[发明专利]多视点三维点云的全局匹配方法和系统

说明书

本发明涉及一种多视点三维点云的全局匹配方法和系统，包括：获取被测物体多视点的三维结构化点云；通过采样网格，对所述每个视点的三维结构化点云进行重新采样得到重采样单视点深度数据；利用所述重采样单视点深度数据的基准点云和待匹配点云得到所述待匹配点云的最近点对列表和法向量列表，利用所述基准点云、所述最近点对列表和法向量列表得到刚体变换矩阵。上述多视点三维点云的全局匹配方法，通过采样网格划分重采样单视点深度数据，加快了待匹配点云最近点的查找速度，进而提高了全局匹配的速度，即使是多视点的大规模点云，也能实现高效率全局匹配。

技术领域

本发明涉及三维成像与造型技术领域，特别是涉及一种多视点三维点云的全局匹配方法和系统。

背景技术

在基于视觉方法的三维重建中，由于受到传感器视场限制以及被测物体本身的遮挡关系，需要从多个视点对物体进行三维成像才能得到其完整的三维深度信息，多视点匹配是三维重建中不可避免的关键环节。

通常利用机械控制装置，相机标定等技术得到全局匹配的初值，再利用迭代最近点方法(Iterative closest point，ICP)进行精匹配。在ICP算法中，通常利用K_D tree等数据结构在目的点云和源点云之间进行对应点查找，在点云规模较大，三维点个数较多情况下，对应点查找效率影响了整个全局匹配的速度。

发明内容

基于此，有必要提供一种能提高全局匹配速度的高效率的多视点三维点云的全局匹配方法和系统。

一种多视点三维点云的全局匹配方法，包括：

获取被测物体多视点的三维结构化点云；

通过采样网格，对每个视点的所述三维结构化点云进行重新采样得到重采样单视点深度数据；

利用所述重采样单视点深度数据的基准点云和待匹配点云得到所述待匹配点云的最近点对列表和法向量列表，利用所述基准点云、所述最近点对列表和法向量列表得到刚体变换矩阵。

在其中一个实施例中，所述通过采样网格，对每个视点的所述三维结构化点云进行重新采样得到重采样单视点深度数据的步骤包括：

以相机坐标系为基准坐标系，等间隔的分割所述三维结构化点云的xy平面，形成均匀的采样网格，以所述三维结构化点云的xy平面分别在x和y方向上的最大和最小的坐标作为采样范围；

根据所述三维结构化点云得到所述采样网格顶点处的z坐标；

根据采样结果得到所述重采样单视点深度数据。

在其中一个实施例中，所述根据所述三维结构化点云得到所述采样网格顶点处的z坐标的步骤具体为：

根据所述三维结构化点云中四个相邻的有效点，确定所述采样网格的有效采样网格位置；

根据所述有效采样网格位置，利用双线性插值计算所述采样网格顶点处的z坐标。

在其中一个实施例中，利用所述重采样单视点深度数据的基准点云和待匹配点云得到所述待匹配点云的最近点对列表和法向量列表，利用所述基准点云、所述最近点对列表和法向量列表得到刚体变换矩阵的步骤包括：

获取所述重采样单视点深度数据的第一基准点云和第一待匹配点云；

利用初始变换，将所述第一待匹配点云变换到所述第一基准点云的局部坐标系中；

根据所述第一基准点云和所述第一待匹配点云中每个点在所述第一基准点云的采样网格中的位置，利用双线性插值，得到所述第一待匹配点云中每个点在所述第一基准点云的最近点位置，所述最近点位置包括z坐标；

将所述第一基准点云和所述第一待匹配点云的最近点位置都变换到全局坐标系中；