一种基于sift和lbp的点云配准的接触网三维重建方法
【专利摘要】本发明为一种基于SIFT和LBP的点云配准的接触网三维重建方法，通过体感外设Kinect for Windows获取待重建接触网零部件所在环境初始三维点云数据，对其进行去噪、简化、分割聚类、融合等预处理操作，得到待重建接触网零部件单视角点云数据；然后采用SIFT算法进行关键点提取，并运用均匀模式LBP特征构建关键点描述向量，依照向量间的距离确定不同点云中关键点间对应关系；接着利用粗配准和ICP精配准法完成点云配准，获得待重建接触网零部件完整三维点云数据；最后利用泊松曲面重建法完成三维重建，得到三维模型。本发明方法针对点云配准是影响三维重建速度的关键步骤这一重要因素，运用均匀模式LBP特征来构建关键点描述向量，从而降低向量维数，加快对应关系匹配速度，加速配准，从而提高三维重建的速度。
【专利说明】-种基于SIFT和LBP的点云配准的接触网三维重建方法
【技术领域】
[0001] 本发明涉及电气化铁路悬挂装置三维模型获得领域，考虑三维重建过程中点云配 准方法。
【背景技术】
[0002] 接触网作为铁路电气化工程的主架构，其三维模型在人员培训、故障检测、接触网 参数设计方面的应用前景广泛 [1'2'3]。目前，关于接触网零部件三维模型的获得大多采用 3DMax等三维软件并参考各接触网参数进行绘制，获得模型所需耗时长、工作量大及获得模 型与实际模型相差较大。所以新的自动化重建方法是必需的，具体思路为：利用光学扫描仪 获得接触网各零部件的点云数据，并运用一定的点云配准算法将不用视角下测量得到的多 片点云转换合并到同一坐标系下形成一个完整的数据点云，然后经曲面重建和渲染获得各 部件三维模型。
[0003] 目前利用深度数据的三维重建研究较为广泛，有点云简化、点云配准及应用方面， 但总体来说在电气化铁路接触网零部件的三维重建方面的应用研究几乎没有。
[0004] 文献"蔡宽.基于点云的三维重建技术研究[D].哈尔滨工业大学硕士学位论 文，2010. "和"王二柱.基于点云的三维重建系统研究与实现[D].哈尔滨工业大学硕士学 位论文，2011. "介绍了一种新型的三维重建方法，并给出了重建的基本过程及流程，另外， 还提出了一种新的海量空间点云数据的简化方法。该方法以海量散乱空间点云数据为输入 数据，将非均匀网格法和曲率精简法相结合对点云数据进行精简，首先搜索各离散点K近 邻并获取其最小二乘曲面，计算法矢和曲率，经全局调整，保证法矢的全局协调性，然后进 行精简。K近邻搜索所用方法为Kd-Tree近邻搜索法，最小二乘曲面获取所用方法是抛物面 拟合法，精简算法使用的是非均匀网格法及曲率精简法。
[0005] 文献"楚发.基于体感的三维配准系统的设计与实现[D].上海交通大学硕士学位 论文，2011. "设计开发了基于体感的三维配准系统，该系统采用多层系统架构设计，底层基 于微软Kinect for windows体感设备进行三维信息的采集，采用开源OpenNI框架驱动，按 照相似点评估提取、坐标转换及点云对齐进行点云配准，同时考虑系统的效率及配准的效 果间的协调。系统中对快速点特征直方图（Fast Point Feature Histograms, FPFH)算法 做了改进，提出三角法线特征直方图（Triangle Normal Feature Histograms，TNFH)算法， 只利用三角面法线夹角特征，使特征计算的过程得以简化，并较FPH1算法复杂度低及特征 量更少，并保持FPH1的配准率。
[0006] 文献"刘求龙，胡伍生.利用点云数据进行惠泉变电站三维重建[J].地矿测 绘，2009, 25(4) : 7-8. "提出了运用点云数据对变电站进行三维重建的方案，首先利用激光 扫描仪采集待重建物体不同角度的点云数据；然后进行相邻角度点云数据的自动拼接，形 成完整点云；最后提取点云特征线，结合共面条件，生成待重建物体的三维模型，完成变电 站的三维重建及模型可视化。
【发明内容】
[0007] 鉴于现有技术的以上不足，本发明的目的在于提供一种接触网零部件的三维重建 方法，该方法是采用三维点云处理技术对获取到的待重建接触网零部件点云数据进行预处 理、配准、融合及曲面重建，获得三维模型。其核心是对三维重建中点云配准算法作了改进， 在利用SIFT算法提取关键点后，采用均匀模式的LBP特征来构建关键点描述向量，然后进 行后续配准过程及三维重建，获得三维模型。此改进提高了点云配准的速度，且对配准效果 影响不大，从而加快三维重建。
[0008] 本发明的目的是通过如下的手段实现的：
[0009] -种基于SIFT和LBP的点云配准的接触网零部件三维重建方法，通过Kinect设 备获取待重建接触网零部件三维点云数据，包含如下手段：
[0010] (1)、接触网零部件三维点云数据获取及预处理
[0011] 利用 Kinect for Windows 设备并结合 OpenNI 中的 Niviewer. exe 获取 oni 格式 视频数据，然后运用点云库PCL将视频数据转换为pcd格式点云数据文件，从而获得待重建 接触网零部件所在环境初始三维数据；对获取到的初始三维点云数据进行去噪、简化、分割 聚类、融合等预处理操作，得到待重建接触网零部件三维点云数据。
[0012] (2)、对（1)所获取的待重建接触网零部件各视角下三维点云数据运用尺度不变 特征转换（SIFT :Scale Invariant Feature Transform)算法，提取 SIFT 关键点；接着，利 用均勻模式的图像局部二值模式（LBP :Local Binary Patterns)对关键点进行特征描述， 获得各关键点特征描述向量；然后，将向量间距离作为关键点间相似性判定度量，并以此 确定不同视角下点云间的对应关系；最后，进行点云粗配准和最近点迭代（ICP iterative Closest Point)精配准，获取待重建接触网零部件完整三维点云数据。
[0013] (3)、使用泊松曲面重建法对（2)数据进行曲面重建，对所获模型进行孔洞修复， 纹理添加等，最终获得待重建接触网零部件的三维模型，完成重建过程。
[0014] 本发明方法中，三维点云数据获取方法将数据获取和三维重建分开进行，解决了 对各硬件设备配置要求高的问题，利于普通三维重建的顺利进行。
[0015] 本发明的方法中，点云配准方法将LBP特征与SIFT关键点提取相结合，进行关键 点的提取与特征描述，极大降低关键点描述向量的维数，加快点云配准的速度，从而加速 三维重建。
[0016] 上述⑵和⑶施行的具体步骤包含：
[0017] (1) SIFT关键点提取
[0018] A、尺度空间特征点检测，即在高斯差分金字塔中检测局部极值点，以此作为关键 点候选对象，所用尺度空间及高斯差分函数如下所示，
[0019] 尺度空间
【权利要求】
1. 一种基于SIFT和LBP的点云配准的接触网零部件三维重建方法，通过Kinect设备 获取待重建接触网零部件三维点云数据，包含如下手段： (1) 、接触网零部件三维点云数据获取及预处理 利用Kinect for Windows设备并结合OpenNI中的Niviewer. exe获取oni格式视频 数据，然后运用点云库PCL将视频数据转换为pcd格式点云数据文件，从而获得待重建接 触网零部件所在环境初始三维数据；对获取到的初始三维点云数据进行去噪、简化、分割聚 类、融合等预处理操作，得到待重建接触网零部件三维点云数据； (2) 、对（1)所获取的待重建接触网零部件各视角下三维点云数据运用尺度不变特征 转换 SIFT (Scale Invariant Feature Transform)算法，提取 SIFT 关键点；接着，利用均 勻模式的图像局部二值模式（LBP:Local Binary Patterns)对关键点进行特征描述，获得 各关键点特征描述向量；然后，将向量间距离作为关键点间相似性判定度量，并以此确定不 同视角下点云间的对应关系；最后，进行点云粗配准和最近点迭代ICP (Iterative Closest Point)精配准，获取待重建接触网零部件完整三维点云数据； (3) 、使用泊松曲面重建法对（2)数据进行曲面重建，对所获模型进行孔洞修复，纹理 添加等，最终获得待重建接触网零部件的三维模型，完成重建过程。
2. 根据权利要求1所述之基于SIFT和LBP的点云配准的接触网零部件三维重建方法， 其特征在于，所述（2)和（3)施行的具体步骤包含： (1) SIFT关键点提取 A、 尺度空间特征点检测，即在高斯差分金字塔中检测局部极值点，以此作为关键点候 选对象，所用尺度空间及高斯差分函数如下所示， 尺度空间：=σ(χ，>、σ) 0 /(.:、%>'） 高斯差分函数：D (x, y, σ ) = L (x, y, k σ ) -L (x, y, σ ) G(x, y, 〇 )为高斯核，G(x，)'，c)=
"）/2σ ; I (x, y)为图像强度；σ尺度；k为常 量； B、 关键点精确定位、尺度确定及不稳定候选关键点的剔除；通过计算拟合曲面的极值 来确定关键点的精确位置及尺度，同时剔除对比度低的特征点和不稳定的边缘响应点，以 提高匹配的稳定性及抗噪性； C、 关键点主方向的确定；尺度空间中每个像素的梯度模和方向分别为：
Θ (X，y) = tarT1 ((L (X，y+1) -L (X，y-1)) / (L (x+1，y) -L (x-1，y))) 创建梯度方向直方图，选择直方图的主峰值为关键点主方向； (2) 关键点周围区域的旋转不变均匀模式LBP特征描述 A、在SIFT关键点Pi(X，y，z，〇, α，β，Y)的K近邻区域中，分别以每个点Pj为中心， 求得以其为中心的旋转不变均匀模式LBP特征I^P8iu2，记为lbp^j = 1，2,. . .，K);
gp、g。分别是邻域内采样点的灰度值和中间像素点的灰度值；P为采样点数；R为采样半 ,λ --,.?>0 径；s(x) = j ； 1 ; [Ο,.κΟ Β、添加加权值，σ〇2) d为点Pj和关键点Pi间的距离；〇 ^为选定的常数； C、 特征向量构建，?\ = [(^ · lbPi ω2 · lbp2 …c〇k · lbpk]; D、 归一化处理消除光照影响，艮I
(3) SIFT关键点匹配，确定对应关系； 判定度量为向量间的距离，表示如下：
TA，TB分别是关键点A和B的LBP特征描述向量；ai、h分别是A和B的LBP特征描述 向量的各维元素； 匹配策略为：取点云1中关键点A，在点云2中找出与其特征描述向量距离最近的两个 关键点B和C，若最近距离与次近距离的比值小于一定阈值t，则认为与关键点A距离最近 的关键点B与其相匹配，即
(4) 点云配准 两点云对应关系确定后，对点云进行配准，可划分为粗配准和精配准两个过程；粗配准 采用主成分分析法PCA (Principal Components Analysis),精配准采用ICP精配准法；经 一系列点云配准获得完整的待重建接触网零部件三维点云数据； (5) 采用泊松曲面重建法，对所获完整点云数据进行曲面重建，获得待重建接触网零部 件三维模型； 根据这一点云配准方法进行三维重建过程中点云的配准，加速点云配准速度，从而加 快重建过程，获得待重建接触网零部件三维模型； 以上其他各符号和变量的定义为：(x，y)为空间像素坐标；0表示卷积运算；σ是尺度 坐标。σ大小决定图像的平滑程度，大尺度对应图像的概貌特征，小尺度对应图像的细节特 征。大的σ值对应粗糙尺度（低分辨率），反之，对应精细尺度（高分辨率）。 σ (s) = 2。-1 σ。· 2s/s，〇 为金字塔组数，〇 = [log2(min(m, n))]-3, m、η 为二维图像高 和宽，s为每组中层坐标，％为初始尺度，S为每组层数（一般为3?5) ;k为相邻两个尺 度空间倍数的常数，k = 21/s ; α，β，γ为三维图像关键点各坐标面投影主方向。
【文档编号】G06T15/00GK104299260SQ201410456796
【公开日】2015年1月21日 申请日期:2014年9月10日 优先权日:2014年9月10日
【发明者】刘志刚, 徐建芳, 钟震远, 韩志伟 申请人:西南交通大学