基于移动最小二乘曲面点云拼接算法.docVIP

基于移动最小二乘曲面点云拼接算法摘要： 针对现有点云拼接方法受被测零件复杂外形和测量噪声影响的问题，提出基于移动最小二乘（Moving Least-Squares，MLS）曲面的点云拼接算法. 该算法利用一种极值投影方法来有效计算点到MLS曲面的对应点，并结合迭代最近点（Iterative Closest Point，ICP）算法将各个视角的点云统一到该MLS曲面.实验结果表明该算法能获得精确、稳定的拼接结果. 关键词： 点云拼接； 移动最小二乘曲面； 迭代最近点 中图分类号： TP391.72文献标志码： A Point cloud registration algorithm based on moving least-squares surface TAN Zhihui, HUANG Yunbao, WANG Qifu, CHEN Liping (National CAD Support Software Engineering Research Center, Huazhong University of Science and Technology, Wuhan 430074, China) Abstract： Due to the fact that the existing algorithms of point cloud registration are affected by the sophisticated shape and measurement noise of components, a point cloud registration algorithm based on Moving Least-Squares(MLS) surface is proposed. Each point cloud in different view-point are registered onto MLS surface by using a peak value projection method which can obtain the corresponding point on MLS surface effectively and Iterative Closest Point(ICP) algorithm. The experimental results show that accurate and stable registration can be obtained with the algorithm. Key words： point cloud registration; moving least-squares surface; iterative closest point 0引言 随着激光技术的不断发展，激光测量技术在逆向工程中获得广泛应用，利用激光扫描测量设备可快速获得机械零件的外形数据，但由于机械零件表面形状的复杂性以及单个传感器测量范围的局限性，往往需要从不同的视角对零件表面形状进行测量.从不同视角测量得到的点云（以下简称多视点云）是在不同测量坐标系下描述的，为获得完整描述整个零件表面形状的数据，这些多视点云需要变换到统一的全局坐标系下，即多视点云拼接（或数据统一）问题. 解决多视点云拼接问题的方法可分为3种：(1)通过专用的测量设备实现测量数据的直接拼接，这种方法快速、方便，无须事后数据拼接，精度依赖于硬件设备的测量精度，但系统复杂、昂贵，且不能满足任意视角的测量；(2)基于测量表面贴附标记点方法，该方法通过贴附足够多的标记点以计算两点云间的拼接变换，但其拼接精度受标记点数量影响，且标记点位置的确定易受复杂工件外形的限制；(3)通过事后的多视点云拼接算法处理，将不同视角点云统一拼接到同一坐标系统下，该方法拼接精度主要依赖于拼接算法.本文研究的算法属于事后多视点云的拼接处理方法. 迭代最近点（Iterative Closest Point，ICP）［1］算法是解决点云拼接问题的经典方法之一，其关键在于如何在两点云间寻找对应点对，并根据对应点对计算坐标变换.对应点对是影响拼接精度的关键因素之一，对应点对搜索越精确，拼接精度就越高，许多学者提出基于不同的对应点对搜索策略的ICP算法变体.BESL等［1］提出直接利用具有最近几何距离的测量点作为拼接的对应点对，这种方法简单、直接，但拼接精度易受采样密度及测量噪声的影响；CHEN等［2］采用局部平面逼近的方法，利用点到平面的投影点作为对应点对，这种方法改善拼接精度，但在处理曲率变化较大的区域时具有较大的误差，导致平面投影点与真实对应点之间存在偏差，