一种基于优化迭代收敛的多视角测量点云拼接方法
【专利摘要】本发明公开了一种基于优化迭代收敛的多视角测量点云拼接方法，属三维测量【技术领域】。由以下步骤组成：根据三维视觉测量获取的信息重建恢复点云数据的法矢；根据点云数据之间的拓扑关系建立由各片点云构成的生成树；以迭代最近点两视角拼接方法为基础，设计多视角迭代收敛金字塔模型,优化迭代拼接的收敛性；通过模型塔基多视角数据的两两合并和简化，实现多视角数据的拼接。本方法相对其他多视角拼接方法，拼接复杂度低，易于实行；拼接迭代收敛性高、多视角误差分配均匀；能广泛的适用于各种测量设备获取的多视角点云数据的拼接。
【专利说明】一种基于优化迭代收敛的多视角测量点云拼接方法
【技术领域】
[0001]本发明涉及三维测量【技术领域】，具体涉及一种基于优化迭代收敛的多视角测量点云拼接方法。
【背景技术】
[0002]基于光学的非接触式三维物体形貌测量技术得到了长足的发展，该技术已经广泛应用于产品设计与制造、质量检测与控制、机器人视觉等领域。限于视场的大小以及物体自身的遮挡，需要对被测量物体进行多次测量，因此需要将多次测量的数据统一到一个全局坐标系下。该方法首先重建点云中各点的法矢方向，获取点云片之间的拓扑关系构建生成树，构建环形结构，再利用迭代最近点拼接算法生成参考模型，分配环形结构中各点云片之间的误差，将各个点云“拼接”到参考模型上，调整多视角点云片的位置，完成多视角点云数据的拼接。
[0003]ICP(Iterative Closest Point,迭代最近点)算法[I]及其相关改进算法[2]是两相邻视角的点云拼接中得到了广泛应用，选定一片点云固定，另一片相邻点云则向固定的点云移动，每次选取两片点云中相距最近的点作为一对匹配点，获取多对匹配点(至少三对)后，据此计算旋转平移关系，缩小匹配点之间的距离，反复选取迭代，从而使得点云之间的误差缩小，最终将两片拼接到一起。而ICP算法一次只能拼接两片点云，若连续两两拼接点云，则会导致拼接产生的误差累加，并不能得到理想的结果。
[0004]点云的拼接方法多种多样，主流的有以下几类:
[0005]1、将匹配的点对用虚拟的弹簧连接起来，利用弹簧的“拉力”分配各视角间的误差，将各视角拼接到一起[3]。该方法计算复杂且运算量大，在实际使用中局限性较大。
[0006]2、SDF[4] (Signed Distance Field,有向距离场)模型计算各视角点云数据与空间中采样点的有向距离，同时匹配多视角数据。但是该方法在采样点不足时并不能得到令人满意的精度，提闻米样点数量以提闻精度则会大大提闻运算量。
[0007]3、根据点云间重叠区域的大小设置点云拼接的优先级，进行两两视角的拼接[5]，该方法实施简单，但是并不能解决两两拼接在多视角拼接时造成的误差累积问题，视角较多时误差过大，难以得到令人满意的结果。
[0008][I] Paul J.Besl, Nei I D.McKay.A method for registrat1n of 3-Dshapes[J].1EEE Transact1ns on Pattern Analysis and Machine Intelligence, 1992.14(2):239-256.
[0009][2]Rusinkiewicz, Szymon, and Marc Levoy."Efficient variants of theICP algorithm.〃3_D Digital Imaging and Modeling, 2001.Proceedings.ThirdInternat1nal Conference on.1EEE,2001.
[0010][3]Eggert, David W., Andrew ff.Fitzgibbon, and RobertB.Fisher."Simultaneous registrat1n of multiple range views for use in reverseengineering."Pattern Recognit1n, 1996., Proceedings of the 13th Internat1nalConference on.Vol.1.1EEE, 1996.
[0011][4]Masuda，Takesh1."Registrat1n and integrat1n of multiple rangeimages by matching signed distance fields for object shape modeling."ComputerVis1n and Image Understanding 87.1 (2002):51-65.
[0012][5]Pulli，Kar1."Multiview registrat1n for large data sets.〃3-DDigital Imaging and Modeling,1999.Proceedings.Second Internat1nal Conferenceon.1EEE, 1999.
【发明内容】
[0013]发明目的:为了解决现有技术中采样精度低、局限性大、误差大的问题，本发明提供一种基于优化迭代收敛的多视角测量点云拼接方法，解决了现有技术的不足。
[0014]技术方案:一种基于优化迭代收敛的多视角测量点云拼接方法，其特征在于，该方法包括以下步骤:
[0015]I)重建恢复点云数据的法矢:通过恢复点云的拓扑信息或利用点的邻域点方法对点的法矢进行恢复；
[0016]2)根据点云数据之间的拓扑关系建立由各片点云构成的生成树:根据点云的范围判断点$■之间是否具有相邻关系，根据该关系确定待拼接的点z?片之间的拓扑关系，建立用于表不点云片拓扑关系的生成树；
[0017]3)建立多视角迭代收敛金字塔模型:以两视角的迭代最近点拼接方法为基础，利用ICP进行拼接；将待拼接的两片点云的重叠区域调整至最大，进行拼接；将相邻两片拼接完成的点云融合，再对融合完成的点云再次拼接融合，反复迭代至融合成一片数据，成为最终参考模型；
[0018]4)多视角数据的拼接:步骤3)中，相邻两片拼接完成的点云融合时进行数据简化；根据生成的最终参考模型，利用迭代最近点算法，将初始各片点云拼接到最终参考模型上，完成多视角点z?拼接。
[0019]具体的，步骤I)中重建恢复点云数据的法矢具体包括以下步骤:
[0020]方法一:利用点的邻域点方法对点的法矢进行恢复:
[0021]1.1)获取点的邻域点，根据邻域点进行法矢的估算:获取图像，图像中的像素对应空间坐标,选取一点为基点,选取该点邻域的八个点为参考点,该八个参考点的坐标为:
[0022]Pi = [Xi Yi Zi]1, (i = I, 2, 3...8)(I)
[0023]求取该八个点的协方差矩阵C:
[0024]C = [P' ! Pi 2 …P' 8].[P，! P，2 …P，Jt(2)
[0025]其中，
[0026]P1.=Pi —P，(3)
[0027]P = Zf=JP1.(I'= 1,2,3 …8)(4)
[0028]计算矩阵C的特征值和特征向量，最小特征值对应的特征向量即为该点的法矢方向；
[0029]方法二:通过恢复点云的拓扑信息对点的法矢进行恢复:
[0030]1.2)对点云进行三角网格重建，将点用直线连接起来，构成三角形网格，求得三角形的法矢，获得二角形顶点的法矢，从而得到点的法矢信息。
[0031]维视觉测量系统可以获取表示物体表面信息的点云，而这些点云是不带法矢信息的，为保证点云拼接的准确，对点云中点的法矢信息进行恢复。该两种优选的方法计算步骤简单，获得的法矢准确。
[0032]有益效果:
[0033](I)实施简单，基于易于实现的迭代最近点方法，该方法成熟可靠；
[0034](2)利用两片点云在拼接过程中的移动分配误差，相较于以往的分配误差的方法，考虑到了面积对于点云拼接的影响，误差分配更为合理；
[0035](3)对于各种类型的点云数据均可进行拼接。
【专利附图】
【附图说明】
[0036]图1为多视角迭代金字塔模型图
[0037]图2为图像局部放大示意图
[0038]图3为点云片生成树示意图
[0039]图4为相邻点云重叠示意图
[0040]图5为金字塔模型示意图
【具体实施方式】
[0041]下面结合附图对本发明做更进一步的解释。
[0042]一种基于优化迭代收敛的多视角测量点云拼接方法，其特征在于，该方法包括以下步骤:
[0043]I)重建恢复点云数据的法矢:通过恢复点云的拓扑信息或利用点的邻域点方法对点的法矢进行恢复；
[0044]方法一:利用点的邻域点方法对点的法矢进行恢复:
[0045]1.1)获取点的邻域点，根据邻域点进行法矢的估算:获取图像，图像中的像素对应空间坐标,选取一点为基点,选取该点邻域的八个点为参考点。由于获取的图像数据中的像素点是可以利用步骤一获取对应的空间坐标，放大图像，局部区域如上图2所示，对于中间白色的点，选取该点邻域的八个点为参考点来估算出中间点的近似法矢方向。该八个参考点的坐标为:
[0046]Pi = [Xi Yi Zi]1, (i = I, 2, 3...8)(I)
[0047]求取该八个点的协方差矩阵C:
[0048]C = [P' ! Pi 2 …P' 8].[P，! P，2 …P，Jt (2)
[0049]其中，
[0050]P1.= Ρ? — P，Π)
[0051]P=Zf^Pij (i = 1,2,3...8)(4)
[0052]计算矩阵C的特征值和特征向量，最小特征值对应的特征向量即为该点的法矢方向；
[0053]方法二:通过恢复点云的拓扑信息对点的法矢进行恢复:
[0054]1.2)对点云进行三角网格重建，将点用直线连接起来，构成三角形网格，求得三角形的法矢，获得二角形顶点的法矢，从而得到点的法矢信息。
[0055]2)根据点云数据之间的拓扑关系建立由各片点云构成的生成树:根据点云的范围判断点$■之间是否具有相邻关系，根据该关系确定待拼接的点z?片之间的拓扑关系，建立用于表不点云片拓扑关系的生成树；
[0056]具体的，根据点云的范围可以大致确定点云片之间是否存在重叠区域一即点云之间是否具有相邻关系，根据该关系可以确定待拼接的点云片之间的拓扑关系，建立用于表示点云片拓扑关系的生成树(Spanning Tree)。生成树的特点在于将树上的任意两个端点连接起来，即可形成一个完整的环形。环形是多视角拼接中最简单基础的情况。如下图3中黑色线条和各点即为表示5片点云拓扑关系的生成树，可以看到，将任意两个端点连接(图中用虚线表示)，可以发现会形成一个环形，例如将a、c相连，可以发现a-e-c-a构成一个环形，注意在实际实施中需要保证a、c有接触，否则将其相连并无意义。
[0057]3)建立多视角迭代收敛金字塔模型:以两视角的迭代最近点拼接方法为基础，利用ICP进行拼接；将待拼接的两片点云的重叠区域调整至最大，进行拼接；将相邻两片拼接完成的点云融合，再对融合完成的点云再次拼接融合，反复迭代至融合成一片数据；
[0058]在利用ICP进行拼接时，其拼接结果受到点云间的重叠区域大小的影响较大，SP越大的重叠区域，会得到更合理的结果。故我们需要使待拼接的两片点云的重叠区域尽可能的大，以此来保证拼接结果的可罪。将相邻的两片拼接完成的点z?融合，再对融合完成的点云再次拼接融合，反复迭代。由于迭代过程中点云片数量依次减少，最终融合成为一片数据。迭代中的点云关系类似于金字塔，故将该模型称为如图1所示的金字塔模型。
[0059]如图4所示，例举最简单的情况说明，图中不同点云的重叠区域采用不同颜色来表示。利用迭代最近点算法可以调整有重叠区域的两片点云的相对位置，如图4中所示，根据重叠区域，可以将点云2的位置进行调整接近点云1，对两片数据进行采样并融合，如图1、图5所示,构成新的点云I’，依此类推构成点云2’和点云3’，将点云I’和点云2’采样并融合，生产点云I ”，依次类推构成点云2” ；将点云I ”和点云2”采样并融合，如此反复迭代逐步生成覆盖面越来越大的点云片，最终所有点云融合为一片，生成最终的参考模型。
[0060]4)多视角数据的拼接:步骤3)中，相邻两片拼接完成的点云融合时进行数据简化；根据生成的最终参考模型，利用迭代最近点算法，将初始各片点云拼接到最终参考模型上，完成多视角点z?拼接。
[0061]过多的冗余数据不利于点云的拼接，使得算法效率下降，更会使得点云陷入局部极值，难以得到正确的位置。因此，生成金字塔模型时需要根据实际情况对点云数据进行采样，在减少点云数据量的同时，尽量保持原点云所有的特征。可以选择均匀采样的方法对点云进行采样后再进行融合，也可以在曲率变化较大的区域(曲率变换大的区域往往空间特征丰富)保留较多的点，在其余的地方减少点的数量。在对点云进行融合时，距离过小的两个点只需保留一个。按照以上方法对点云进行采样，减少点云中点的数量，最终将点云融合在一起。
[0062]以生成树为指导，连接各个端点，生成由点云片构成的环形结构，以环形结构中的点云片为基础，构建金字塔模型，生成参考模型，将各视角的点云数据“拼接”到参考模型上，调整各视角点云数据的空间位置。穷举生成树所能构成的所有的环形结构，对各视角的点云片进行位置的调整，最终完成多视角点云数据的拼接。
[0063]以上所述仅是本发明的优选实施方式，应当指出，对于本【技术领域】的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
【权利要求】
1.一种基于优化迭代收敛的多视角测量点云拼接方法，其特征在于，该方法包括以下步骤: 1)重建恢复点云数据的法矢:通过恢复点云的拓扑信息或利用点的邻域点方法对点的法矢进行恢复； 2)根据点云数据之间的拓扑关系建立由各片点云构成的生成树:根据点云的范围判断点云之间是否具有相邻关系，根据该关系确定待拼接的点云片之间的拓扑关系，建立用于表不点云片拓扑关系的生成树； 3)建立多视角迭代收敛金字塔模型:以两视角的迭代最近点拼接方法为基础，利用ICP进行拼接；将待拼接的两片点云的重叠区域调整至最大，进行拼接；将相邻两片拼接完成的点云融合，再对融合完成的点云再次拼接融合，反复迭代至融合成一片数据，成为最终参考模型； 4)多视角数据的拼接:步骤3)中，相邻两片拼接完成的点云融合时进行数据简化；根据生成的最终参考模型，利用迭代最近点算法，将初始各片点云拼接到最终参考模型上，完成多视角点云拼接。
2.如权利要求1所述一种基于优化迭代收敛的多视角测量点云拼接方法，其特征在于，步骤I)中重建恢复点云数据的法矢具体包括以下步骤: 方法一:利用点的邻域点方法对点的法矢进行恢复: . 1.1)获取点的邻域点，根据邻域点进行法矢的估算:获取图像，图像中的像素对应空间坐标,选取一点为基点,选取该点邻域的八个点为参考点,该八个参考点的坐标为:
Pi = [Xi Ii Zi]' (i = 1,2,3...8)(I) 求取该八个点的协方差矩阵C: C = [P' I P' 2 …P' 8].[P，! P，2 …P，Jt(2) 其中， Pi =P1-P,(3) P = Ef=JPj-, (1= 1,2,3...8)(4) 计算矩阵C的特征值和特征向量，最小特征值对应的特征向量即为该点的法矢方向； 方法二:通过恢复点云的拓扑信息对点的法矢进行恢复: .1.2)对点云进行三角网格重建，将点用直线连接起来，构成三角形网格，求得三角形的法矢，获得二角形顶点的法矢，从而得到点的法矢信息。
【文档编号】G06T15/00GK104240280SQ201410407104
【公开日】2014年12月24日 申请日期:2014年8月18日 优先权日:2014年8月18日
【发明者】崔海华, 戴宁, 汤明辉, 程筱胜, 蒋中杰 申请人:南京航空航天大学