【技术实现步骤摘要】
形貌约束的点云数据配准序列确定方法
[0001]本专利技术提供一种形貌约束的点云数据配准序列确定方法,属于产品逆向工程
技术介绍
[0002]在逆向工程领域,三维扫描设备中主流的光栅式投影设备和双目视觉测量设备在扫描过程中受到扫描视角的限制,通常难以一次性获得完整的数据模型,需变换视角多次扫描,然后采用点云配准方法将多个不同视角的扫描数据即多视角点云数据统一到同一坐标系中。
[0003]对现有技术文献检索发现,Chen等在学术期刊《Image and Vision Computing》1992.10(3):145-155发表的论文“Object modeling by registration of multiple range images”中首先将其中一个视角的扫描数据所在的坐标系确定为基准坐标系,然后根据顺序依次添加新的扫描数据进行配准,直到获得完整的数据模型。Bergevin等在学术期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》1996.18(5):540-547发表的论文“Towards a general multi-view registration technique”中将扫描数据先进行两两配准,并迭代此过程直到配准误差被均匀分配到每次配准过程中,避免了配准误差的累积但配准效率大大降低。徐思雨等在学术期刊《自动化学报》2019,45(08):1486-1494发表的论文“逐步求精的多视角点云配准方法 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种形貌约束的点云数据配准序列确定方法,其特征在于依次包含以下步骤:(1)基于平坦形貌对点云数据进行简化;(2)计算点云数据的形貌复杂度;(3)根据点云数据的形貌复杂度确定配准序列。2.如权利要求1所述的形貌约束的点云数据配准序列确定方法,其特征在于:步骤(1)中,基于平坦形貌对点云数据进行简化,具体步骤为:1)设多视角点云数据为{P1,P2,
…
,P
N
},i
←
1;2)采用k均值聚类算法对点云数据P
i
进行分割,获得结果C={C1,C2,
…
,C
k
};3)Q
i
←
φ;4)构造C中的任意子集C
r
的协方差矩阵Cov(C
r
)并进行特征值分解,获得最小特征值λ,在C中剔除C
r
;5)设阈值为ε,若λ≤ε,则Q1←
Q1∪{C
r
},转步骤7),否则转步骤6);6)采用k均值聚类算法对C
r
进行再次分割获得C
′
={C
′1,C
′2,
…
,C
′
k
},C
←
C∪C
′
;7)重复步骤4)到步骤6),直至C为空集,获得递归分割结果Q
i
={Q
i1
,Q
i2
,
…
,Q
in
};8)提取Q
i
中每个子集中距离质心最近的点作为核心点,构造简化点集P
′
i
;9)i
←
i+1;10)重复步骤2)到步骤9),直至i=N,获得多视角点云数据的简化结果{P
′1,P
′2,
…
,P
′
N
}。3.如权利要求1所述的形貌约束的点云数据配准序列确定方法,其特征在于:步骤2)中计算点云数据的形貌复杂度,具体步骤为:1)多视角点云数据为{P1,P2,
…
,P
N
},i
←
1;2)构造点云数据P
技术研发人员:孙殿柱,林伟,李延瑞,沈江华,
申请(专利权)人:山东理工大学,
类型:发明
国别省市:
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。