应用改进迭代最近点方法的三维心脏点云配准

发布时间：2021-08-20 18:00

　　在医学多图谱配准中,为了改善因初始位置差异较大、形状复杂和局部残缺导致的配准效率低和精度差的问题,本文采用了先粗配准再精配准的处理策略,在主成分分析法（PCA）实现粗配准的基础上,提出了基于双向距离比例的迭代最近点（ICP）的精配准算法。精配准算法中,首先采用KD-tree进行最近邻搜索以提高对应点对的搜索速度,然后为每个点提出了双向匹配方法并计算其双向距离和比值,为进一步提高配准精度,引入了一个指数函数判断点对正确匹配概率,最后运用奇异值分解法（SVD）计算最终变换矩阵。为了验证算法的可行性和有效性,分别设计了不同缺损程度的斯坦福点云数据实验和两组CT心脏点云数据配准实验,结果表明本文方法较经典ICP算法的平均误差减少约21%,较TrICP算法减少约13%,在心脏点云数据配准实验中,本文方法较TrICP算法的15.5 s加快到1.77 s。因此本文方法在解决三维心脏点云数据的配准问题中具有良好的效率、精度和稳定性。 

【文章来源】：光学精密工程. 2020,28(02)北大核心EICSCD

【文章页数】：11 页

【部分图文】：

图1 双向距离搜索示意图

ρ i,k ={ ∥Q i,k -Ρ i,k ∥ 2 ∥Ρ i,k -Q l,k ∥ 2 ∥Q i,k -Ρ i,k ∥ 2 ≥ ∥Ρ i,k -Q l,k ∥ 2 ∥Ρ i,k -Q l,k ∥ 2 ∥Q i,k -Ρ i,k ∥ 2 ∥Q i,k -Ρ i,k ∥ 2 < ∥Ρ i,k -Q l,k ∥ 2 .?????? ??? (7)在此算法中,基于加权最小二乘求解最优变换,权重的赋值即概率值是需要解决的重要问题。根据指数函数的特性,引入一个指数函数来计算概率值pi,有效反映每一点对双向距离比值与应该赋予权重之间的关系,本文所采用指数函数特性如图2所示。其中,pi是与ρi相关的一个概率值,此概率值可以反应点对是否属于内点的概率,即正确匹配的概率。

改进的ICP算法流程图

【参考文献】：
期刊论文
[1]基于稀疏主成分分析的图像噪声估计方法[J]. 杨华.  液晶与显示. 2019(09)
[2]时空自适应的分焦平面偏振视频PCA去噪[J]. 李宁,赵永强,潘泉.  红外与激光工程. 2019(10)
[3]基于曲率突变分析的点云特征线自动提取[J]. 陈华伟,袁小翠,吴禄慎,王晓辉.  光学精密工程. 2019(05)
[4]颅骨点云模型的优化配准[J]. 赵夫群,周明全.  光学精密工程. 2017(07)
[5]一种基于K-D树优化的ICP三维点云配准方法[J]. 刘江,张旭,朱继文.  测绘工程. 2016(06)
[6]用于三维重建的点云单应性迭代最近点配准算法[J]. 韦盛斌,王少卿,周常河,刘昆,范鑫.  光学学报. 2015(05)
[7]应用改进迭代最近点方法的点云数据配准[J]. 王欣,张明明,于晓,章明朝.  光学精密工程. 2012(09)
[8]一种基于主成分分析的空间数据配准算法[J]. 秦楠楠,赖旭东,闵晓凤.  武汉大学学报(工学版). 2012(04)
[9]基于最小二乘法的点云数据拼接研究[J]. 沈海平,达飞鹏,雷家勇.  中国图象图形学报. 2005(09)



本文编号：3353968