逆向工程中基于小波的曲面数据配准（仅供参考）.docVIP

窗体顶端 逆向工程中基于小波的曲面数据配准摘要:利用小波分析的多分辨率特性与ICP算法相结合,提出了多分辨率数据配准算法,实现不同视角测量数据的快速配准.首先对数据点进行三角网格划分,并进行多层小波分解.对最低层网格计算离散曲率,搜索曲率最接近的点对儿进行迭代配准,在所得变换的基础上,进行小波重构并在较小的范围内重新搜索最接近点并进行迭代配准,重复这一过程直到实现原始数据配准.随着小波重构的进行,配准误差逐渐减小,迭代配准的次数逐渐减少.通过实例证明,本算法具有迭代速度快,抗噪声干扰等特点.关键词:小波;多分辨率;迭代最近点;数据配准Surface Data Registration Based on Wavelets in Reverse EngineeringAbstract:A new multiresolution Iterative Closest Points (ICP) algorithm was proposed by combining multiresolution features of wavelets analysis and original ICP. The first step was to triangulate the data sets, and wavelets decomposition was performed on the triangulation mesh. In order to obtain the correspondence between the data sets, we calculated the discrete curvature of the mesh in the lowest level. A pair of points would become the candidates if their curvatures were close enough. Wavelets reconstruction was carried out after iterative registration in each level. The registration error became smaller along with wavelets reconstruction, and less iterative steps were needed in the upper level. Some examples showed that the multiresolution ICP was fast and insensitive to the noise of data sets.Key words: Wavelets; Multiresolution; ICP; Data Registration1 引言数据配准是计算机视觉、逆向工程等领域重要的研究内容.随着数据获取技术的发展,人们可以方便快速地获得三维物体表面数据,但对于复杂物体需要从不同的角度进行多次测量,将不同视角下的数据变换到同一坐标系下形成完整的数据点云的过程称为数据配准.迭代最近点ICP[1]算法是数据配准的经典算法,它可以实现离散点、网格曲面、参数曲面等多种形式的数据配准.但其缺点是需要严格的迭代初始值,并且计算效率低,很难得到全局最优解.很多文献[2][3]对ICP算法进行了改进.小波分析在信号分析、图像处理以及计算机图形学等领域有着广泛应用.Swelden[4]提出了第二代小波的概念,并给出了直接构造小波的提升模式(Lifting Scheme),可以实现任意流形拓扑曲面的多分辨率分析,Lounsbery [5]实现了任意网格多分辨率分析,Schroder[6]构造了球面小波,Bertram[7]基于Catmull-Clark细分模式提出了双正交提升B样条小波.本文利用小波分析的多分辨率特性提高ICP算法的效率,采用数据点离散曲率最接近原则进行局部数据点的匹配搜索,从小波分解后的最后一层光滑数据开始,逐层进行迭代配准,逐渐缩小配准误差.算法基本流程如图1所示.2 ICP算法Besl[1]提出了迭代最近点ICP算法,用于实现多种数据集的配准.设数据点集,模型数据集.将迭代变量初始化为,,,重复以下4个步骤,直到配准误差小于预设值为止.(1)计算最近点:.(2)利用四元素法计算变换参数:.(3)进行配准计算:.(4)当时,迭代计算结束.3 网格数据小波分解将三维网格看作一种信号进行小波分解与重构,根据小波分析理论,小波分解由分析滤波器和实现,小波重构由综合滤波器和完成,并且满足以下关系:.若记是由网格第j层所有顶点构成的矩阵,则,,.其中,称为小波