基础上，很多论文对最邻近点的方法进行了改进，如提出了 point-point、 point-to_plane、point-t〇-projection等方法搜索最邻近点，邹际祥采用K-D树加快了最 邻近点的查找速度。此外，Johnson和Kang提出了基于彩色三维扫描数据的配准方法，主 要在ICP算法中考虑三维扫描点的纹理色彩信息进行搜索最邻近点。路银北、钱鹏鹏等人 提出了基于曲率的点云数据配准算法，并结合改进的ICP算法对点云进行精确配准。但以 上这些算法都局限于两视点云之间的两两配准。
[0004] 在多视三维激光点云整体配准领域的研究主要集中在依赖仪器的配准和半自动 配准方面。张剑清提出一种激光扫描多视三维点云的全自动无缝镶嵌算法，应用闭合条件 约束的整体平差模型，实现了激光扫描仪多视三维点云的全自动无缝镶嵌，但该方法只适 用于特定硬件设备获取的360度闭合有序的多视三维点云，对于覆盖物体表面局部区域或 散乱无序的多视点云全局优化不适用。周朗明提出一种针对旋转平台获取三维扫描点云数 据的配准方法，能够实现将多视三维扫描数据自动配准到统一的坐标系中，配准精度与ICP 配准或标志点配准精度相当。该方法自动化程度高，但需要借助旋转平台获取物体表面的 三维点云数据，同时需要标定旋转平台与扫描仪之间的相对位置关系，因此适用性相对较 低。刘军提出一种基于序列迭代的多视点云三维配准方法，该方法有效抑制了序列配准的 累积误差，但是配准过程中人工操作比较多，效率低下。
【发明内容】
[0005] 针对现有技术中存在的上述不足，本发明提供了一种已知多视激光点云配准初值 进行自动全局优化的整体配准方法，实现了对初始配准后的三维激光点云进行自动全局优 化整体配准，提高了物体表面三维模型的重构精度和效率。
[0006] 为了解决上述技术问题，本发明采用了如下技术方案： 多视角三维激光点云全局优化整体配准方法，该方法包含如下步骤： (1) 建立并推导多视角三维激光点云全局优化整体平差模型； (2) 对物体表面进行多视角扫描，获取多个视角的三维点云，将其初步配准到统一的坐 标系中，并对三维点云的密度D进行估计； (3) 遍历经过粗配准后的多视三维点云，自动检测所有具有一定重叠度的两视三维点 云，并将点云序号保存至动态数组中； (4) 由步骤（3)可以检测出多视点云中所有具有一定重叠度的两视点云，然后利用K-D 树搜索这些具有一定重叠度的两视点云中的近似同名点对，并将这些近似同名点对作为观 测值代入到全局优化整体平差模型中，通过迭代平差计算，获得最小二乘意义下多视激光 点云各自最优的旋转平移变换参数，从而完成多视角三维激光点云的整体精确配准。
[0007] 为实现发明目的，所述的多视角三维激光点云全局优化整体配准方法，在步 骤（1)中，对一个物体表面进行多视角扫描，共获取K个视角的三维点云，并且假定这 K个视角的三维点云之间具有一定的重叠区域，全局优化的目的是确定旋转平移参数 =,使得整体配准误差e最小，公式如下：
【权利要求】
1. 多视角三维激光点云全局优化整体配准方法，其特征在于步骤依次为： (1) 推导并建立多视角三维激光点云全局优化整体平差模型； (2) 对物体表面进行多视角扫描，获取多个视角的三维点云，将其初步配准到统一的坐 标系中，并对三维点云的密度进行估计； (3) 遍历经过粗配准后的多视三维点云，自动检测所有具有一定重叠度的两视三维点 云，并将点云序号保存至动态数组中； (4) 由步骤（3)可以检测出多视点云中所有具有一定重叠度的两视点云，然后利用K-D 树搜索这些具有一定重叠度的两视点云中的近似同名点对，并将这些近似同名点对作为观 测值代入到全局优化整体平差模型中，通过迭代平差计算，获得最小二乘意义下多视激光 点云各自最优的旋转平移变换参数，从而完成多视角三维激光点云的整体精确配准。
2. 如权利要求1所述的多视角三维激光点云全局优化整体配准方法，其特征在于， 在步骤（1)中，对一个物体表面进行多视角扫描，共获取K个视角的三维点云，并且假定 这K个视角的三维点云之间具有一定的重叠区域，全局优化的目的是确定旋转平移参数 =U3X),使得整体配准误差β最小，公式如下：
其中，分别表示第m个视角和第η个视角的点云，即多视点云的视角序号；K表示多 视三维点云的视角数量；表示第m个视角点云和第η个视角点云重叠区域中的近似同 名点对的数量；Pa.代表第m个视角点云和第η个视角点云中第i对近似同名点； 分别表示将第m个视角的点云转换到基准坐标系下的旋转矩阵和平移向量，分别表示 将第η个视角的点云转换到基准坐标系下的旋转矩阵和平移向量；
将公式（2)简化后写成：
假定将第一个视角的点云所在的坐标系作为基准坐标系，那么第一个视角点云的 旋转平移参数为已知量，不参与平差迭代计算，即旋转矩阵为3X3的单位矩阵，平移 向量为3X1的零向量，因此对初始配准后的点云进行全局优化的过程即是同时求解 未知参数= = 的过程，未知参数可用近似值加相应的改正数 Δ贫sΔι%Δ*：:: :ΔΓΙ:: :幻表不,利用泰勒公式对式（3 )进行线性展开,得到线 性化误差方程式如式（4):
其中，（/)是使用各未知数的近似值代入式（3)后计算得到的具有一定重叠度的两视 点云中某一对近似同名点距离的平方值，对于多视点云重叠区域中的任一对近似同名点， 均可列出如下误差方程：
由于旋转矩阵是由三个旋转角的9个方向余弦值组成，结合式（2)，经推导可以得到误 差方程式中各偏导数的值，多视激光点云配准全局优化平差模型(式（5))为典型的间接平 差模型，利用多视点云重叠区域中的近似同名点即可通过最小二乘法获得多视点云各自的 旋转平移变换参数。
3. 如权利要求1所述的多视角三维激光点云全局优化整体配准方法，其特征在于，在 步骤（2)中，对三维点云密度D进行估计的具体方法是： 这里假定多视角三维点云是使用同一种扫描手段获取的，因此认为K个视角的点云密 度基本相同，以其中一个视角点云为例来介绍点云密度估计的方法：如果点云数量较大， 则可以通过间隔采样方式在点云中获取采样点；否则可以取点云中所有的点作为采样点； 遍历采样点Λ,通过K-D树搜索每个采样点在点云中的最邻近点P/ ,并计算两者之间的距 离，最后计算所有采样点到各自最邻近点距离的平均值即为点云密度，其计算公式如下：
其中，η为采样点的数量。
4. 如权利要求1所述的多视角三维激光点云全局优化整体配准方法，其特征在于，在 步骤（3)中，计算两视点云重叠度的方法定义如下： 假设两视点云中的三维点的数量分别为m和η，遍历其中一个点云中的三维点，在另外 一个点云中搜索与该三维点最邻近的点，如果这两点之间的距离小于一定阈值（阈值一般 为3倍点云密度）时，则定义该两点为近似同名点；利用K-D树检测该两视点云中所有的近 似同名点，并假定其数量为Ν，则该两视点云的重叠度W计算公式如下：
5. 如权利要求1所述的多视角三维激光点云全局优化整体配准方法，其特征在于，在 步骤（3)中，自动检测K视角三维点云中所有具有一定重叠度的两视点云方法的具体检测 步骤是： ① 定义一个二维动态数组I，将第一维大小设置为K-I; ② 从第2视角到第K视角点云中，检测与第1视角点云具有一定重叠度的三维点云，并 将点z?视角序号依次保存到I[0]中； ③ 从第3视角到第K视角点云中，检测与第2视角点云具有一定重叠度的三维点云，并 将点云视角序号依次保存到I[1]中； ④ 依次类推，直到检测第K视角点云与第K-I视角点云是否具有一定重叠度，若有一定 重叠度则将视角序号K保存到I[K-2]中。
6. 如权利要求1所述的多视角三维激光点云全局优化整体配准方法，其特征在于，在 步骤（4)中，采用K-D树搜索重叠区域的最邻近点对作为近似同名点对，代入到整体平差模 型中解算多视角三维点云间的坐标系变换参数的具体步骤为： ① 假定将第一个视角的点云所在的坐标系作为基准坐标系，则K视点云全局优化配准 的过程就是求解未知数= = 的过程； ② 第一次迭代平差时,将未知数％%化心=1:2^ = 2_:幻的初始近似值设定为0; ③ 经过第一次平差后，得到未知数的改正数辦丨，分别加 上对应未知数的近似值后作为下一次迭代新的近似值，经过循环迭代，直到迭代次数达到 给定的最大值或未知数改正数小于给定限差后，整个平差过程结束。
7. 如权利要求1所述的多视角三维激光点云全局优化整体配准方法，其特征在于，在 步骤（4)中，平差时对于具有一定重叠度的两视点云中近似同名点对的确定方法是： 考虑到多视点云初始配准结果的精度有限，因此在前三次迭代中若两最邻近点距离小 于3D(3倍点云密度）时就认为是近似同名点；经过三次迭代平差后，多视点云的配准结果 整体得到优化，因此在第三次以后的迭代中，两个最邻近点之间距离满足小于nD(l〈n〈2) 的条件，即认为是近似同名点，其中η为经验值，值的大小对应着搜索得到的近似同名点数 量的多少，η-般取值为1.5。
【文档编号】G06T7/00GK104463894SQ201410822813
【公开日】2015年3月25日 申请日期:2014年12月26日 优先权日:2014年12月26日
【发明者】李彩林, 郭宝云, 陈文贺, 孙传波 申请人:山东理工大学