[发明专利]一种基于局部参考点的快速点云配准方法

说明书

本发明属于三维重建技术领域，公开了一种基于局部参考点的快速点云配准方法，对输入的原始点云进行降采样得到其对应的稀疏点云，以稀疏点云中每一个点作为参考点分得到局部夹角特征，以一个视角的局部夹角特征建立kd‑tree，搜索另一视角每一个局部夹角特征的最近邻特征，最近邻特征中欧氏距离误差最小的k1对作为种子匹配对，从其邻域搜索该参考下的其它匹配对，接着使用刚体变换求解出相邻视角变换矩阵从而完成点云的粗配准，使用部分重叠的ICP配准算法对粗配准结果进行优化。本发明利用快速夹角特征建立初始匹配，然后使用匹配的邻域传播，提高了点云配准速度同时还保证了配准的精度。

技术领域

本发明属于三维重建技术领域，尤其涉及一种基于局部参考点的快速点云配准方法。

背景技术

目前，业内常用的现有技术是这样的：视觉是人类感知世界最重要的方式，而视频在与视觉相关的各种应用中就扮演着关键性的角色。基于RGB-D图像的三维重建算法中仍然是根据深度相机的运动信息恢复目标物体的结构，即从运动中恢复结构，该技术与基于图像序列的三维重建算法相同，但是两种重建算法估算相机的运动信息的方式存在很大差异，前者首先根据获得的纹理信息和深度信息计算得到相机运动过程中每个视角的目标的点云信息，然后根据得到的各个视角的点云估算相机的变换矩阵，该技术也称为点云配准，从而恢复目标的完整点云。而后者则是先分析图像特征并提取图像中存在的特征点，接着匹配相邻两帧之间的特征点，然后根据匹配点对估算相机的变换矩阵，得到相机位姿之后将匹配对信息映射到三维空间中，从而得到目标的点云信息。对于以上两种重建方法的最后一步都是对获取的点云进行表面重建得到最后的重建目标。基于RGB-D图像的三维重建算法中的点云配准算法可以根据配准过程中的条件不同分为以下三种，即纯坐标匹配，联合坐标和纹理信息的匹配，分析点云结构特点的匹配。在纯坐标匹配中，仅使用各个视角点云的坐标信息，不需要其他辅助信息即可完成点云的配准。此类配准算法最经典的算法即是迭代最近点算法。该算法假设待配准的两个点云对应的深度相机之间的运动很小，即两个点云之间存在很大重叠率，然后对其中的一个点云根据其坐标建立 Kd-tree，然后在该Kd-tree中搜索另一点云中每个点的最近点，根据得到的最近点关系不断进行迭代逼近真实的相机变换矩阵，从而得到两个点云的配准结果。此类算法要求相邻两个视角对应的相机运动极小，此外待配准的两个点云之间的重叠率要高，否则该算法进行迭代无法得到一个收敛结果，致使最终点云配准失败。联合坐标和纹理信息的匹配算法仅在纯坐标匹配算法中加上了点云中每个点对应的纹理信息，即在构建Kd-tree时由以前的三维扩展到四维，对两个视角的点云配准条件进一步进行加强。但是其仍然要求待配准的两个点云重叠率高同时两个视角对应的相机运动不能过大，否则最后配准也会失败。分析点云结构特点的匹配算法则是根据两个点云之间存在的某些共同特性建立相关的描述信息，然后根据描述信息计算得到两个点云之间的匹配对，接着根据匹配对估算相机的变换矩阵，从而得到最终的配准结果。该算法对点云中的每个点都建立描述耗费大量时间。

综上所述，现有技术存在的问题是：现有的三种点云配准算法运动小、重叠率高；需要对点云中每个点都建立描述，耗时较大。

解决上述技术问题的难度和意义：在保证点云配准精度的同时减小配准的时间复杂度是当前研究的难点。减小点云配准的时间复杂度能使三维重建系统的实时计算成为可能。

发明内容

针对现有技术存在的问题，本发明提供了一种基于局部参考点的快速点云配准方法。