《基于迭代最近点算法的地图拼接方法研究》-毕业论文（设计）.doc

基于迭代最近点算法的地图拼接方法研究 1 绪论 1.1 研究背景和意义 1.2 国内外研究现状 1.3本文研究内容及组织结构 2 刚体迭代最近点算法 2.1 刚体配准问题 2.2 迭代最近点算法 2.3 实验结果与分析 2.4 本章小结 3 基于迭代最近点的部分配准算法 3.1 刚体部分配准问题 3.2 部分对应的迭代最近点算法 3.3 实验结果与分析 3.4 本章小结 4 基于迭代最近点的地图拼接方法 4.1 地图拼接问题 4.2 基于ICP的地图拼接方法 4.3 实验结果与分析 4.4 本章小结 5 结论与展望 5.1 结论 5.2 展望 1 绪论 二十世纪以来，图像配准已逐渐成为图像处理，计算机视觉和计算机图形学等领域的研究重点和难点之一。点特征作为图像最为简单和常用的特征形式，被广泛地应用于图像配准过程中，因此图像点集配准是一项基础且非常重要的研究课题。所谓“图像点集配准”，就是寻求两个图像点集之间的一种几何变换，使得变换后的两幅图像点集在空间位置上达到一致。本文从介绍刚体配准问题出发，着重阐述基于迭代最近点算法的刚体部分配准问题，最后将此算法应用到地图拼接实例中。 1.1研究背景和意义 所谓图像配准就是将不同传感器不同时间、或不同气候、亮度、摄像角度下获取的两幅或多幅网格图像进行匹配，以求达到几何空间上一致的过程。如今，图像配准技术已经被广泛地应用于各个领域，较为常见的领域有：计算机视觉、图像处理、遥感数据分析等。而传统意义上的匹配就是在一幅比较大的图像中搜寻与目标图像相同的部分，在已知该图中具有要找的目标图像的情况下。通过某种算法策略就可以在图中找到目标图像，确定其空间位置。利用较为简单和成熟的模板匹配可以在一幅图像中找到目标图像，例如抓拍到的一张射门的照片，而要在该照片中找到足球的位置，这时就可以采用模板匹配的方法。目前，在最为传统的ICP算法的基础上已经发展出了许多处理各种不同种类数据和问题的变种算法，大概上按照图像分类的不同，图像配准问题可分为三类： 第一类：获取图像时间和位置不一致，造成图像之间具有较为明显的错位。为了配准这类图像，可以采用空域的方法来去除这些差别. 第二类：获取图像环境条件的不同，这主要是由于光照或者天气条件不同而造成的差别，这样图像在亮度或局部上有所区别，但也有可能在空域中产生细微差别，例如透视变形. 第三类：图像的差别是由于目标的运动，生长或者其他景物的变化而引起的. 第二类和第三类图像之间差别并不是能够直接通过图像配准可以完全消除的，所以这给图像配准带来了极大的挑战。. 对于通常意义上图像配准技术，我么可以简单地把它总结为以下4点选择的组合体： ·特征空间 ·搜索空间 ·搜索策略 ·相似度测量 特征空间指的是从图像中提取出来的用来匹配的信息；搜索空间则是指用来校准图像的图像变换集；搜索策略决定如何在这个空间中选择下一个变换，如何测试并搜索出最优的变换；相似度测量则决定了每一个配准测试中的相关特性.在图像配准中，特征空间、相似度测量、搜索空间以及搜索策略等的选择都会影响到最后配准的精确度。所有的图像配准方法都可以认为是这些选择的组合，这个框架对于我们理解现在存在的各种各样的配准方法的特点以及其之间的关系是相当有用的。 在较为简单二维图像配准过程中，图像特征一般被表示成点或线等几何特征，然后通过某个算法策略来计算这些几何特征（通常是两个点集）之间最优的空间变换，从而使得图像能在空间几何上对应起来，这就达到了最终的配准。因此，如何提取图像特征和如何匹配这些特征是二维图像中，进行配准的两个关键前提技术。图像特征地提取在过去的几十年已经发展非常成熟，而最常用的特征提取方式是物体的边缘轮廓，角点，曲面交线，曲率不连续点等，在所有这些特征中，点是最为基础的，它同时也是曲线，曲面，立体等复杂特征的表示基础。因此二维图像配准问题归根到底可归结到二维点集配准这个更为简单直接明了的问题了，它是图像处理中最为基础的一个问题。 对于三维图像配准问题，现在已经是如火如荼。近年来伴随着逆向工程技术和三维扫描技术的飞速发展，三维图像配准问题已是一个不得不妥善解决的难题。如今的三维扫描技术已经相当发达，它可以深入到任何复杂的现场环境中进行扫描工作，然后直接将扫描得到的各种大型的、复杂的、不规则、非标准实景三维数据完整无误的存入到电脑中，进而快速重构出目标物体的三维模型。与此同时，三维扫描仪所扫描的三维数据或点云数据还可进行各种后期处理，如测绘、计量、分析、仿真、模拟、展示、监测、虚拟现实等。因而，将多个深度图像数据配准后建立三维的几何模型并进行后期处理已经成为当前一个重要的研究课题。 由上，图像配准技术在二维或者三维图像处理中的广泛的应用基础，可以看出它重要性和发展前景。而本文将图像配准技术应用于地图拼接问题中，仅