基于点云压缩和惯性导航的移动场景实时三维重构方法
【技术领域】
[0001] 本发明涉及一种基于点云压缩和惯性导航的移动场景下实时三维重构的方法，属 于计算机机器视觉、增强现实领域。
【背景技术】
[0002] 三维重构技术是计算机视觉领域中的热点研究方向之一，主要研究如何获取物体 在空间中的三维信息，实现在计算机中真实再现客观环境，为机器和人类提供准确的3D场 景?目息。
[0003] 三维重构的主要研究方向包括场景重构、地图构建以及模型重建等。周围环境的 3D场景信息可以帮助机器人更加清楚的了解自身所处环境并实现与环境的友好交互，在机 器人导航、考古勘测、灾害救援等领域中发挥重要作用；此外，3D场景信息也可用在虚拟现 实、军事模拟、城市规划、文物保护等领域。在工业产品零件的CAD加工、模具制作、医学整 形手术、人脸建模与识别、计算机三维动画等应用中，经常需要物体的三维模型，这也对三 维重构技术做出了要求。目前，三维场景重构技术凭借其在这些领域的重要应用，越来越受 到各界研究者的青睐，逐渐成为多领域的研究热点。
[0004] 目前3D场景点云模型的三维重构方法主要分为两大类：基于多幅图像的三维重 构方法和基于红外或者激光扫描技术的三维重构方法。前者通过数码摄像机等拍摄的二维 图像恢复出建筑物表面的三维信息，如公开号为CN101398937、名称为《基于同一场景散乱 照片集的三维重构方法》的专利。这类方法虽然成本低廉，自动化程度较高，且重建的三维 模型包含丰富的纹理等信息，但需要对图片信息进行大量的处理，运行速度较慢，适用于小 型单一建筑物建模，但对于地貌复杂的大规模场景建模，由于受到计算机处理时间的限制 并不适用。
[0005] 因此，近年来基于红外或者激光扫描的三维重构技术成为了研究热点，红外或者 激光扫描仪能够直接获得景物的深度信息，具有速度快，精度高，不受表面复杂度影响等优 势。此外，利用激光扫描技术进行三维重构能够有效恢复出具有准确几何信息和照片真实 感的三维模型。这些准确的三维模型不仅能够提供场景可视化和虚拟漫游方面的功能，更 可以满足数据的存档，测量和分析等更高层次的需求。
【发明内容】
[0006] 本发明的目的是提供一种利用传感器在室内场景移动，不断获取不同视角下的点 云，并实时重构出整个场景三维模型的方法。
[0007] 为了达到上述目的，本发明的技术方案是提供了一种基于点云压缩和惯性导航的 移动场景实时三维重构方法，其特征在于，包括如下步骤：
[0008] 第一步、对于场景S，利用Kinect体感控制器的摄像头分别从视角V1，…，V k，… Vn依次获取点云集合M i，…，Mk，…Mn，MkS k时刻从视觉V k获取的点云；
[0009] 第二步、将点云集合（M1，…，Mk，…MJ压缩为（P 1，…，Pk，…Pn}，其中，匕为Mk 的一个子集，且满足：
I式中，P为预设比，FJ □)为特征点数量度量函 数，S为设定的特征点保留率；
[0010] 第三步、利用惯性导航技术获取场景S内运载体在视角V1，…，Vk，…V n下的位 置、角度偏移量，转化为ICP算法所需的初始变换矩阵冗与:^;
[0011] 第四步、利用初始变换矩阵把与;T40对压缩后的点云（P 1，…，Pk，"·Ρη}进行粗配 准，再基于ICP算法确定变换矩阵&与T k，完成精确配准；
[0012] 第五步、随着Kinect体感控制器的传感器在场景S中的漫游，不断将新获取的每 一片点云与局部模型拼接、融合，直到重构出整个三维场景模型。
[0013] 优选地，所述第三步包括：
[0014] 步骤3. 1、在场景S内运载体上放置Kinect体感控制器的深度摄像头、加速度计和 陀螺仪；
[0015] 步骤3. 2、设定一固定坐标系，设运动起始位置为坐标原点，深度摄像头初始方向 与X轴正方向重合，利用加速度计和陀螺仪测量运载体在X、Y、Z轴上的加速度，将加速度一 次积分得到运载体的速度，将加速度二次积分得到运载体的位置，从而达到对运载体定位 的目的，同时，通过陀螺仪获取运载体的旋转角度；
[0016] 步骤3. 3、将运载体在不同位姿间的相对位移、旋转角度信息，转化为两片点云间 的初始变换矩阵把与Γ/。
[0017] 优选地，所述第四步包括：
[0018] 步骤4. 1、将两个不同视角下的压缩点云PAPkl作为ICP算法的输入集合，将初 始变换矩阵把与K作为ICP算法的初始变换矩阵；
[0019] 步骤4. 2、利用初始变换矩阵扣与Γ/对压缩后的参考点云匕进行旋转、平移处理， 得到Pk';
[0020] 步骤4. 3、筛选匹配点对：采用最邻近点法在压缩后的目标点云Pk i中寻找与P k' 中的特征点欧式距离最小的匹配特征点，组成特征点对集合；
[0021] 步骤4. 4、计算误差：计算变换后两组特征点对的距离平方和，记为dk;
[0022] 步骤4. 5、基于四元数法利用匹配点对求解空间坐标变换的旋转、平移矩阵和与 W，再用于参考点云，得到Pk"，重新筛选匹配点对，同时更新dk;
[0023] 步骤4. 6、迭代步骤4. 5中的运算，直到收敛，dk小于阈值或达到既定的迭代次数
[0024] 本方法的创新点在于：
[0025] (1)使用一种基于PFH特征的点云压缩算法：可实现较高压缩比，有效减少ICP算 法输入点集的数量，从而节约点云配准、点云融合计算时间，同时保留了足够多的特征点， 为点云配准提供方便。
[0026] (2)提出一种基于惯性导航技术的点云配准：点云配准的本质是计算获得不同视 角下两片点云间的旋转、平移矩阵R与T，很多实验中使用ICP算法解决这类问题，但传统 ICP算法的计算精度依赖于给定的初值。本文试验中，Kinect摄像头随运载体在室内场景 中移动，获取不同视角下的点云，如果运载体上的Kinect摄像头位置固定，那么R与T同样 也可以由运载体在不同视角间的旋转、平移矩阵表示，通过惯性传感器提供位置和角度偏 移量，可以给ICP提供一个近似准确的初值冗与Γ/，以此来减少ICP算法的迭代次数，提高 收敛速度，从而提高整个重构算法的实时性。
【附图说明】
[0027] 图1为三维重构模块介绍图；
[0028] 图2为三维重构算法流程图；
[0029] 图3为点云压缩算法流程图；
[0030] 图4为点云配准算法流程图。
【具体实施方式】
[0031] 为使本发明更明显易懂，兹以优选实施例，并配合附图作详细说明如下。
[0032] 本发明主要研究利用传感器在室内场景移动，不断获取不同视角下的点云，并实 时重构出整个场景三维模型的方法研究。
[0033] 问题的描述：
[0034] 对于场景S，Kinect摄像头分别从视角IV1，…，Vk，…VJ依次获取点云集合 (M 1，…，Mk，…Mn}，移动三维重构的目的是通过获取不同视角下的点云数据，在重构算法 R(O)的作用下，求取S' =RW1，…，Mk，~Mn)，使得S与S'满足相似性度量函数E(O) 的约束：
[0035] E(S)-E(Sr ) I < ε
[0036] 问题的分析：
[0037] 由于场景中的点云数量庞大，为实现算法的实时性，首先需要对获取的点云进行 去噪、压缩等预处理；同时，重构算法R (□)中，最重要的一步是求取1与M k i配准所需的 变换矩阵&与T k，并且配准过程依赖于仏与M k i中的特征点对。因此，压缩算法不仅要有 较高的压缩比，还需要保留足够多的特征点。
[0038] ICP算法是进行点云配准的经典研究方法，但传统的ICP算法由于缺少配准初值 或初值精度较差，很容易陷入局部最优解，影响迭代收敛速度。因此，基于ICP算法实现点 云配准的前提条件是具有一