当前位置:主页 > 论文百科 > 研究生论文 >

基于特征点提取的点云配准算法研究

发布时间:2016-06-24 22:08

1 绪论

1.1 引言
随着社会的发展,一些例如数字城市,逆向工程等领域的技术水平开始不断的进步。而对此不断提高的需求,使得人们开始更加关注这些新的技术和要求,并不断改善现在的技术来满足人们越来越高的要求。现如今在大多情况下的三维数据都是通过激光技术来获得,激光技术与传统的利用数码相机、全站仪等数据获取方法存在着很大的区别,根据被测物体规模的不同可以选择不同的三维激光扫描仪。之后再将获得的数据通过相关技术对其进行点、线、面等处理,由此就可以得到相应现实物体的模拟。近些年来,随着技术的进步,三维激光扫描仪已经从固定在一处测量朝向运动方向发展,在汽车、飞机、船只等移动载体上放置三维激光扫描仪已经成为比较前沿的方式。同时,点云数据所被运用到的领域也越来越多。由此,数字城市、逆向工程等技术也有了极大地发展。
.......

1.2 研究背景与意义
随着科技的发展,生产力的进步,当今社会中产品的生产对效率的需求也变得越来越高。于此,逆向工程(RE,Reverse Engineering)技术,作为一项新兴的重要技术手段,就是从实物模型中得到 CAD 模型,并且在此基础上,解剖分析、消化吸收和再创新设计的一个过程。而这项技术的出现,保证了产品生产效率有效的提升。逆向工程的原理是通过各种技术手段,对待测的实物模型进行数据采集,来获取后续处理所需的点云数据,从而通过计算机直接建立出三维数字模型。在现实生产过程中,当产品设计图纸的缺失或不完整的时候,通过逆向工程技术能够很好地解决以上问题。此外,对于数字化产品模型日趋成熟得硬件设施也提供了强有力的保障。逆向工程技术的基础是三维数据采集。如今,越来越多新兴的三维激光扫描设备在市场中的发展和应用使得其采集数据的能力也越来越强大,随着传感技术、控制技术和激光测量技术等技术手段的快速发展,测量手段和测量技术也更加丰富和先进,同时在实际生产过程中,通过测量被测物体模型表面所获取的测量数据也呈现出海量趋势,人们称所获取的测量数据为点云数据或散乱数据。根据其特点及应用现有的数据收集方法,基本可将其分为接触式测量及非接触式测量两个类别。接触式测量方法是通过传感测头与对被测实物模型的物理接触来获取模型表面数据的方法,坐标测量机法和机械手臂法是常见的两种接触式测量方法。而非接触式测量方法采集数据主要是基于光学、声学、磁学等领域中的基本原理,利用适当的算法把一定的物理模拟量转换为被测实物模型表面的坐标点。通常一次采集获得的点云数据能够达到数十万甚至上百万个。所以,在对这些大规模的点云数据进行三维建模之前,为了保证三维建模的准确性和时效性,必须首先对其进行相关的点云预处理操作。点云预处理主要包括对点云数据进行去噪处理、精简处理、划分处理、配准处理以及光顺处理等,而在这些环节中,,点云数据配准处理是最重要的一步,配准方法选取得是否恰当,配准的效果的好坏,将会直接关系到计算机能否完整且正确地描述实物模型,进而影响到实体信息数字化的效果。此外,在 CAD 曲面的重建过程中,不合适的配准算法会产生较大的配准误差,这会严重影响实体建模的质量和整个工程的进度。总而言之,在整个逆向工程的实施过程中,点云数据配准处于起始阶段,因此它不仅是整个逆向工程的基础,也是一个非常关键的技术部分。通常在实际测量过程中,由于物体表面存在被遮挡的部分以及测量设备存在测量范围的限制,因此需要对物体从多个视角进行测量,从而获取完整的点云数据。由于不同视角的局部坐标系不同,必须将多个视角点云转换至同一个坐标系下,来获取完整的物体表面点云数据,转换不同视角点云坐标系的过程即是点云数据的配准。通过配准不同视角的点云数据来获取整个模型的表面点云数据,为逆向工程后序的设计加工提供基础。而传统的点云数据配准耗时较长,如何在保证配准精度的同时缩短配准所需的时间,是本文的研究重点。三维点云数据处理流程如下图所示。
.........

2 点云数据配准算法

2.1 点云数据配准的概念
三维点云数据就是利用各种数字化系统和三维扫描设备对被测物体进行采集所获得的离散数据,它反映出了被测物体上各个离散点的主要物理信息,其中包括点的几何坐标、法向量、曲率、点云的规模、物体表面的颜色、纹理特征、透明度等[21]。点云数据根据其分布特点,能够进行分类,其主要分为以下几类:散乱点云:该类点云的测量点整体呈现散乱无序的状态,几何分布特征不明显,且各点之间没有规律可循。网格化点云:该类点云的特点是,对于点云中的任意点,都可以在其参数域中,找到一个与之相对应的均匀网格的顶点。并且,用其它方法获得的点云数据可以通过网格化插值来转换。扫描线点云:该类点云是由一组扫描线组成的,并且扫描线上的所有点都存在于扫描平面的内部。多边形点云:该类点云用小线段将同一平面内相邻的且距离最近的点依次连接,从而形成了带有嵌套的平面多边形点云。此外,根据点云数据在三维空间中分布情况的不同,也可将点云分为高密度和低密度点云。利用三维激光扫描设备测量得到的数据多为高密度点云,一般情况下包含几十万甚至上百万个点。点云数据的配准作为真实世界物体三维模型重建中的一个很重要的环节,其在逆向工程、形状检测、计算机视觉等领域均有广泛的应用。由于被测物体表面会被其它物体遮挡且测量设备存在着视域的限制而无法获得完整的数据,所以,通常的测量设备在一次测量中,只能获取物体的某一个侧面的点云数据。正因如此,在实际测量情况下通常采用多视角测量,即从多个角度对物体进行测量来获取被测物体的完整形状信息。由于在不同视角进行测量时的坐标系不同,所以,要想得到物体整个表面的完整形状数据,必须将测量得到不同坐标系下的被测物体的点坐标转换到一个统一的坐标系下,这一过程就称之为点云数据配准。点云数据配准分为初始配准和精确配准两步。
.......

2.2 刚体变换
点云数据的配准就是求解两个点集(分别记为 P 和Q)之间的刚体变换矩阵,使得两点集中属于物体同一区域的点重合。重叠区域中重合的点可以用对应点对(两个点集中属于物体上同一个点的一对点)之间的距离最小化来描述[22]。而点云的刚体变换主要包括平移变换和旋转变换,要确定两片点云的空间转换关系,在点云的配准过程中,由于点云之间可能相距较远,以及点云数据量通常都较大,为了降低配准问题的难度,缩短迭代的时间,通常将点云配准作为两步来具体实现,即初始配准和精确配准。初始配准是粗略的估计任意位置两个点云之间的位置关系,精确配准则是在初始配准的基础上,通过不停地迭代来优化配准结果。
........

3 点云数据特征点提取算法研究.......... 22
3.1 利用法矢提取特征点........22
3.1.1 法矢的计算.....23
3.1.2 提取特征点.....24
3.2 利用曲率提取特征点........24
3.3 利用体积积分不变量提取特征点...........26
3.4 点云特征点提取实例分析.......28
3.5 本章小结.....37
4 基于特征点提取的点云配准算法实验......39
4.1 传统 ICP 算法下的点云配准...........40
4.2 基于法向量特征点提取的 ICP 算法下的点云配准.....45
4.3 基于曲率特征点提取的 ICP 算法下的点云配准......... 47
4.4 基于体积积分不变量特征点提取的 ICP 算法下的点云配准.... 49
4.5 本章小结.....53
5 总结与展望....55
5.1 总结.....55
5.2 未来工作的展望........55

4 基于特征点提取的点云配准算法实验

点云数据配准,其主要目的就是将一点云到另一点云之间的相对位置与方向找出来,换言之,就是对 2 个不同的坐标系统进行坐标转换。现如今,点云精确配准的算法有很多,其中最经典的则是由Besl和McKay所提出的最近点迭代(ICP)算法[1],传统的 ICP 算法被广泛应用于当今的点云数据配准之中且具有很高的配准精度,但根据算法的描述可以得知,其对于点云之间的相对初始位置要求很高,且需要进行复杂繁琐的计算,在迭代的过程中也存在着无法收敛到全局最优解的而陷入局部最优的缺陷。所以,为了解决 ICP 算法自身的部分缺陷,国内外学者提出了一系列的 ICP 的改进算法,其中,Chen 和 Mediom[5]两位学者在经典 ICP 算法基础上进行了改进,该算法用点到匹配点处切平面的距离来代替点到点的距离,但该方法在物体表面曲率变化较大时会变得不收敛。由于传统 ICP 算法耗时太多,效率不高。而通过提取点云数据中具有几何特征的特征点,再利用这些特征点进行精确配准,可以有效地减少 ICP 算法迭代所需的时间。然而,不同方法提取的特征点的提取率不同,同时,对配准的结果影响也不同。所以,本文采用先利用法向量,曲率和体积积分不变量三种几何特征提取点云数据的特征点,再进行精确配准。流程图如下图所示。

基于特征点提取的点云配准算法研究

..........

总结

三维激光扫描技术于上世纪九十年代中期开始出现,它是继 GPS 空间定位系统之后在测绘技术上又一项新的突破。点云数据配准,作为其重要的一环,对后续的数据处理的影响至关重要。在点云精确配准中,传统的 ICP 算法存在着迭代时间过长,效率不高的问题。因此,本文工作如下:
(1)描述了点云数据配准的意义与方法,分析了 Besl 和 Chen 所提出的 ICP算法的区别,并对雕塑进行了点云初始配准与精确配准。
(2)利用点云的法向量、曲率与体积积分不变量三种几何特征分别对不同的点云数据进行了特征点提取实验。实验表明,通过法向量提取特征点的提取精度较高,提取速度快,算法简单,但存在着对独立的点辨别度低的问题。通过平均曲率提取特征点,能够反映出基本的几何信息,但算法复杂导致计算量较大。通过体积积分不变量提取特征点,由于不受网格拓扑结构限制,能够更加准确的提取特征点。所以,简单、平滑的曲面可以通过计算法向量来提取特征点较好,而复杂、凹凸程度大的曲面通过计算平均曲率或体积积分不变量提取特征点较好。
(3)而通过比较基于这三种特征点提取方法的 ICP 算法在不同物体的配准实验结果,得知了在处理小数据量点云配准时,利用法向量和体积积分不变量提取特征点再进行配准再处理精确配准效果较好。而在处理大数据量点云数据量的时候,利用提取曲率特征点再精确配准的方法效果更好。
.........
参考文献(略)




本文编号:61077

资料下载
论文发表

本文链接:https://www.wllwen.com/wenshubaike/lwfw/61077.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户340fb***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com