《電子技術應用》
您所在的位置:首頁 > 其他 > 设计应用 > 一种快速的三维点云自动配准方法
一种快速的三维点云自动配准方法
来源:微型机与应用2013年第6期
谢冬香, 刘先勇
(西南科技大学 信息工程学院, 四川 绵阳 621000)
摘要: 采用主成分分析方法(PCA)定义了简单的数学模型和轴向确定方法等来实现配准。大量实验证明,算法能够快速实现任意形状、大小及位置的两片点云配准。
Abstract:
Key words :

摘  要:采用主成分分析方法(PCA)定義了簡單的數學模型和軸向確定方法等來實現配準。大量實驗證明,算法能夠快速實現任意形狀、大小及位置的兩片點云配準。
關鍵詞:點云處理; 配準; 主軸旋轉法; 軸向確定

    在機器視覺眾多應用領域中,如立體匹配、圖像配準和形狀識別等,點云配準操作一直都是一個關鍵步驟。點云配準就是將一片點云(測試點集)的坐標匹配到另一片點云(參考點集)的坐標下,從而達到兩片點云坐標的一致性,其配準精度直接影響后續誤差分析的可靠性。目前,常用的配準方法有遺傳算法、最小二乘匹配方法、三點對齊法以及ICP算法。遺傳算法和最小二乘匹配方法需要多次迭代處理,計算復雜度高并且配準時間長;三點對齊法實現原理簡單,能夠很快地實現初始配準,但必須準確地確定出3對基準點的對應關系[1];ICP算法是一種眾所周知的算法[2],傳統的ICP算法雖簡單,但在實際應用中具有限制性,因為它假設每一個點都可以在對應的點集中找到對應點,當兩模型數據不一樣時,該假設就不成立。
     在配準過程中,涉及旋轉和平移矩陣的求取,EGGERT D W等人對比了奇異值分解法(SVD)、正交矩陣法(OM),單四元素法(UQ)以及雙四元素法(DQ)4種當前流行和最有效算法的魯棒性和精確度[3],運用分離算法測試了4種算法的穩定性。在非退化數據點集的情況下,大多數情況SVD和UQ是相似的,少量情況下是SVD更好一點,OM對于平面數據點集不穩定,而DQ算法則沒有一種情況比其他3種算法好?;谶@些測試結果,本文采用SVD來得到旋轉矩陣。
1 本文算法
    主成分分析方法(PCA)的基本思想是,采用統計方法,對多變量表示數據點集合尋找盡可能少的正交矢量表征數據信息特征。本文采用PCA定義了簡單的數學模型和軸向確定方法等。本文配準算法簡單、穩定可靠、計算速度快且計算復雜度小。

    其中, n代表點集的個數。根據定義2、定義3計算慣量矩陣I,由定義4可以得到參考點集和測試點集的慣量矩陣I1、I2的特征值和特征向量。以I1為例,得到正交特征向量V1、V2和V3,以這3個特征向量建立坐標系有8種情況,首先規定坐標系必須滿足右手規則,便可去掉4種情況。2008年張樹森采用包圍盒到去掉配準方向相反的情況,該方法計算速度非常慢[4]。本文先找到最大特征值對應的正交特征向量V1,然后尋找點集中離質心最遠的點,如果此點與特征向量V1的夾角小于90°,則u1=V1,反之,u1=-V1,同理可以求得u2,u3=u1×u2,大大提高了配準速度。
    得到了參考點集和測試點集的正交特征向量后,旋轉平移變換就轉換為求取兩組正交向量組的變換。由此可以得到待SVD分解的兩點集相關矩陣為[5]:
    
2 測試效果
    以下所有測試實驗均是在CPU為2.52 GHz,內存為3.50 GB的環境下進行的,采用了C++語言和OpenCV 2.3.1基礎庫,并在VS 2008軟件平臺上編譯運行。為了驗證算法的穩定性,測試選用了不同的形狀,圖3所示為3種典型模型的配準效果。其中,模型1為綿陽鐵??萍紥呙璧狞c云,模型2和模型3的點云采用的是Geomagic Qualify 12中的模型。從圖3可以看到,這3種模型都可以實現配準。

    表1為各種模型的兩片配準模型的點云個數和粗配準所需要的時間,可以看出,點云數據在幾十萬的情況下,配準時間全都是ms級。

    實驗結果證明,本文采用的配準方法算法簡單、穩定可靠、計算速度快且計算復雜度小,對實現大量點云快速配準具有使用價值。
參考文獻
[1] 嚴平,孫肖霞.基于CAD模型的渦輪葉片誤差檢測系統[J].北京航空航天大學學報, 2008,34(10):1159-1162.
[2] BESL P J, MCKAY N D. A method for registration of 3-D shapes[J].IEEE Transactions on Pattern Analysis and Machine Intelligence (S0162-8828),1992,2(14):239-256.
[3] EGGERT D W, LORUSSO A, FISHER R B. Estimating  3-D rigid body transformations: a comparison of four major algorithms[J]. Machine Vision and Applications (S0932-8092),1997,9:272-290.
[4] 張樹森,李瑋,程俊廷.基于逆向工程的三維測量點云數據與CAD數模配準算法研究[J].制造技術與機床,2008(3);114-117.
[5] APLPERT M, BRADSHAW J G. The principal axes transformation-a method for image registration[J]. The Journal  of Nuclear Medicine(S0161-5505),1990(31):1717-1722.

此內容為AET網站原創,未經授權禁止轉載。
主站蜘蛛池模板: 久久久久国产精品免费| 欧美国产日韩在线播放| 在线国产精品网| 久久精品国产成人精品| 91精品国产综合久久久久久久久 | 不卡视频一区二区| 无码人妻aⅴ一区二区三区日本| 婷婷亚洲婷婷综合色香五月| 久久久久国产一区二区三区| 精品一区久久久| 国产精品精品国产| 91精品国产高清久久久久久91| 国产精品久久久久久久久久久久 | 久久久神马电影| 五月天亚洲综合情| 中文字幕在线亚洲三区| 欧美在线视频一区二区| 日韩国产欧美亚洲| 精品人妻少妇一区二区| 国产成人欧美在线观看| 国产福利精品在线| 欧美精品久久久久| 国产专区精品视频| 久久国产乱子伦免费精品 | 日韩视频 中文字幕| 国产欧美精品在线| 久久久久久久av| 亚洲a成v人在线观看| 99久久自偷自偷国产精品不卡| 久久躁狠狠躁夜夜爽| 国产精品九九九| 国产在线高清精品| 亚洲综合精品伊人久久| 欧美精品一区在线发布| 国产日韩视频在线观看| 99久久精品免费看国产四区| 久久天天躁狠狠躁夜夜躁| 国产精品美女www| 国产精品一区二区免费看| 国产在线一区二区三区四区| 性高潮久久久久久久久|