[发明专利]一种基于小波变换与尺度表征的跨尺度点云配准算法

说明书

本发明公开了一种基于小波变换与尺度表征的跨尺度点云配准算法，包括如下步骤：(1)读取由结构光与显微测量设备采集到的两片点云；(2)计算两片点云的分形维数；(3)使用二维离散小波对显微测量设备采集的点云进行多尺度分解；(4)重复步骤(2)和步骤(3)，直至结构光数据的分形维数与分解后的显微数据分形维数近似；(5)对分解后的显微测量数据与结构光测量数据，先通过特征点进行粗配准，然后使用迭代最近点进行精确配准，求解平移矩阵t与旋转矩阵R，使两个点集间的对应点距离最小。本发明可以实现不同测量尺度下的点云快速准确配准。

技术领域

本发明涉及计算机视觉技术领域，尤其是一种基于小波变换与尺度表征的跨尺度点云配准算法。

背景技术

跨尺度三维测量是一种解决目标零件多尺度三维形貌表征的重要方法，尤其是在机械加工、航空航天、刀具制备等领域中有着急切的需求，跨尺度测量数据的配准是其中最为关键的技术之一。不同于单一尺度下三维测量数据，跨尺度数据在信息量、分辨率、细节丰富程度等方面均有差异，由此造成了跨尺度数据配准的困难。

在过去的十几年中，国内外的专家学者对跨尺度数据拼接算法做了大量的研究，以提高配准的精度与准确性，Suresh等针对不同尺度数据利用小波框架多尺度分解方法，将原始数据分解至轮廓、波纹度、粗糙度三个尺度下进行拼接，实现多个尺度下不同分辨率的数据融合。还是专家针对复杂叶盘的多尺度特性，利用宏观条纹投影测量系统、介观内窥镜式投影测量系统以及微观低相干迈克尔逊干涉仪测量系统，从三个不同尺度对其进行全面测量，通过各个测量系统之间标定好的坐标关系，以及基于特征的匹配方法进行跨尺度数据的粗配准，最终使用ICP迭代最近点算法实现精确配准；另有学者通过几何约束和点对点自动调整的方法，实现对不同分辨率的数据的配准。但是以上方法往往建立在测量系统之间有较好的初始定位，或者分辨率相差不大的场合，算法适应性能力较差，对于尺度跨度较大的往往难以实现精确配准。

发明内容

本发明所要解决的技术问题在于，提供一种基于小波变换与尺度表征的跨尺度点云配准算法，可以实现不同测量尺度下的点云快速准确配准。

为解决上述技术问题，本发明提供一种基于小波变换与尺度表征的跨尺度点云配准算法，包括如下步骤：

(1)读取由结构光与显微测量设备采集到的两片点云；

(2)计算两片点云的分形维数；

(3)使用二维离散小波对显微测量设备采集的点云进行多尺度分解；

(4)重复步骤(2)和步骤(3)，直至结构光数据的分形维数与分解后的显微数据分形维数近似；

(5)对分解后的显微测量数据与结构光测量数据，先通过特征点进行粗配准，然后使用迭代最近点进行精确配准，求解平移矩阵t与旋转矩阵R，使两个点集间的对应点距离最小。

优选的，步骤(2)中，计算两片点云的分形维数具体包括如下步骤：

(21)对目标点云数据计算最小包围盒，根据设定的盒子大小δ对包围盒进行等分；

(22)统计整个最小包围盒中非空的盒子数目M；

(23)改变盒子大小δ，重复步骤(21)和(22)，获取足够多组的δ-M值；

(24)计算对应的ln(1/δ)-ln(M)值，并使用最小二乘法拟合双对数图中的直线，该直线的斜率即为所需分形维数D。

优选的，步骤(3)中，使用二维离散小波对显微测量设备采集的点云进行多尺度分解具体包括如下步骤：

(31)选择合适的基函数；

(32)针对步骤(2)中计算的分形维数选择合适的变换级数n；