[发明专利]实物表面采样点集初始配准的优化求解方法

权利要求书

1.一种实物表面采样点集初始配准的优化求解方法，其特征在于依次包含以下步骤：(1)采用移动式测量方式采集被测物体表面点云P、Q以及二维图像集Σ＝{I_i|i＝1,2,…,n}，具体步骤为：首先在第1个测量位置A₁处利用三维扫描仪测量物体，获得点云P以及二维图像I₁，然后移动三维扫描仪，在测量位置A₂,A₃,…,A_n-1处实时拍摄被测物体二维图像，得图像I_i，其中i＝2,3,…,n-1，最后在第n个测量位置A_n处扫描物体，获得点云Q以及二维图像I_n；(2)计算点云从其局部坐标系转换到二维图像所在相机坐标系的变换矩阵R_W、t_W，具体是：1)用经过标定的三维扫描仪测量标定块，得到标定块上标识点的空间坐标以及标定块的二维图像；2)识别标定块的二维图像中标识点的中心坐标；3)将标识点的空间坐标与中心坐标建立一一对应关系，利用最小二乘法求解变换矩阵R_W、t_W；(3)基于采集的二维图像估计所有的相机外参数；(4)基于变换矩阵R_W、t_W和相机外参数对初始位置相差较大且重叠不良的点云进行初始配准。

2.如权利要求1所述的实物表面采样点集初始配准的优化求解方法，其特征在于：步骤(3)中，估计所有的相机外参数，具体步骤为：(1)应用尺度不变特征变换算法检测Σ的特征点；(2)对于I_i中的任一特征点在I_i+1中寻找欧氏距离最小和次小的两个特征点，若最小距离和次小距离之间的比值小于给定阈值α时，则认为最小距离对应的特征点是正确的匹配对，根据这一原则，对Σ中任意相邻两幅图像依次进行特征点匹配，并将特征点匹配结果记为Ψ＝{C⁽ⁱ⁾|i＝1,2,…,(n-1)}，其中，C⁽ⁱ⁾表示图像I_i与I_i+1的特征点匹配对集合；(3)令第一个相机的外参数M₁＝[I0]，其中I为3×3维单位矩阵，0为3×1维零向量，基于对极几何约束利用I₁和I₂的特征点匹配对集合C⁽¹⁾建立方程，计算第二个相机的外参数M₂；(4)根据公式P＝KM初始化第一、二相机的透视投影矩阵P₁、P₂，其中K是3×3维矩阵，表示相机内参数，并基于三角测量原理对C⁽¹⁾中的特征点进行重建，重建得到的空间点记为集合S⁽¹⁾，点集Ω＝{S⁽¹⁾}，相机外参数集合Φ＝{M₁,M₂}，k←2；(5)加入新的图像I_k+1，并从C^(k)中选取能够在点集Ω中找到对应空间坐标的特征点匹配对，记为则另一部分特征点匹配对记为(6)根据与Ω建立空间点与图像点的一一映射关系，使用最小二乘法求解相机外参数M_k+1，Φ←Φ∪M_k+1；(7)计算新加入图像的相机透视投影矩阵P_k+1＝KM_k+1，应用三角测量原理重建中的特征点，将新增的重建点记为S^(k)；(8)Ω←Ω∪S^(k)；(9)光束法平差参数优化，并更新Ω以及Φ；(10)k←k+1；(11)重复执行步骤(5)～(10)，直至所有二维图像处理完成；(12)分解Φ中的相机外参数，得旋转矩阵集合T_R＝{R_Ci|i＝1,2,…,n}，平移矩阵集合T_t＝{t_Ci|i＝1,2,…,n}，其中，R_Ci表示第i个相机的旋转矩阵，t_Ci表示第i个相机的平移矩阵。

3.如权利要求1所述的实物表面采样点集初始配准的优化求解方法，其特征在于：步骤(4)中，初始配准初始位置相差较大且重叠不良的点云，具体步骤为：(1)基于旋转矩阵集合T_R和平移矩阵集合T_t计算相机在位置A₁与A_n的相对变换矩阵ΔR_C和Δt_C；(2)根据公式以及分别计算点云P、Q的初始配准参数R、t；(3)根据p'＝Rp+t对点云P、Q进行R、t变换，将所得结果作为点云的初始配准结果，其中p'为点云P中任一样点的坐标p变换到点云Q所在坐标系下的坐标。