【技术实现步骤摘要】
一种基于有向包围盒的尺度点云配准方法及装置
本专利技术涉及点云数据处理
,具体涉及一种基于有向包围盒的尺度点云配准方法及装置。
技术介绍
近年来,点云配准作为点云数据处理的关键技术,在计算机视觉、模式识别、目标重建、机器人、医学图像分析等相关领域有着广泛的应用。为了获得完整的源点云和目标点云模型,需要对不同视角下的三维样本数据进行拼接,其中最基本的是两个视角下的点云配准。然而,在扫描测量的过程中,由于扫描顺序、噪声和角度等差异,点云之间的空间变换和对应关系未可知,因此进行精确且快速的点云配准是一个十分困难的问题。目前,点云配准方法的研究多针对待配准的源点云和目标点云之间存在旋转和平移的情况,国内外学者利用基于最近点迭代(IterativeClosestPoint,ICP)的方法进行配准,但基于ICP的方法在迭代过程中容易陷入局部极小值,因此需要提供好的初始值。另一方面,由于扫描设备和物体之间的距离和角度差异,源点云和目标点云之间往往存在一定的尺度放缩,因此实际的配准需要考虑尺度因子,杜少毅等人将尺度因子引入ICP中,但需要估计尺度因子的范围,否则很容易导致配准失败。基于概率的方法也被应用到点云配准中,此类算法的配准精度高但配准速度慢,也容易陷入局部极小值。综上所述,目前缺乏一种能够在尺度放缩情况下,进行高效且精确的源点云和目标点云配准方法。
技术实现思路
本专利技术要解决的技术问题为目前缺乏一种能够在尺度放缩情况下,进行高效且精确的源点云和目标点云配准方法,因此,本专利技术提供一种基
【技术保护点】
1.一种基于有向包围盒的尺度点云配准方法,其特征在于,包括:/n构建尺度点云配准模型,并对所述尺度点云配准模型进行去中心化,获取去中心化的源点云和目标点云;/n根据去中心化的源点云和目标点云表面顶点的空间分布确定点云的有向包围盒方向,分别生成源点云有向包围盒和目标点云有向包围盒;/n基于所述源点云有向包围盒和所述目标点云有向包围盒的顶点和边的对应关系计算尺度因子和旋转矩阵;/n基于余弦相似度最大原则从所述旋转矩阵中选择一个作为最优旋转矩阵,并基于所述最优旋转矩阵和所述尺度因子计算平移向量,完成点云配准。/n
【技术特征摘要】
1.一种基于有向包围盒的尺度点云配准方法,其特征在于,包括:
构建尺度点云配准模型,并对所述尺度点云配准模型进行去中心化,获取去中心化的源点云和目标点云;
根据去中心化的源点云和目标点云表面顶点的空间分布确定点云的有向包围盒方向,分别生成源点云有向包围盒和目标点云有向包围盒;
基于所述源点云有向包围盒和所述目标点云有向包围盒的顶点和边的对应关系计算尺度因子和旋转矩阵;
基于余弦相似度最大原则从所述旋转矩阵中选择一个作为最优旋转矩阵,并基于所述最优旋转矩阵和所述尺度因子计算平移向量,完成点云配准。
2.根据权利要求1所述的一种基于有向包围盒的尺度点云配准方法,其特征在于,所述构建尺度点云配准模型,包括:
记源点云和目标点云分别为,其中,表示点云的数量,为源点云中第个点,为目标点云中第个点,和是一组对应点,则尺度点云配准模型为:
式中:为尺度因子,为三维旋转矩阵;且,为单位矩阵,为空间平移向量。
3.根据权利要求1所述的一种基于有向包围盒的尺度点云配准方法,其特征在于,所述对所述尺度点云配准模型进行去中心化,获取去中心化的源点云和目标点云,包括:
计算所述尺度点云配准模型中源点云的中心和目标点云的中心;
基于源点云的中心和目标点云的中心对所述源点云和所述目标点云进行去中心化处理,得到去中心化的源点云和目标点云。
4.根据权利要求1所述的一种基于有向包围盒的尺度点云配准方法,其特征在于,所述根据去中心化的源点云和目标点云表面顶点的空间分布确定点云的有向包围盒方向,分别生成源点云有向包围盒和目标点云有向包围盒,包括:
对去中心化的源点云和目标点云进行快速凸包,得到源点云凸包点集和目标点云凸包点集;
基于所述源点云凸包点集和目标点云凸包点集,利用主成分分析法确定源点云的有向包围盒方向和目标点云的有向包围盒方向;
基于所述源点云的有向包围盒方向建立新坐标系,并根据源点云在对应新坐标系下的投影确定源点云的有向包围盒顶点,依次连接所有源点云的有向包围盒顶点,得到源点云有向包围盒;
基于所述目标点云的有向包围盒方向建立新坐标系,并根据目标点云在对应新坐标系下的投影确定目标点云的有向包围盒顶点,依次连接所述目标点云的有向包围盒顶点,得到目标点云有向包围盒。
5.根据权利要求1所述的一种基于有向包围盒的尺度点云配准方法,其特征在于,所述基于所述源点云有向包围盒和所述目标点云有向包围盒的顶点和边的对应关系计算尺度因子和旋转矩阵,包括:
分别计算目标点云有向包围盒和源点云有向包围盒的边长,得到目标点云有向包围盒和源点云有向包围盒在不同方向的边长的比值,对所有方向上的比值进行平均值计算,得到尺度因子;
基于所述尺度因子对目标点云的有向包围盒顶点进行尺度变换处理,得到目标点云尺度变换后的有向包围盒顶点;
通过最小二乘法对源点云的有向包围盒顶点和目标点云尺度变换后的有向包围盒顶点进行处理,得到旋转矩阵。...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。