[发明专利]齿模对准方法及牙齿结构、三维模型对准方法及结构件

说明书

本申请涉及三维齿模对准方法及牙齿结构、三维模型对准方法及结构件；所述三维齿模对准方法包括以下步骤：接收数据化的上颚齿模、下颚齿模及咬合齿模；分别对所述上颚齿模及所述下颚齿模采用主成分分析法进行旋转处理；分别切割所述上颚齿模及所述下颚齿模的三维点云，以仅保留外侧表面；采用迭代最近邻近点算法进行所述上颚齿模、所述下颚齿模及所述咬合齿模的三维点云对齐。上述三维齿模对准方法，通过优化切割方式，一方面有利于缩短点云彼此间距离，另一方面有利于准确定位点云的初始搜寻对应点，从而极大程度地提升了三维点云的对齐成功率；再一方面由于仅保留外侧表面，简化了迭代算法计算对齐的运算量，有利于达到快速而精确的拼合效果。

技术领域

本申请涉及三维模型制造领域，特别是涉及三维齿模对准方法及牙齿结构、三维模型对准方法及结构件。

背景技术

通过测量仪器得到的产品外观表面的点数据集合称为点云(point cloud)，使用相机或是其他方法获取到物体的三维(3-dimension，3D)点云后，由于采集设备不同、拍摄视角不同等客观因素的影响，即使是同一个物体在同一拍摄位置所得到的点云也会有较大的差异，主要是旋转或者平移的变化。对于一组图像数据集中的两幅图像，需要通过寻找一种空间变换把一幅图像映射到另一幅图像，使得两图中对应于空间同一位置的点一一对应起来，从而达到信息融合的目的。所以，就需要对点云进行配准。

迭代最近邻近点(Iterative Closest Points，ICP)是一种三维对齐方法，其通过将两组点云进行配对，透过最小化两组点云的差异，达到对齐的方法。理论上如果知道正确的匹配，两个点云之间的相对转换就可以得到封闭解；即对源点云(source point cloud)中的每个点从参考点云(target point cloud)找寻最接近的点作为匹配；透过最小化匹配点的距离(亦称误差)，得到此次迭代的相对转换；将得到的相对转换作用在源点云上；迭代对源点云中的每个点从参考点云找寻最接近的点作为匹配，直到收敛为止，收敛包括迭代次数完成或是误差足够小。迭代最近邻近点主要用于计算机视觉中深度图像的精确拼合，通过不断迭代最小化源数据与目标数据对应点来实现精确地拼合。

但是对于复杂模型，小模型以牙齿模型或者动画模型为例，大模型以机械模型为例，即使存在多种迭代最近邻近点的变形方法，例如采用四元数方法来求解旋转矩阵，其采用四元数表示旋转关系；或是通过对协方差矩阵进行奇异值分解(Singular ValueDecomposition，SVD)以得到最终的旋转矩阵；但应用于复杂模型的两面拼合或者多面拼合时，例如牙齿模型咬合时，由于点云的重合问题难以配准，即无法实现快速而精确的拼合效果，且通常由于以下原因导致拼合失败：点云彼此间距离差距较大时容易对齐失败，点云的初始搜寻对应点不正确导致对齐失败。

发明内容

基于此，有必要提供一种三维齿模对准方法及牙齿结构、三维模型对准方法及结构件。

一种三维齿模对准方法，其包括以下步骤：

接收数据化的上颚齿模、下颚齿模及咬合齿模；

分别对所述上颚齿模及所述下颚齿模采用主成分分析法进行旋转处理；

分别切割所述上颚齿模及所述下颚齿模的三维点云，以仅保留外侧表面；

采用迭代最近邻近点算法进行所述上颚齿模、所述下颚齿模及所述咬合齿模的三维点云对齐。

上述三维齿模对准方法，通过优化切割方式，一方面有利于缩短点云彼此间距离，另一方面有利于准确定位点云的初始搜寻对应点，从而极大程度地提升了三维点云的对齐成功率；再一方面由于仅保留外侧表面，简化了迭代算法计算对齐的运算量，有利于达到快速而精确的拼合效果。

在其中一个实施例中，分别对所述上颚齿模及所述下颚齿模采用主成分分析法进行旋转处理，以按最大变异排序形成空间直角坐标系的第一坐标轴、第二坐标轴及第三坐标轴，且咬合面朝向第二坐标轴，目标门牙朝向第三坐标轴，并将中心位置移至所述空间直角坐标系的原点。