[发明专利]一种基于特征信息变化度的三维点云自动配准方法

说明书

本发明公开了一种基于特征信息变化度的三维点云自动配准方法，处理对象为两幅及两幅以上相互间有重叠部分的三维点云数据，处理步骤为：(1)根据点云局部法向量的变化度选取特征点；(2)设计三种特征度量对获得的每个特征点进行特征描述；(3)通过阈值约束比较各特征点的特征描述获得初始匹配点对；(4)运用刚性距离约束条件获取精确匹配点对，并利用四元素法计算得到初始配准参数；(5)采用改进的ICP(iterative closest point)算法对点云精确配准。按照上述步骤可对点云进行自动配准，本发明提出的特征描述简单且辨识度高，同时具有较高的鲁棒性，配准精度和速度都有一定的提高。

技术领域

本发明涉及一种基于特征信息变化度的三维点云自动配准方法，属于三维信息重构的领域。

背景技术

物体表面三维重构一直是机器视觉领域研究的一个重要课题。被测物体表面点云数据可以由光学扫描仪快速获取，但由于光的线性传播特性，被测物体表面的完整数据需要在多个视角下多次测量获得，这样得到的数据便不在同一个坐标系下，所以为了获得物体的完整模型，需要对各个视角得到的数据进行坐标变换，最终合并到统一的坐标系中，这就是点云配准。点云配准技术在机器人导航、逆向工程、物体表面形状检测和虚拟现实等众多领域有着广泛的应用。

根据待配准深度图的输入和输出结果的不同，现有的深度图配准方法可以大致分为两大类：粗配准和精配准。粗配准是指在没有任何先验知识的情况下，找到一组近似的坐标变换关系，将两个视点下的深度图统一到同一个坐标系中。由于配准之前没有深度图之间相对位置关系的任何信息，因此粗配准算法通常围绕如何建立模型相同位置处的两幅深度图之间对应元素的匹配关系展开，众多学者对此提出了不同的方法。这些方法按对应元素不同可以分为点-点对应、线-线对应和面-面对应以及体-体对应；若按匹配方式不同又可以分为基于欧氏距离相等关系和基于描述子相等关系；按匹配搜索范围可分为非特征匹配与特征匹配。然而由于测量模型的多样性和复杂性，粗配准算法往往依赖于一些具体的应用，对粗配准算法进一步研究的方向在于提高粗配准的精度、效率以及鲁棒性和适用性。粗配准的结果通常仅提供了深度图之间精确坐标变换的一个近似值，从而使得两幅深度图的重叠区域具有一定程度的贴合。然而这种近似的位置变换使得深度图重叠区域很难得到精确的贴合，往往会存在一些交错和分层现象，不利于后续深度图数据的融合，因此需要对深度图的位置进行进一步的调整以提高深度图的配准精度，这个过程称为精配准。精配准是在已通过粗配准获得了深度图之间坐标变换的近似值的基础上，通过不断迭代最小化两深度图上对应点之间的距离来实现更加精确的配准变换，其代表算法为经典的ICP算法。

发明内容

针对三维点云自动配准中点的特征描述的辨识度和配准的精度以及鲁棒性问题，本发明提出了一种基于特征信息变化度的自动配准方法。本方法在求解法向量的基础上通过引入正弦绝对值(Sine of Normal,SiN)，对点云数据进行精简，提取出特征点集，使得后续运算量减少，再通过三种几何特征寻求对应点对，运用刚性距离约束与RANSAC算法结合的方法获取有效的精确匹配点对用于计算初始配准参数，最后利用改进ICP算法进行二次拼接。本方法能提高配准的精度和速度，同时具有较高的鲁棒性。

本发明为解决上述技术问题采用以下技术方案：

本发明提供一种基于特征信息变化度的三维点云自动配准方法，，该方法包括以下步骤：

步骤1，基于不同邻域半径的法向量信息，获取待配准的两个点云数据P和Q的特征点集Pt和Qt，其中Q为参考点云；

步骤2，建立Pt和Qt中每个特征点的特征描述；

步骤3，基于步骤2中获取的Pt和Qt的特征描述，在Qt中为Pt中每个点找到最相似的点作为匹配点，得到初始匹配点对集；

步骤4，对步骤3中得到的初始匹配点对集，结合点间距离约束条件，使用一种自适应的RANSAC算法获取精确匹配点对集；