[发明专利]基于稀疏表示的非刚性表面对齐方法

说明书

本发明属于计算机应用领域、三维测量、配准，为在三维测量中更好的识别正常的数据和野值。为此，本发明采取的技术方案是，基于稀疏表示的非刚性表面对齐方法，利用表面与纹理的特征描述SHOT(Unique signatures of histograms for surface and texture description)为模板点集中的每个点找到在目标点集中的对应点，用tv‑l₁建模对非刚性配准的数据模型进行约束，来将具有形变的三维表面数据进行非刚性的配准；在此过程中，寻找对应点，利用全变差‑1范数tv‑l₁建模与对方程组求最优解。本发明主要应用于三维测量。

技术领域

本发明属于计算机应用领域、三维测量、配准，具体讲，涉及基于稀疏表示的非刚性表面对齐方法。

背景技术

在计算机应用领域，三维曲面配准是一个非常重要的中间步骤，它在表面重建、三维物体识别、机器导航等问题中有着极其重要的应用。许多扫描系统只能提供一部分的表面数据，必须经过配准融合之后才可以获取物体完整的数字模型。在获取数字模型时，由于自遮挡和传感器范围的限制，需要从多个角度对物体进行扫描。或者，在有了一个完整的模型之后，只需要扫描动态物体的一部分，将部分数据与完整的模型进行配准，便可以得到一个新的完整的模型。近日，一些三维扫描设备使得大家对鲁棒的刚性配准算法更加感兴趣，一些采集设备使用退化的数据来降低成本，这就需要可以处理大量噪声和离群值的配准算法。

目前为止，多数的曲面配准算法都主要针对刚性配准，也就是说从源点到目标点的运动时刚性的。针对刚性配准，研究者提出了很多解决方案，如点标记法、自旋图像、主曲率方法、遗传算法、随机采样一致性算法等等，这些算法各有特色，在许多特定的情况下能够解决配准的问题。但是应用最广泛的，影响最大的还是由Besl等在1992年提出的ICP(Iterative Closest Point，迭代最近点)算法，它是基于纯粹几何模型的三维物体对准算法，由于它的强大功能以及高的精确度，简单易解的优点，很快就成为了曲面配准中的主流算法。随着迭代最近点算法的广泛应用，许多研究者对迭代最近点算法做了详细的研究，分析了该算法的缺陷和特点，提出了许多有价值的改进，推动了这一重要算法的发展。

由于近期刚性配准取得的进展，加上快速发展的扫描设备逐渐可以捕捉随时间变化的三维曲面，非刚性配准逐渐受到了关注。与刚性配准相比，非刚性配准仍然处于起步阶段。与刚性配准技术相似，传统的非刚性配准技术同样是使用迭代最近点与最小二乘法的传统ICP方法。这种方法简单易懂，复杂度相对较低。所以有很多有用的技术已经被提出，改变了数字几何处理的现状，慢慢着眼于动态场景和动态动作。梯度下降法，高斯牛顿算法是曲面配准中最常用的优化技术。近年来，非刚性匹配的应用已经越来越广泛。但是这种利用传统ICP算法来解决非刚性配准问题时，同样对野值比较敏感，数据丢失的问题也是一个大的挑战。

发明内容

为克服现有技术的不足，在三维测量中更好的的识别正常的数据和野值。为此，本发明采取的技术方案是，基于稀疏表示的非刚性表面对齐方法，利用表面与纹理的特征描述SHOT(Unique signatures of histograms for surface and texture description)为模板点集中的每个点找到在目标点集中的对应点，用tv-l₁建模对非刚性配准的数据模型进行约束，来将具有形变的三维表面数据进行非刚性的配准；在此过程中，寻找对应点，利用全变差-1范数tv-l₁建模与对方程组求最优解。

为模板点集中的每个点找到在目标点集中的对应点具体步骤是，将高维特征之间的相似性进行排序，只取前面一部分更为可靠的对应点，找到特殊点的对应关系之后，再根据特殊点的对应关系，用k-d树最近邻搜索的方法来找目标点集所有剩余点的对应点。

将非刚性配准问题利用tv-l₁建模具体步骤是：