一种3d模型的配准算法(关键翻译).docxVIP

一种3D模型的配准算法 Paul J. Besl, Member, IEEE, and Neil D.McKay 摘要 本篇文章描述精确和有效计算包含自由形态曲线和自由形态平面的3D模型的通用、独立表示的方法。该方法基于ICP算法处理“全六自由度”，需要一个给定的点的几何实体发现最近点的程序。ICP算法总是对均方差度量的局部最小值单调收敛，实验表明在第一次迭代中收敛的比例加快。因此，通过测试每一次最初的配准为一个复杂模型的详细数据给出一个适当的初始旋转和转化能最小化“全六自由度”距离度量的均方差（错译）。例如，一个已知的“model”模型和一个“data”模型代表着一个模型（考虑到复杂模型）的主要部分通过一个最初变换还有一个相对较小的一系列旋转能在几分钟内配准。这个算法的一个主要应用就是在模型检查之前使用一个理想的几何模型记录读出数据。这个方法适用于决定基本问题上，比如不同几何体表达式的全等还有估算一致性不确定的点集的轨迹。实验的结果证明了这个配准算法在点集、曲线和曲面上的性能。 关键字 自由形态曲线配准、自由形态曲面配准、运动估计、位姿估算、四元数、3D配准 介绍 自由形态曲线、曲面、点集的全局和部分模型匹配度量在“几何建模与计算机视觉”中已经被描述出来，试图在计算机视觉中形式化和统一这个关键问题的描述：在一个传感器坐标系中已知3D数据，描述了一个可能和模型形状一致的数据模型，已知模型坐标系中的模型形状，估算最理想的旋转变换，对齐或者配准模型形状和数据模型，最小化两个形状的距离，经由一个均方差度量最终决定等价模型。许多应用主要关注一下几个问题：一个深度图像的分割区域和在一个CAD模型中的B样条曲面子集匹配吗？本文为自由曲面匹配问题(该问题已经在“几何建模与计算机视觉”中定义，“自由形态曲面匹配问题” 作为一个特例)提供了一个简单的、一般的、统一的方法，这个解决方法已经推及到n维度已经为以下问题提供了解决方案: 无一致性的点集匹配问题； 自由形态曲线匹配问题。 该算法要求无提取特征，无曲线或平面派生，还有无3-D数据预处理（除了统计数据异常的排除）。 此次提出的方法主要应用于在模型检查前使用几何模型从移动的精确装置中记录数位化资料。当使用高精确无触点的测量设备在一个浅深度区域检查模型时，不同的感测点所得的数据并没有太大的变化。因此，出于简化的目的还有存在基于与检测应用相关的大量数据，在大量数据之中的不相等的点集并不在考虑之中。相似的，排除异常值被视为进程的一个步骤，同样的，同样的这个步骤可能会是一个最好的手段，也可能不会被处理。在检测应用的环境中，假定一个有能够排除明显误差的感应器、高精准、无触点的检测设备，没有产生不良数据，数据合理。 这个模型配准算法可以通过下列几个几何数据表达式应用： 点集； 线段集（折线）； 隐性曲线：gx,y,z 参数曲线：xu 三角形集合； 隐性曲面：gx,y,z 参数曲面：xu,v 这些包含了大多数应用将要利用一个方法匹配3D模型，其它的表达式通过一个估算已知模型到已知数字化点的最近点的程序处理。 本文结构如下：首先回顾数个相关的论文；接下来会提及计算包含上文的集合表达式的一个模型到一个已知点的最近点的数学初步；然后介绍迭代最近点算法，一个证明关于其单调收敛性质的定理。初次配准的问题会在接下来提到。最后，从提供的点集、曲线、曲面集展示迭代最近点算法的性能。 文献回顾 相关的一些工作已经被发表在3D自由形态模型的配准领域。目前有关于整体形状匹配或者配准的大部分的文献资料局限于特定的类型或者形状，也就是说 多面模型； 分段-二次曲面模型； 一致性已知的点集； 读者可能会查阅1985年以前的相关资料。为而来的其它最近的相关采集工作在下文中不会介绍，读者请阅读以下文章（引用）。 从历史的观点上来说，使用3D数据匹配自由形态模型的工作早已经被Faugeras还有他在法国国家信息与自动化研究所（简称INRIA）的团队完成，早在1980年，他们就有效的匹配了法国雷诺公司的汽车配件。这个工作使得在计算机视觉团队中为3D点集的一致性使用四元数进行最小二乘法配准变得非常普及。选择性的使用SVD算法在这个时间范围内并不被世人所周知。这个工作的初始限制就是它依赖在自由形态模型中合理的大型2D区域中可能的存在。 1985年，Schwartz和Sharir对没有抽取特征的自由形态空间曲线匹配问题开发了一个解决方法。他们使用一个非四元数近似处理最小二乘法旋转矩阵。这个方法适用于处理质量合理的曲线数据，但是不适用面对有噪声的曲线数据，因为这个方法对曲线使用弧长抽样法获得一致点集。 Haralick et al.发表了3D点集位置估算问题使用鲁棒性方法结合最小二乘法SVD配准方法，提供了一个鲁棒性统计量，选择性的最小二乘法或S