基于FPFH特征点云配准技术.docVIP

基于FPFH特征点云配准技术 　　摘要：点云配准是三维物体或场景模型重建的关键技术。针对传统的ICP算法的收敛速度较慢，且在两点云集初始位置较大时易陷入局部最优解的问题，该文提出了一种改进的点云配准算法。该算法首先计算点云的FPFH特征描述子，然后对点云的特征进行匹配，实现两片点云的初始变换，使两点云集有相对较好的初始位姿。在经典ICP基础上使用k-d tree（k-Dimension tree）近邻搜索加速对应点对的查找，并利用方向向量阈值去除错误点对，实验证明该算法具有相对较好的配准精度和收敛速度，提高了配准的效率。 　　关键词： 点云配准；ICP算法；FPFH；方向向量阈值 　　中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2017）04-0207-03 　　The Point Cloud of Registration Technology Based on FPFH Feature 　　CHEN Xue-wei，WAN Tao-ruan，WANG Zu-quan 　　（Xian University of Electronic and Information Engineering，Xian 710048， China） 　　Abstract：The registration of Point cloud is the key technology in the of 3 d object or scene model reconstruction. As for the low convergence of classical ICP algorithm and the convergence to the global optimum not be guaranteed，a kind of improved ICP algorithm of point cloud registration is put forward. This algorithm firstly calculates the FPFH point cloud character description， and then to match the characteristics of point cloud， the realization of two pieces of the initial point cloud transform， make two gathered have relatively good initial position.Then it use the k-d tree （k-Dimension tree）based on classic ICP to accelerate the search speed of the corresponding point ， and use the direction vector to remove the error corresponding point to improve the efficiency of registration . 　　Key words：point cloud registration；ICP algorithm；FPFH；Direction vector threshold 　　三?S重建是计算机视觉领域研究的一个重要研究方向，在虚拟现实、文物保护、逆向工程、人机交互等领域都有广泛的应用。在数据采集的过程中，由于受到环境和设备本身的限制，需要从多个角度去采集某一模型表面的数据。为了得到完整的三维数据模型，我们可以利用光学三维测量法[1-2]从不同视角采集点云数据并对采集的数据进行拼接，配准的精度会直接影响到后期模型重建的精度。 　　由Besl和McKay[3-4]提出的经典的ICP算法是目前应用最广泛的点云配准算法，它通过不断寻找目标点云和源点云之间对应点集和计算对应点集之间的最优刚体变换矩阵，寻找两点云之间的最优匹配。但传统的ICP算法[5]收敛速度较慢，且在点云数据集初始位置相差较大时，易陷入局部最优解。为了改善这一问题，本文提出一种改进的点云配准算法，该算法在初始配准过程中引入了点云的特征描述子FPFH[6-7]，通过匹配点云特征对两点云集进行初始配准，将所得到的变换矩阵[8]作为精配准阶段的初始估计，巧妙地解决了传统ICP算法在点云之间的初始位置偏差较大时易陷入局部最优解的问题。在精配准中，在传统ICP算法的基础上使用 k-d tree近邻搜索法[9]提高对应点对的查找速度，并利用方向向量阈值去除点云中错误的对应点对，提高了算法的鲁棒性。 　　1算法介绍 　　本文提出了一种改进的