CN116091727A - 一种基于多尺度特征描述的复杂曲面点云配准方法、电子设备及存储介质 - Google Patents
一种基于多尺度特征描述的复杂曲面点云配准方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116091727A CN116091727A CN202211349965.2A CN202211349965A CN116091727A CN 116091727 A CN116091727 A CN 116091727A CN 202211349965 A CN202211349965 A CN 202211349965A CN 116091727 A CN116091727 A CN 116091727A
- Authority
- CN
- China
- Prior art keywords
- point
- point cloud
- feature description
- scale
- registration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computing Systems (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Algebra (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种基于多尺度特征描述的复杂曲面点云配准方法、电子设备及存储介质,包括:步骤1,点云数据预处理,包括获取点云数据和点云体素精简;步骤2,初始配准,包括关键点提取、关键点特征描述、对应关系筛选和求解变换矩阵,利用刚体变换矩阵将物体点云数据旋转平移至理论点云数据同一坐标系上,完成点云数据的初始配准;步骤3,将初始配准点云数据作为初值,利用法向量权重引入的改进ICP算法,计算刚体变换矩阵,直到迭代次数或目标函数满足要求,完成点云配准。本发明能够有效解决一般配准算法对复杂曲面点云配准效果不理想的问题,同时缩短运算时间并提高配准精度。
Description
技术领域
本发明涉及三维点云数据配准,具体涉及一种基于多尺度特征描述的点云配准方法。
背景技术
在三维扫描成像技术中,通过三维扫描仪设备获取到的数据信息一般由大量的离散点来表示,这些包含三维坐标、RGB颜色值、物体反射面强度等信息量离散点的集合就被称为点云。三维点云配准是将从不同视角下采集到的实物的部分三维点云进行拼接,得到一个统一坐标系下的、完整实物的三维点云。将每一部分的三维点云看作是一个刚体,则三维点云配准问题可归结为三维刚体的坐标变换问题。点云配准作为点云数据处理的关键步骤,其配准结果直接影响后续出数据处理的精度。目前大部分配准算法都是假设配准参数初始值已知且较好的前提下,算法才收敛。而当初始值不当时,算法不能得到正确的结果,点云粗配准是点云配准的关键。近年来,三维激光扫描设备备受关注,其硬件和软件技术不断发展,扫描精度取得突破性进展。该技术的研究和应用领域主要集中在逆向过程、数字城市、无人驾驶、变形检测、地形测绘等,而点云配准算法是其中的关键步骤,配准结果好坏直接影响原始目标物体是否正确表达呈现,进而影响三维模型建立的精度。
发明内容
本发明针对一般配准算法对复杂曲面点云配准效果不理想的问题,提供一种基于多尺度特征描述的复杂曲面点云配准方法、电子设备及存储介质,其能够实现高精度的点云数据配准,有效解决因初始位置和噪点导致的点云配准失败的问题。
本发明的技术方案如下:
根据本申请的一个方面,提供一种基于多尺度特征描述的复杂曲面点云配准方法,其包括如下步骤:
步骤1,点云数据预处理,包括:
步骤1.1,获取点云数据:获取零部件的实物即原始点云数据O和理论模型三维点云数据T;
步骤1.2,点云体素精简:使用改进体素降采样算法,对获取的点云数据进行精简。
具体是,设置体素边长L,对获取的点云数据划分到边长为L的M个网格中,得到点云数据的所体素。计算体素质心,将体素内距离体素质心最近的点作为下采样点,实现点云精简,得到精简后的点云O′和T′;
步骤2,初始配准,包括:
步骤2.2,关键点特征描述:对关键点集进行多尺度特征描述,并计算关键点特征描述协方差矩阵。
具体是,改变搜索半径t对关键点进行邻域半径搜索,从而获得关键点在不同尺度下的邻域点集。
计算多个尺度下的特征描述D={Cr1…Crs};
特征描述子为:
计算关键点集的特征描述协方差矩阵Dc=(Mr1…Mrs);
步骤2.3,对应关系筛选:计算多尺度特征描述相似度双向查找初始对应关系,然后使用多尺度转化差异筛选对应关系。
具体是,计算原始点云与理论点云关键点特征描述协方差矩阵相似度Sim,利用双向选择的方式,选择相似度最小的两点作为初始对应关系,相似度计算公式为:
利用对应点多尺度邻域坐标系的转换差异向量,实现错误对应关系的剔除。
步骤2.4,求解变换矩阵:根据对应关系计算刚体变换矩阵,对降采样点云进行矩阵变换,实现初始配准。
具体是,采用奇异值分解求解有效点对的刚体变换矩阵,并对点云O′进行矩阵变换,得到点云O′′,实现点云初始配准。
步骤3,精确配准:使用法向量权重引入的改进ICP算法实现点云精确配准。
在本步骤中,对于ICP配准算法引入对应关系权重分配,具体是
对于点云O′′的点采用最近邻搜索算法查找对应点对,利用法向量为对应点对添加权重,权重计算公式为:
根据本申请的另一方面,提出一种电子设备,包括:处理器;以及存储程序的存储器,其中,所述程序包括指令,所述指令在由所述处理器执行时使所述处理器执行上面所述的基于多尺度特征描述的复杂曲面点云配准方法。
根据本申请的另一方面,提出一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据上面所述的基于多尺度特征描述的复杂曲面点云配准方法。
本发明与现有技术相比具有如下有益效果:
1、本发明特征描述结合了主成分和局部几何特征,采用了整体特征与局部特征融合的特征描述子,直接计算特征描述子,并通过多尺度特征描述子的归一化特征矩阵相似度查找对应关系,本方法能够充分描述点云整体和局部几何特征,同时提高运算效率和对应点查找准确度。
2、本发明使用重心邻近点改进的体素采样算法实现点云降采样,能够在降采样的过程中保存原点云的原有结构特征,并提高运算效率。
3、本发明使用不同的搜索半径获取多尺度范围点云,通过多尺度特征描述的特征矩阵相似度进行点云初始匹配,可以有效避免复杂曲面点云因局部几何特征高度相似而造成的误匹配。
4、本发明采用了多尺度的误配准剔除方式,为初始对应点建立不同尺度半径的局部坐标系,通过两个局部坐标系的刚体变换矩阵得到变换差异向量,通过标准差阈值对变换差异向量进行筛选实现错误对应关系的剔除,能够提高对噪声的鲁棒性和初始配准精度。
5、本发明在精配准中引入基与法向量的权重分配,能够较少陷入局部最优的情况,提高精配准的精度。
附图说明
图1为根据本申请示例性实施例的基于多尺度特征描述的点云配准方法流程示意图。
具体实施方式
下面将参照附图更详细地描述本申请的实施例。虽然附图中显示了本申请的某些实施例,然而应当理解的是,本申请可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本申请。应当理解的是,本申请的附图及实施例仅用于示例性作用,并非用于限制本申请的保护范围。
应当理解,本申请的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本申请的范围在此方面不受限制。
航空发动机叶片等复杂曲面零部件,几何特征高度相似,一般点云配准算法配准效果不理想。
图1所示为根据本申请示例性实施例的基于多尺度特征描述的点云配准方法,先采集零部件实物点云数据,获取理论点云数据;然后利用改进体素下采样算法对获取点云进行精简;利用ISS算法对得到的点云进行关键点提取,得到空间几何特征明显的点集;然后利用空间点对特征对得到的关键点集进行多尺度特征描述,获取特征描述矩阵;接着计算特征矩阵相似度进行特征匹配查找点对关系,通过多尺度平均转换差异筛选点对关系,利用匹配得到的点对关系计算刚体变换矩阵;然后利用刚体变换矩阵将物体点云数据旋转平移至理论点云数据同一坐标系上,完成点云数据的初始配准;最后,将初始配准点云数据作为初值,利用法向量权重引入的改进ICP算法,计算刚体变换矩阵,直到迭代次数或目标函数满足要求,完成点云配准。
根据本申请示例性实施例,以下对各步骤做详细说明:
步骤1,点云数据预处理。
步骤1.1,获取点云数据:
使用单目结构光获取待测实物三维点云数据O。使用NX10三维造型软件,从待测实物理论三维模型导出理论三维点云T。
步骤1.2,对获取的点云进行体素精简。
设置体素边长L,对获取的点云数据划分到边长为L的M个网格中,得到点云数据的所体素。计算体素质心,将体素内距离体素质心最近的点作为下采样点,实现点云精简,得到精简后的点云O′和T′。
步骤2。初始配准:
步骤2.2,关键点集进行特征描述:
改变搜索半径r对关键点进行邻域半径搜索,从而获得关键点在不同尺度下的邻域点集。
计算不同尺度下的特征描述D={Cr1…Crs}。
特征描述子为:
计算关键点集的特征描述协方差矩阵Dc=(Mr1…Mrs);
步骤2.3,计算原始点云与理论点云关键点特征描述协方差矩阵相似度Sim,利用双向选择的方式,选择相似度最小的两点作为初始对应关系,相似度计算公式为:
利用标准差阈值对向量RTk进行筛选,得到有效点对,实现错误对应关系的剔除。
步骤2.4,采用奇异值分解求解有效点对的刚体变换矩阵,并对点云O′进行矩阵变换,得到点云O′′,实现点云初始配准。
步骤3,精对初始配准结果进行精配准:
对于ICP配准算法中的点对关系引入法向量权重。
对于点云O′′的点采用最近邻搜索算法查找对应点对,利用法向量为对应点对添加权重,权重计算公式为:
利用法向量权重引入的改进ICP算法对点云O′′和T′进行迭代运算,得到最终变换矩阵。
使用最终变换矩阵,对原始点云数据O进行矩阵变换实现点云精配准。
本申请示例性实施例还提供一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器。所述存储器存储有能够被所述至少一个处理器执行的计算机程序,所述计算机程序在被所述至少一个处理器执行时用于使所述电子设备执行根据本申请实施例的方法。
本申请示例性实施例还提供一种存储有计算机程序的非瞬时计算机可读存储介质,其中,所述计算机程序在被计算机的处理器执行时用于使所述计算机执行根据本申请实施例的方法。
本申请中,电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
如本申请使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
Claims (9)
1.一种基于多尺度特征描述的复杂曲面点云配准方法,其特征在于,包括如下步骤:
步骤1,点云数据预处理,包括:
步骤1.1,获取点云数据:获取零部件的实物点云数据O和理论模型三维点云数据T;
步骤1.2,点云体素精简:使用改进体素降采样算法,对获取的点云数据进行精简;
步骤2,初始配准,包括:
步骤2.1,关键点提取:使用ISS算法提取降采样点云数据的关键点集和
步骤2.2,关键点特征描述:对关键点集进行多尺度特征描述,并计算关键点特征描述协方差矩阵;
步骤2.3,对应关系筛选:计算多尺度特征描述相似度双向查找初始对应关系,然后使用多尺度转化差异筛选对应关系;
步骤2.4,求解变换矩阵:根据对应关系计算刚体变换矩阵,对降采样点云进行矩阵变换,实现初始配准;
步骤3,精确配准:使用法向量权重引入的改进ICP算法实现点云精确配准。
2.根据权利要求1所述的基于多尺度特征描述的复杂曲面点云配准方法,其特征在于:所述步骤1.2点云体素精简具体是:设置体素边长L,对获取的点云数据划分到边长为L的M个网格中,得到点云数据的所体素;计算体素质心,将体素内距离体素质心最近的点作为下采样点,实现点云精简,得到精简后的点云O′和T′。
3.根据权利要求1或2所述的基于多尺度特征描述的复杂曲面点云配准方法,其特征在于:所述步骤2.2中,对关键点集进行多尺度特征描述具体是,改变搜索半径r对关键点进行邻域半径搜索,从而获得关键点在不同尺度下的邻域点集;计算多个尺度下的特征描述D={Cr1…Crs};
单个尺度的特征描述为:p为关键点,r为搜索尺度半径。
4.根据权利要求3所述的基于多尺度特征描述的复杂曲面点云配准方法,其特征在于:所述步骤2.2中的特征描述子为:
式中,为关键点法向量,为关键点与关键点邻近点构成的向量,为关键点的邻近点法向量,为点云质心与关键点构成向量;为点云质心与关键点的邻近点构成的向量,为点云主成分,r为搜索半径,p为关键点。
5.根据权利要求3所述的基于多尺度特征描述的复杂曲面点云配准方法,其特征在于:所述步骤2.3中,多尺度特征描述相似度计算公式如下:
式中和为实物点云和理论点云第s个尺度半径邻域特征描述协方差矩阵,s为尺度数目。
6.根据权利要求3所述的基于多尺度特征描述的复杂曲面点云配准方法,其特征在于:所述步骤2.3使用多尺度转化差异筛选对应关系是利用对应点多尺度领域坐标系的转换差异矩阵,实现错误对应关系的剔除。
7.根据权利要求3所述的基于多尺度特征描述的复杂曲面点云配准方法,其特征在于:所述步骤3中,引入法向量约束为ICP算法中对应点添加权重,权重计算公式为:
式中,和为对应点对的法向量。
8.一种电子设备,包括:处理器;以及存储程序的存储器,其特征在于,其中,所述程序包括指令,所述指令在由所述处理器执行时使所述处理器执行根据权利要求1-7中任一项所述的基于多尺度特征描述的复杂曲面点云配准方法。
9.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,其中,所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的基于多尺度特征描述的复杂曲面点云配准方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211349965.2A CN116091727A (zh) | 2022-10-31 | 2022-10-31 | 一种基于多尺度特征描述的复杂曲面点云配准方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211349965.2A CN116091727A (zh) | 2022-10-31 | 2022-10-31 | 一种基于多尺度特征描述的复杂曲面点云配准方法、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116091727A true CN116091727A (zh) | 2023-05-09 |
Family
ID=86201302
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211349965.2A Pending CN116091727A (zh) | 2022-10-31 | 2022-10-31 | 一种基于多尺度特征描述的复杂曲面点云配准方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116091727A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117541631A (zh) * | 2023-11-07 | 2024-02-09 | 四川大学 | 基于多尺度特征和双向距离的叶片型面数据配准方法 |
CN118196104A (zh) * | 2024-05-17 | 2024-06-14 | 深圳大学 | 钢构件质量智能检测方法及*** |
-
2022
- 2022-10-31 CN CN202211349965.2A patent/CN116091727A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117541631A (zh) * | 2023-11-07 | 2024-02-09 | 四川大学 | 基于多尺度特征和双向距离的叶片型面数据配准方法 |
CN118196104A (zh) * | 2024-05-17 | 2024-06-14 | 深圳大学 | 钢构件质量智能检测方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6216508B2 (ja) | 3dシーンにおける3d物体の認識および姿勢決定のための方法 | |
JP5705147B2 (ja) | 記述子を用いて3dオブジェクトまたはオブジェクトを表す方法 | |
CN111311650B (zh) | 一种点云数据的配准方法、装置及存储介质 | |
CN116091727A (zh) | 一种基于多尺度特征描述的复杂曲面点云配准方法、电子设备及存储介质 | |
WO2017199141A1 (en) | Point cloud matching method | |
CN108022262A (zh) | 一种基于点的邻域重心向量特征的点云配准方法 | |
US7747106B2 (en) | Method and system for filtering, registering, and matching 2.5D normal maps | |
CN114677418B (zh) | 一种基于点云特征点提取的配准方法 | |
CN110069989B (zh) | 人脸图像处理方法及装置、计算机可读存储介质 | |
CN111340862B (zh) | 一种基于多特征融合的点云配准方法、装置及存储介质 | |
CN113628263A (zh) | 一种基于局部曲率及其近邻特征的点云配准方法 | |
CN112651944A (zh) | 基于cad模型的3c部件高精度六维位姿估计方法及*** | |
CN115861397A (zh) | 一种基于改进fpfh-icp的点云配准方法 | |
CN111915517A (zh) | 一种适用于室内光照不利环境下rgb-d相机全局定位方法 | |
CN113160129A (zh) | 组合式精简点云数据的快速配准方法 | |
CN117132630A (zh) | 一种基于二阶空间兼容性度量的点云配准方法 | |
CN111798453A (zh) | 用于无人驾驶辅助定位的点云配准方法及其*** | |
CN111739071A (zh) | 基于初始值的快速迭代配准方法、介质、终端和装置 | |
CN112418250B (zh) | 一种复杂3d点云的优化匹配方法 | |
CN113159103B (zh) | 图像匹配方法、装置、电子设备以及存储介质 | |
CN113706381A (zh) | 一种三维点云数据的拼接方法及装置 | |
CN115147433A (zh) | 点云配准方法 | |
CN115239776B (zh) | 点云的配准方法、装置、设备和介质 | |
CN113256693A (zh) | 基于K-means与正态分布变换的多视角配准方法 | |
Wang et al. | Guiding local feature matching with surface curvature |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |