论文部分内容阅读
随着计算机辅助设计技术的发展，通过实物模型产生数字模型的逆向工程技术获得了越来越广泛的应用。为了得到被测物体的完整数据模型，需要确定一个合适的坐标变换，将从各个视角得到的点集合并到一个统一的坐标系下，形成一片完整的点云数据，然后就可以方便地进行可视化等操作，这个过程就是点云数据的配准。本文对三维数据配准技术进行了深入的研究，提出了基于邻域特征的点云配准方法，该方法的主要创新点如下：首先，提出了在初始配准过程中对目标点集进行加权处理，利用点的高斯曲率和凹凸性特征来选取合适的待匹配点，以此来减少待匹配点的数量，从而降低搜索点对算法的时间复杂度。其次，提出了一种改进的匹配点对选取算法，通过使用基于二分查找和基于k邻域搜索的算法来提高点对选取的速度，然后在欧式距离约束条件的基础上，又增加了角度的约束，以此来排除错误点对，进而提高匹配点对选取的精度。最后，对于点云数据的精确配准，本文首先计算两片点云的重心，通过调整重心距离来改善点云的初始位置，以避免迭代算法陷入局部最优。此外，算法又引入了两个新的邻域特征，以此来准确地排除错误点对，进而达到精确配准的目的。在实验部分，本文对改进的初始配准算法和精确配准算法进行了计算机的实现，其中包括算法的对比实验和多视点云的配准实验。实验结果表明，改进算法的初配准效果良好，二次配准效果更加精确，是一种有效可行的配准算法。