基于关键点匹配的点云自动配准方法研究.pdfVIP

摘要 摘 要 近年来，人工智能和物联网技术的迅猛发展，带动了各领域的大变革，如工业上的 智能制造、医学上的智慧医疗、城市规划上的智慧城市和人们生活中的智慧家居等。在 各智能系统中计算机视觉技术起着至关重要的作用。而三维点云配准技术是计算机视觉 领域的重要技术之一，该技术主要应用于物体或场景的自动化三维重建。在智能应用需 求不断增加的背景下，对三维点云配准技术进行深入的研究具有重要的意义。虽然国内 外学者在该领域已提出了众多不同的技术方法，但在大多实际应用中主要依赖于经典的 IterativeClosest Point,ICP 最近点迭代 （ ）法，其通过搜寻待配准点云每点在目标点云上 的最近对应点来获得相应的变换参数，并不断地迭代该过程来完成点云配准。但ICP 算法对准点云间的初始位置具有较强的依赖性，当两点云数据初始位置较差时，使用 ICP 算法，其收敛速度较慢且容易收敛到局部最优，这也是导致配准效率和精度下降的 重要原因。本文正是基于ICP 配准方法进行了深入的研究，并提出了一些改进的策略。 本文的主要研究内容如下： 首先，本文提出了基于体素下采样和关键点提取的方法。针对解决ICP 算法对初始 位置依赖问题，采用在ICP 算法前对原始点云数据先进行初始配准的策略。为了提高点 云初始配准的效率和精度，在点云初始配准前期，对点云的下采样和关键点的提取技术 进行了研究。该方法通过唯一的参数下采样率，来快速估算出合适的点云体素大小，然 后根据体素对点云进行下采样；在关键点的提取上，本文根据点不同邻域半径的法向量 夹角特性来提取点云的特征点集，关键点的提取是点云初始配准的重要步骤。 其次，本文提基于错误关键点对剔除的自动配准算法。在提取关键点的基础上完成 FPFH 点云的初始配准和精确配准。在点云的初始配准阶段，使用了快速点特征直方图（ ） 描述子对关键点对进行描述和匹配，由于FPFH 描述子并不能完全准确的对所有的关键 点进行描述，导致存在较多的错误匹配点对。该方法主要是根据匹配的关键对的向量夹 角性质对其进行错误点剔除。从而对错误匹配点对剔除后的关键点对使用随机采样一致 RANSAC kd-tree 性算法 （ ）完成点云的初始配准。在点云的精确配准阶段，直接使用 I 闽南师范大学工学硕士学位论文 ICP 结构的 算法对初始配准后的点云完成精确配准。 最后，分别对本文提出的改进方法采用不同的点云数据进行了仿真实验。通过多组 实验仿真对比并证明本文的自动配准方法具有可行性和有效性。 ICP FPFH 关键字：点云配准； 算法；体素下采样；关键点； 算法 II 目录 目 录 摘 要I AbstractIII 目 录V 1 5 第 章 绪论 1.1 研究的背景及应用前景1 1.1.1课题的研究意义和背景1 1.1.2 课题的应用前景2 1.2 点云配准技术研究现状分析4 1.2.1 非自动配准方法研究现状4 1.2.2 自动配准方法研究现状5 1.3 主要研究内容8 1.4 本文的组织结构9 第2章 点云配准的基本概念和模型11