论文部分内容阅读
随着人们对世界的感知不仅仅局限于二维信息,在三维重建、机器视觉等众多领域,物体的三维信息扮演着越来越重要的角色。由于物体的形状、大小以及三维扫描设备视角范围的限制,一次扫描并不能够获得物体完整的三维模型信息。为了得到完整的三维模型,需要对不同视角获取的点云数据进行配准,也就是确定不同视角下点云数据中点与点的对应关系,计算出旋转、平移矩阵并通过矩阵变换将点云数据统一在一个坐标系中,完成点云数据配准。本文在阅读了前人大量的研究文献并进行总结之后,将点云配准方法分为两大方面进行介绍。针对较低重叠率点云配准,分别从基于局部高维特征的配准算法和基于关键点选取的Super 4PCS全局配准方法两个方面着手,进行了研究和改进,并通过实验验证了配准方法的可行性与有效性。论文首先对点云配准技术的研究背景意义、应用前景以及国内外研究近况进行了简要介绍。明确点云配准的概念、讲述了点云的获取方式以及点云配准流程中相关的理论知识,为后续的配准工作做好铺垫。其次,论文在分析了基于法向量提取特征点的算法的优劣性后,设计了一种多尺度加权法向投影均值差的关键点提取算法。在查询点周围模拟不同的尺度空间,计算不同尺度空间内的点与查询点在法向方向上的加权投影均值差,将差值作为关键点选取的依据,这样能有效提取物体表面变化明显的点,为后续处理提供更高质量的关键点集。并使用SHOT特征对关键点集进行描述,查找特征之间的对应关系并计算出刚体变换矩阵用于粗配准,最后使用ICP精确配准。然后,论文在对Super 4PCS配准算法进行了分析和总结后,设计了基于关键点提取的Super 4PCS配准改进算法。首先通过体素网格对原始点云数据进行下采样,使用关键点分布较为分散的ISS关键点选取方法提取关键点,减小一致性四点集搜索范围,降低了算法的时间复杂性并有效地抑制了噪声。对于低重叠率可能出现的配准效果不佳的情况,设计了基于最近一致性四点集的重叠区域提取方法,将重叠区域用于ICP配准,并将得到的刚体变换用于初始点云,完成配准。最后,本文在VC++环境下进行实验,对不同方法不同模型进行了实验,验证了本文算法的准确性与有效性。