一种快速多视拼接方法研究.docVIP

一种快速多视拼接方法研究摘要：针对3D扫描测量领域自动化水平不高，测量不稳定，测量误差较大的现状，在双目结构光测量系统基于空间点相对距离不变性的多视拼接中，提出了一种基于三角约束和全局优化的多视拼接方法。该方法包括：匹配标记点时对由点距约束求得的可能匹配点加入三角约束，去除误匹配点;初次拼接后，根据求得的重心用最小二乘法进行全局优化，得到优化后的拼接矩。通过VC++，OpenCV等工具的算法实现表明：该方法能够较好地抑制累积误差，拼接方法稳定、快速，能实现自动化拼接。 　　关键词：双目结构光测量;点距不变性;多视拼接;三角约束;全局优化 　　3D扫描测量可获得真实场景的高精度3D数据，多视数据的自动匹配[1]和拼接[2]是其关键环节，其中的精准性、实时性、稳定可靠性是难点。 　　早期的多视拼接方法基于辅助硬件设备来完成，最著名方法为利用旋转平台[3-4]来获取物体的旋转和平移向量[5-6]。该类方法虽然有较高的精度，但其对于机械加工的要求较高，测量系统结构复杂，系统成本高，不利于应用推广。后来的多视拼接方法基本通过软件算法来实现，主要方法有特征拼接[7-8]和标记点拼接[9-10]。特征拼接通过获得的图像数据提取出具有一定特征的细节来对应匹配，该方法对于特征丰富的被测物较有效，对于特征信息不明显的被测物则适用性不足。标记点拼接通过测量前在被测物体表面上或被测物周围粘贴标记点[11]，通过这些标记点来实现多视拼接。该方法成本小，方便简捷，处理过程的自动化程度高， 　　能够保证拼接的精度。针对该方法，徐晓栋等[12]提出基于任意两点间的相对距离不变的特征，引入“不太可能发生的小概率事件”方式进行多视拼合，其方法在点距出现等边三角形和等腰三角形时，会出现标记点匹配错误，需人工改正，影响处理效率。周波等[13]应用搜索标记点同构子图的方法进行多视拼合，该方法存在累积误差影响点云拼接质量。 　　本文利用三角约束和全局优化的方法进行多视拼合，由单次测量获得的标记点集得到距离矩阵，以标记点的距离空间不变量为依据筛选出可能的匹配点对，再由三角约束对可能的匹配点对进行筛选，去除误匹配点对。对不同视图中的标记点正确匹配后，通过四元素法解算多视间的坐标转换矩阵以完成初次多视拼合。最后对拼合的多视数据进行全局优化，消除累积误差。 　　1、双目结构光测量系统 　　双目结构光测量系统由双目立体视觉测量系统与结构光测量系统组合而成，其中双目立体视觉基于视差原理，由左右相机采集的图像获取被测物体的三维几何信息。结构光投射设备把事先准备好的编码相移光栅投射到被测物表面，左右相机采集到相移图片进行解相匹配，实现基于像素的点匹配。最后结合双目视觉系统重建出物体表面的三维稠密点云数据。双目结构光测量系统结构如图1所示。 　　扫描测量时，左右相机先采集贴有标记点的图像，进行标记点提取、定位和重建，然后投射结构光栅并采集光栅图像重建稠密点云数据。对多视标记点进行匹配后解算多视转换关系。再用求得的转换关系对获得的多视稠密点云进行拼接，最终得到被测物的完整点云模型。 　　2、标记点多视拼接 　　得到一个视角下的三维标记点，然后把被测物体移动一定角度再次得到三维标记点。保证每次重建的标记点与上一次测量有大于等于3个的公共标记点。标记点多视拼接是求每两次测量之间的公共标记点，对其正确匹配，依据匹配的标记点计算两次测量之间的坐标变换关系，得到多视的转换关系实现稠密点云的拼接。 　　2.1 标记点三角约束匹配 　　假设第一次的测量为视A得到的n个标记点为点集PA，第二次的测量为视B得到的m个标记点为点集PB。寻找两次测量的公共标记点就转换为在PA和PB中求取对应的标记点，即找到PA和PB中公共标记点，并实现一一对应。 　　令[PA={a1，a2，a3，...，ai...，an};]i=1，2，…，n。 　　其中[ai=xiyiziT]，xi，yi，zi为PA中数据点的三维坐标。同理[PB={b1，b2，b3，...，bj...，bm};] i=1，2， … ，m。 　　标记点三角匹配如下： 　　1)求距离矩阵DA和DB，即分别求点集PA和PB中的每一个点到其余点的欧式距离，并用矩阵来表示; 　　2)对距离矩阵DA中的每一行i，寻找其在DB中相同数目最多的一组j(相同数目必须要大于等于2)，然后将(i，j)保存到可能的匹配点集，并找到(i，j)中哪些距离相同的点InA，InB。如图2，图中“[]”表示可能是同一点两视角获得的被测物上的同一个标记点; 　　3)对InA，InB中的点再次求距离矩阵，循环执行步骤2，直到只剩下2个以下的点。如图2、3，为进行第二次，第三次比对找到的可能匹配点; 　　4)每次都将(i，j)保存，当保存的数目大于等于3的时候，结束循环求解。则步骤2中保存的(i