多分辨率测量点云数据精匹配方法研究

发布时间：2020-05-14 04:27

【摘要】：三维光学测量技术是实现实体数字化的一个重要手段。由于物体的自遮挡、扫描范围限制以及扫描原理等原因,三维光学测量系统单次扫描只能得到物体一个侧面的点云。为了实现大体积、多曲面的三维实体重建,必须从不同视角进行扫描并通过匹配技术构造完整的实体数字化模型。因此,开展点云匹配技术的研究具有重要的理论意义和实用价值。本文对三维光学测量中的多视点云匹配问题进行了研究,提出并实现了一种新的基于塔型分解的多分辨率测量点云匹配方法。与现有的点云匹配方法相比,新方法在匹配误差及匹配效率方面均有大幅提高。主要的研究内容和成果如下:(1)研究了点云预处理技术。建立三维点云的K-D树模型,实现基于K-D树的点数据最临近搜索算法,提高点数据的邻域搜索效率及对应点查找效率;研究了点数据的法向量估计方法,实现了基于点云三角化的法向量估计以及基于局部表面拟合的法向量估计方法。(2)研究了将三维点云转化为二维灰度图的方法,实现了一种基于K邻域搜索算法和霍特林变换的灰度图转化方法。该方法可以准确地利用点云的局部特征信息,构建某一点数据的局部坐标系,并将该点数据的坐标转化到此坐标系下,最终使用所有转化后的Z轴坐标信息和原始点云的栅格线信息构建对应的二维灰度图。(3)研究了图像的塔型分解算法,实现了图像的高斯金字塔分解及拉普拉斯金字塔分解算法,并对三维点云转化后的灰度图进行分解,分别构建高斯金字塔及拉普拉斯金字塔。(4)提出了一种新的多分辨率测量点云匹配算法。首先,将点云转化为二维灰度图,并对灰度图进行塔型分解。选择合适的金字塔层进行二维种子点拾取,映射至三维点云中,组成三维种子点集,最后,使用拾取的种子点进行ICP匹配,建立完整的点云模型。在此理论基础上,采用C++和OpenGL开放图形库在Visual Studio平台实现了该算法,并与已有的点云匹配算法进行实验对比研究,实验结果表明,新方法在匹配效率及匹配精度方面均有明显提高。
【图文】：

文物保护,三维重构,机械工程,光学扫描

西安电子科技大学硕士学位论文2图1.1 三维重构在文物保护、机械工程及医学中的应用三维光学扫描[4]一般采用非接触式的测量方式，即光学扫描仪与被测物体不进行直接接触，而是通过激光信息得到物体表面的采样数据，进而组成点云，然后完成三维重构，如图 1.2 所示。相比于传统的接触式测量技术，，光学测量具有非接触、速度快、精度高等特点，因此能极大地节约时间和成本，并且能更准确地获取到复杂物体表面的测量信息，测量数据具有较强的复用性。这些优势使得三维光学扫描测量技术得到了广泛的应用与发展。在某些特殊场合，三维光学扫描技术具有独特的、不可替代的作用

光学扫描仪,点云

[5]，因此近十几年来发展迅速。图1.2 三维光学扫描仪点云匹配（Point cloud registration）[6]，又称点云拼接、点云配准、坐标匹配等，是三维光学扫描测量以及三维重构过程中的一个重要环节，也吸引了众多学者开展研究。匹配技术的实质是将处于不同坐标系的点云数据统一到同一个坐标系下[7]，在匹配过程中，将其中一幅点云近似成目标曲面，把其它的点云变换到它的坐标系下，如图 1.3 所示。坐标变换过程中会导致点云变换前后的差异，由此决定了匹配的误差，这是匹配过程的必然结果，也是三维光学扫描测量中影响测量精度的最主要因素之一。所以，在三维光学扫描测量过程中，一个正确并且高效的匹配算法是关键，它直接影响三维光学扫描测量中模型的重构质量
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41

【参考文献】