[发明专利]基于凸密度极值的点云配准方法

说明书

本发明公开了基于凸密度极值的点云配准方法，该方法利用凸密度极值约束牙颌点云重叠区域的对应估计，再采用迭代最优变化进行牙颌点云配准。本发明相较于现有算法，利用重叠区域凸状特征，利用这个特征提出了凸密度极值来约束对应估计，最后利用迭代最优变换利用重叠区域进行牙颌点云配准。本发明的方法重叠率高，且配准精度有所提升，并大大提升了配准效果和配准效率。

技术领域

本发明涉及计算机视觉技术领域，具体涉及基于凸密度极值的点云配准方法。

背景技术

随着计算机图形图像技术的发展，对牙颌进行三维数字化建模和分析，可使口腔医疗诊断更加直观精确。Hiew等研究得出在三维空间里可实现对牙颌模型多角度和无阻挡地检查咬合关系，还能在对数字模型进行截面观测，直观和准确地完成的诸如对面积、体积的测量，可确保前期的信息更加全面、准确。牙颌咬合分析扩展到三维空间上是口腔正畸牙颌咬合分析的重要趋势，能够更灵活准确地将牙颌分析研究提升到三维立体空间，进而转变为动态分析，以达到更好地分析效果。正畸医生可以更好地观测牙齿和口腔内部构造，从不同角度对咬合关系进行评估，还能根据不同指标进行准确的参数测量。研究在点云空间上的咬合分析具有重要价值和必要性。

然而，在三维空间上直观分析咬合关系的挑战在于不同治疗时期牙颌点云的配准。这是因为治疗前后牙齿和牙龈的变化明显，数据源具备高噪声、低重叠率等特点，现有技术为低重叠点云问题提供了不同的解决方案。

1、基于特征或关键点

大多数方法都基于提取特征或关键点的方法寻找对应关系。这些特征包括几何特征，或更高级别的形状描述符和特殊图案。例如，在Wehr，A等提出了使用了分段和曲线，而Dold，C等提出了使用局部平面，球体和圆柱体作为对应关系的候选。4PCS快速鲁棒匹配算法，从全局配准的角度出发，把配准问题看成一个搜索平行四边形共面四点的问题，具有抗噪和鲁棒性高的特点。

基于3D表面特征的算法涉及提取局部特征，获得两点云中特征之间的匹配，最后使用RANSAC或其他稳健估计器估计相对姿态。这些算法容易受到大部分不正确的特征匹配和重复的场景元素的影响。

然而，上述使用局部形状描述符的方法高度依赖于特征，虽然提高了效率，也扩大了配准应用场景，但是，信息的减少会导致不准确和模糊；并且当局部表面不具备特定特征或者特征不明显，由于不具备正确信息的特征描述子的使用导致匹配错误率高，而且描述子主要利用点的相邻区域或欧几里球域，这些区域对网格细分也很敏感。

2、基于点云统计特性

第一类方法为局部优化技术，然而其仅在具有小的相对变化和大的重叠率的情况下才能发挥作用，而对于重叠率很低的数据，配准数据源之间的相似性不是很明显，点对点的对应关系不一定存在，点云可能只有部分重叠，而底层对象本身通常是非凸的，导致潜在的大量对齐出现局部最小值的陷阱。

第二类方法，依赖于两点云的统计特性。基于正态分布的配准方法，建立数据的统计模型，使用标准优化技术来确定两个点云间的最优的匹配，由于利用点云密度的统计函数而不是点集，精度不高；因为其在配准过程中不利用对应点的特征计算和匹配，所以时间比其他方法快。

3、基于重叠区域定位

基于重叠区域的方法，从数据源特点出发，重点放在提取重叠区域上，去除数据中噪声的影响，找出待配准点云之间最为接近的区域用于对齐。