基于光学照相式测量的多视角三维点云拼接算法.docxVIP

摘要： 提出一种面向自由视角扫描点云的两步法三维拼接算法。首先在重叠区域采样出两片大致相似的点云，根 据空间坐标组合变换原理，使用 N 边形法进行预拼接，获取预拼接的转换矩阵参数，尽量缩小两片点云间的位置关系；然后，基于初始位姿对采样点云使用改进 的 ICP 算法微调精拼，融合传统的迭代最近点距离度量函数的优点，通过分层次设定迭代终止条件和多次重采样获取对应点对，达到减少迭代次数，同时保证全局最小收敛。试验结果表明，该三维拼接两步法具有较高的拼接精度和好的操作性，适用于不能进行粘贴标记点和转轴固定的特殊三维视觉测量领域。 关键词：三维扫描，配准，自由视角，迭代最近点法中图分类号： TG386 文献标识码： A 前言 相关算法研究与分析 目前的拼接技术大致可分为基于机械转轴的拼接，基于标志点粘贴识别的拼接及基于最近点迭代收敛算法的拼接三大类，这三类方法各有自身的优点和适用条件。 1.1 基于转轴和标志点的拼接技术 文献 [3] 对基于机械转轴的拼接算法原理及实现做了详细的描述。其原理是利用一个步进电机驱动旋转工作台，旋转拍摄多视角下的场景影像，记录相应角度值，通过标定出的基准坐标系和旋转台坐标系的空间位置关系，对不同视场的数据点云进行缝合，完成测量数据的采集和拼合。该算法精度依赖于机械精度，灵活性差，而且对测量有严格的位置限制，被测物体必须放置在旋转工作台上，因此很大程度的限制了其应用性。 基于粘贴标志点拼接的方法目前得到广为应用，该方法属于有约束的拼接方法。 首先人工在被测物体表面粘贴方便识别的标志点，采集若干标志点在不同视角下 的三维坐标，依据标志点的空间几何不变性，得到不同标志点在不同视角下的匹 配关系，然后运用 SVD 奇异值矩阵分解算法 [4] 或四元组算法 [5] 分解求出转换参 数 R 和 T。另外有延伸的全局标志点识别拼接算法 [6] 。该类方法拼接对标志点依赖过高，在编码圆的识别方面有精度和可靠性限制，而且对于现场测量环境应用不方便，另外不适用于不能进行标志点粘贴的测量情况。 1.2 迭代最近点拼接算法 迭代最近点拼接算法（ ICP）是由 Besl 和 McKay[7] 提出，它是一种以几何结构为主的拼接、配准算法，该算法实现首先找出需拼接点云之间的对应关系，利用反复迭代的方法缩小两组点云的距离，逐步减小误差，找出一组具有距离最小平方 差的几何转换矩阵，使两片点云经过几何转换精确拼接对齐一起 [8] 。该类方法不需要额外的特征就能实现两个物体的拼接，然而 ICP 算法仍然有自身的缺陷： （A ）为了避免陷入局部最小化的错误配准，该算法需要有个好的转换参数的初始估计值；（ B）当要配准的两个曲面数据量较大时，在每次迭代过程中最近点的搜索计算量很大，导致算法实现很耗时；（ C）即使对无噪音的数据，也不能 一定保证获取正确的结果，不能保证收敛到全局（甚至局部）最小值 ,鲁棒性较差。 算法描述 本文提出了一种高效，高质量的拼接算法，算法实现大致需要两步。首先对采样点云进行 N 边形法预拼接，将两片点云位姿大致重合在一起，实现拼接的粗拼，然后对预拼接的模型使用改进的 ICP 融合算法 -ICPP(iterative closest plane and point algorithm)保证全局收敛，减少迭代次数，实现准确的精拼，使两片点云完全重合在一起，最后，将获取的两次拼接转换参数用于整体数据，实现数据高精度的无缝拼接。 2.2 改进 ICP 算法用于精拼 传统的 ICP（iterative closest point）算法 [7] 限制 性强，受初始位姿的限制，不适用于两片距离较远的点云，另外收敛速度慢，效 率不高。因此许多学者提出了改进的 ICP 算法。文献 [10] 提出了一种 ICL(iterative closest line)算法，通过直接对两个点云中的点连线并寻找对应线段进行配准，但 存在无法保证线段之间的对应关系的缺陷；文献 [11] 使用第一个曲面在该点的法 向面做为距离度量函数，由于不同的对应控制点对的强约束限制互相矛盾，因此 算法收敛速度比较慢；文献 [12] 使用点的切平面来逼近点云，目标距离度量函数 简化为点到切平面的最小二乘距离，在这种情况下能通过小角度的近似旋转来实 现转换，当两片点集的初始位置很近，有一些相对低的噪音的时候，基于点到平 面的误差距离度量能达到二次的收敛。但是，如果两片点云初始位置距离较远， 或点云噪声较大时，该算法将会导致 ICP 算法的收敛错误；文献 [13] 提出点到另 外曲面的一个局部三角面片垂足之间的距离作为距离度量函数；文献 [14] 提出混合局部曲率和点之间距离加权的两种距离度量方法，获得一个二阶近似的平方距 离函数，该距离是点 pi 到由曲面 Q 表示的