基于曲面局部配准算法.docVIP

基于曲面局部配准算法 　　摘 要:三维激光扫描技术的应用领域越来越广泛,作为一种数据采集手段,激光扫描技术已经全方位的应用到测量工作中来。本文主要介绍了基于曲面的局部配准算法,通过初始配准和精确配准两步来实现,通过实验分析,验证该方法的可行性。 　　关键词:激光扫描 曲面拟合 点云配准 　　中图分类号:TP3 文献标识码:A 文章编号:1672-3791(2011)03(c)-0068-02 　　 　　在三维物体数字化过程中,由于受扫描视场的限制以及被测物体外形的复杂性等因素的影响,三维扫描一次只能得到物体某一部分表面的数据,为了获得物体完整的形状信息,需要从不同的位置对实体的表面进行扫描。不同位置的扫描最终要匹配到同一坐标系下才能全面地反映实体信息。配准是指将不同时间、不同视点获取的数据转换至同一坐标系下的过程,配准技术在质量检测、人脸识别、指纹识别、图像匹配以及考古中碎片的拼接等领域都有广泛的应用。点云配准的好坏直接影响到后续的数据处理和三维建模,所以点云配准是三维扫描中的关键问题之一。目前比较常用的基于控制点的点云配准算法其精度和效率都有一定的局限性,对点云配准精度要求较高的情况,通常情况下采用自动配准技术,自动配准技术通常分为初始配准和精确配准两步,初始配准是为了缩小两组点云的旋转和平移错位,提高精确配准的效率;精确配准是为了使两组点云之间的匹配误差达到最小。精确配准通常采用局部ICP算法来实现。 　　 　　1 初始配准 　　这里的初始配准采用的是官云兰[1]提出的基于无控制点的非线性改正配准算法。在进行配准之前,需要先对每站扫描的点云数据进行去噪,排除异常点。 　　算法的基本步骤如下:先把一系列单站点云数据构成扫描网,构建各站点云数据统一的扫描网空间辅助坐标系,依次计算两两点云之间的坐标变换参数,然后把各站点云统一配准到扫描网空间辅助坐标系中,以第一个扫描站与最后一个扫描站的同名点坐标应相等为条件,列出误差方程式,解算出扫描网的变形参数,求得每个扫描点在整个扫描网坐标系下的最佳位置。 　　 　　2 精确配准 　　完成初始配准之后,即点云的粗配准已经完成,粗配准有时候很难满足点云配准的精度要求,所以应该在粗配准的基础上,完成点云的精确配准。具体步骤是:首先根据每个点以及邻近点的信息,利用最小二乘原理拟合曲面,拟合的曲面是通过该点的;然后根据求得的拟合曲面方程得到各点的曲率;固定其中一个点云,选择其中的一个匹配点,根据曲率相同原则在另一个点云搜索同名点,确定局部匹配区域;确定好局部匹配区域之后,然后根据两个点云的距离目标函数,采用局部迭代法进行迭代计算,直到满足要求为止。 　　2.1 点云数据的曲面拟合 　　这里采用基于最小二乘的点云数据曲面拟合,隐式曲面方程可以表示为如下。 　　 　　其中,是隐式曲面的归一化表示。 　　根据一组数据点拟合曲面, 　　,使得误差平方和最小。 　　将曲面方程整理得到: 　　+ 　　将e最小化的过程也即是求最小二乘拟合方程系数的过程,将数据点代入可以得到: 　　将代入整理,得到关于的方程组,求解所得的方程组就可以得到二次方程的系数。 　　2.2 点云数据的曲率计算 　　这里的曲率计算是基于隐函数的,设S:f(x,y,z)=0是一在定义域范围内正则的隐函数曲面,且在定义域内至少存在二阶偏导数,则其高斯曲率K和平均曲率H的计算公式如下: 　　式中表示函数f(x,y,z)=0的偏导数,函数表示函数的二阶导数。 　　2.3 局部匹配区域的确定 　　对于两组待配准的点云,在初始匹配点附近寻找最佳匹配点,采用固定其中一点,在另一对应点附近寻找最佳匹配点的方法,选择过程依据下面的标准。 　　（1）最佳匹配点在初始匹配点附近;（2）最佳匹配点在该点的拟合曲面上;（3）最佳匹配点之间的曲率一样。 　　在寻找最佳匹配点的过程中,有可能存在两个或多个点的曲率相同的情况,所以在确定对应点的时候,需要进行检验,如果对应两点的曲率相似,且其邻近点的曲率相似,就可以认为这两点就是最佳的匹配点;如果不是,更改对应的基准点,重新查找。 　　为了提高寻找最优匹配点的可靠性,张政[2007]提出了改进的三类最佳匹配点的描述标准。 　　(1)拟合曲面上该点的曲率;(2)拟合曲面上该点的法向与拟合平面法向的夹角;(3)拟合曲面上该点处的包围球内所有点的平均距离。 　　确定好最佳匹配点后,根据最邻近搜索算法查找到满足要求的点的个数,这里点的个数不能太少。最佳匹配点和其邻近点构成局部匹配区域。局部匹配区域的选择非常重要,如果选择不合适的话,将严重影响点云配准的精度。 　　2.4 局部迭代完成匹配 　　对于给定的点Q于隐式曲面 　　, 　　讨论求解点Q到隐式曲面S的