[发明专利]一种改进的ICP点云自动配准方法

摘要

本发明提供一种改进的ICP点云自动配准方法，该方法为：获取三维物体的具有重叠部分的两组三维点云数据；基于边界特征点云对两组点云数据进行自动粗配准；采用改进的ICP算法对初始配准的点云数据进行精配准；采用CPC三约束法剔除精配准的配准点集中的误配准点对，得到剔除误差的精配准的配准点对；根据求得的剔除误差的精配准的配准点对求解转换矩阵，对两组点云进行精配准，得到配准结果，本发明利用点到最近三点组成的面的垂足作为最近点，对算法进行了分类约束改进，剔除了点落在面外造成虚假配准的情况，提高了配准精度，提出了CPC中存在的几何约束对配准点集进行错误点对剔除，增强了自动配准技术的鲁棒性和抗噪声能力。

主权项

1.一种改进的ICP点云自动配准方法，其特征在于，包括以下步骤：步骤1：获取三维物体的具有重叠部分的两组三维点云数据；步骤2：基于边界特征点云对两组点云数据进行自动粗配准；步骤2.1：分别创建两组点云的最小包围盒，根据点云密度的k倍进行包围盒网格划分，沿三个轴向分别对包围盒进行等间距划分，对点云数据进行空间格网化：即含有数据点的网格为实格，不含有任何数据点的网格为空格；步骤2.2：根据网格周围相邻网格中空格数量确立约束条件，进行边界种子网格提取，并采用生长算法得到两组点云数据的所有边界网格；步骤2.3：利用边界网格提取两组点云数据的边界点云特征点集S＝(s1，s2，...si，...sI)和T＝(t1，t2，...tj，...tJ)；步骤2.4：利用多尺度特征法从两组点云数据的边界点云特征点中确定相应的配准点对，得到配准点集P1＝(p1，p2，...pi，...pn)、Q1＝(q1，q2，...qj，...qm)；步骤2.5：设定配准点距离阈值dth和配准点角度阈值θth，对配准点集P1＝(p1，p2，...pi，...pn)、Q1＝(q1，q2，...qj，...qm)中的配准点进行误差剔除：对于配准点集P1＝(p1，p2，...pi，...pn)、Q1＝(q1，q2，...qj，...qm)中的配准点对{pi，qj}，{pi+1，qj+1}，{pi+2，qj+2}当||pipi+1‑qjqj+1||≤dth、||pi+1pi+2‑qj+1qj+2||≤dth，且||θ1‑θ2||≤θth，则保留配准点对{pi+1，qj+1}，否则，删除配准点对{pi+1，qj+1}，得到粗配准的配准点集P′1＝(p1，p2，...pi′，...pn′)、Q′1＝(q1，q2，...qj′，...qm′)，其中，θ1为pipi+1与pi+1pi+2的夹角，θ2为qiqi+1与qi+1qi+2的夹角；步骤2.6：采用四元数法确定得到粗配准的配准点集中的配准点对的坐标转换系数，以其中一组点云数据作为目标点云，对两组点云进行初始配准；步骤3：采用改进的ICP算法对初始配准的点云数据进行精配准；步骤3.1：针对粗配准的配准点集P′₁＝(p₁，p₂，...p_i′，...p_n′)中任一数据点p_i′，采用kd‑tree算法以最近点原则找到在粗配准的配准点集Q′₁＝(q₁，q₂，...q_j′，...q_m′)中距离数据点p_i′最近的三个数据点步骤3.2：将数据点构成三角形，以数据点p_i′向所构成三角形的平面作垂线，得到垂足q_j′；步骤3.3：若构成的三角形为非钝角三角形，则垂足q_j′位于三角形中，保留配准点对{p_i′，q_j′}，否则，将顶点p_i′与三角形的钝角点组成配准点对；步骤3.4：重复步骤3.1‑步骤3.3，直至得到精配准的配准点集；步骤4：采用CPC三约束法剔除精配准的配准点集中的误配准点对，得到剔除误差的精配准的配准点对；所述CPC三约束法包括：方向约束剔除错误点对、刚性约束剔除错误点对、配准误差剔除错误点对；步骤5：根据求得的剔除误差的精配准的配准点对求解转换矩阵，对两组点云进行精配准，得到配准结果。