[发明专利]一种基于SIFT和LBP的点云配准的接触网三维重建方法

摘要

本发明为一种基于SIFT和LBP的点云配准的接触网三维重建方法，通过体感外设Kinect for Windows获取待重建接触网零部件所在环境初始三维点云数据，对其进行去噪、简化、分割聚类、融合等预处理操作，得到待重建接触网零部件单视角点云数据；然后采用SIFT算法进行关键点提取，并运用均匀模式LBP特征构建关键点描述向量，依照向量间的距离确定不同点云中关键点间对应关系；接着利用粗配准和ICP精配准法完成点云配准，获得待重建接触网零部件完整三维点云数据；最后利用泊松曲面重建法完成三维重建，得到三维模型。本发明方法针对点云配准是影响三维重建速度的关键步骤这一重要因素，运用均匀模式LBP特征来构建关键点描述向量，从而降低向量维数，加快对应关系匹配速度，加速配准，从而提高三维重建的速度。

主权项

一种基于SIFT和LBP的点云配准的接触网零部件三维重建方法，通过Kinect设备获取待重建接触网零部件三维点云数据，包含如下手段：(一)、接触网零部件三维点云数据获取及预处理利用Kinect for Windows设备并结合OpenNI中的Niviewer.exe获取oni格式视频数据，然后运用点云库PCL将视频数据转换为pcd格式点云数据文件，从而获得待重建接触网零部件所在环境初始三维数据；对获取到的初始三维点云数据进行去噪、简化、分割聚类、融合预处理操作，得到待重建接触网零部件三维点云数据；(二)、对(一)所获取的待重建接触网零部件各视角下三维点云数据运用尺度不变特征转换SIFT(Scale Invariant Feature Transform)算法，提取SIFT关键点；接着，利用均匀模式的图像局部二值模式(LBP：Local Binary Patterns)对关键点进行特征描述，获得各关键点特征描述向量；然后，将向量间距离作为关键点间相似性判定度量，并以此确定不同视角下点云间的对应关系；最后，进行点云粗配准和最近点迭代ICP(Iterative Closest Point)精配准，获取待重建接触网零部件完整三维点云数据；(三)、使用泊松曲面重建法对(二)数据进行曲面重建，对所获模型进行孔洞修复，纹理添加，最终获得待重建接触网零部件的三维模型，完成重建过程；所述(二)和(三)施行的具体步骤包含：(1)SIFT关键点提取A、尺度空间特征点检测，即在高斯差分金字塔中检测局部极值点，以此作为关键点候选对象，所用尺度空间及高斯差分函数如下所示，尺度空间：高斯差分函数：D(x,y,σ)＝L(x,y,kσ)‑L(x,y,σ)G(x,y,σ)为高斯核，I(x,y)为图像强度；σ尺度；k为常量；B、关键点精确定位、尺度确定及不稳定候选关键点的剔除；通过计算拟合曲面的极值来确定关键点的精确位置及尺度，同时剔除对比度低的特征点和不稳定的边缘响应点，以提高匹配的稳定性及抗噪性；C、关键点主方向的确定；尺度空间中每个像素的梯度模和方向分别为：m(x,y)=(L(x+1,y)-L(x-1,y)2)+(L(x,y+1)-L(x,y-1))2]]>θ(x,y)＝tan‑1((L(x,y+1)‑L(x,y‑1))/(L(x+1,y)‑L(x‑1,y)))创建梯度方向直方图，选择直方图的主峰值为关键点主方向；(2)关键点周围区域的旋转不变均匀模式LBP特征描述A、在SIFT关键点pi(x,y,z,σ,α,β,γ)的K近邻区域中，分别以每个点pj为中心，求得以其为中心的旋转不变均匀模式LBP特征记为lbpj(j＝1,2,...,K)；gi、gc分别是邻域内采样点的灰度值和中间像素点的灰度值；P为采样点数；R为采样半径；B、添加加权值，ωj＝exp(‑(d2/(2σ02)))/(2πσ02)；d为点pj和关键点pi间的距离；σ0为选定的常数；C、特征向量构建，Ti＝[ω1·lbp1 ω2·lbp2 … ωK·lbpK]；D、归一化处理消除光照影响，即(3)SIFT关键点匹配，确定对应关系；判定度量为向量间的距离，表示如下：||TA-TB||1=Σi=1n|ai-bi|]]>TA，TB分别是关键点A和B的LBP特征描述向量；ai、bi分别是A和B的LBP特征描述向量的各维元素；匹配策略为：取点云1中关键点A，在点云2中找出与其特征描述向量距离最近的两个关键点B和C，若最近距离与次近距离的比值小于一定阈值t，则认为与关键点A距离最近的关键点B与其相匹配，即||TA-TB||1||TA-TC||1<t]]>(4)点云配准两点云对应关系确定后，对点云进行配准，可划分为粗配准和精配准两个过程；粗配准采用主成分分析法PCA(Principal Components Analysis)，精配准采用ICP精配准法；经一系列点云配准获得完整的待重建接触网零部件三维点云数据；(5)采用泊松曲面重建法，对所获完整点云数据进行曲面重建，获得待重建接触网零部件三维模型；根据这一点云配准方法进行三维重建过程中点云的配准，加速点云配准速度，从而加快重建过程，获得待重建接触网零部件三维模型；以上其他各符号和变量的定义为：(x，y)为空间像素坐标；表示卷积运算；σ是尺度；σ大小决定图像的平滑程度，大尺度对应图像的概貌特征，小尺度对应图像的细节特征；大的σ值对应粗糙尺度即低分辨率，反之，对应精细尺度即高分辨率；σ(s)＝2o‑1σ0·2s/S，o为金字塔组数，o＝[log2(min(m,n))]‑3，m、n为二维图像高和宽，s为每组中层坐标，σ0为初始尺度，S为每组层数，S一般为3～5；k为相邻两个尺度空间倍数的常数，k＝21/S；α,β,γ为三维图像关键点各坐标面投影主方向。