逐步求精的多视角点云配准方法

针对多视角点云配准问题,本文设计了一个合理的目标函数,便于将多视角配准问题分解成多个双视角配准问题,并考虑了两个要素:1)各帧点云均具有其他所有点云所未覆盖的区域;2)基准帧点云的重要程度高于其他点云.为了求解该目标函数,本文提出了逐步求精的解决策略:根据给定的配准初值构造初始模型,依次取出基准帧以外的每帧点云,利用所提出的双视角配准算法计算该帧点云的配准参数,并修正模型,以便进一步计算后续点云的配准参数.遍历完全部点云构成一次完整的循环,多次循环后可获得精确的多视角配准结果.公开数据集上的实验结果表明,本文所提出的方法能够精确、可靠地实现多视角点云配准.

无序多视角点云的自主配准方法

为了提高自主多视角点云配准方法的效率和精度,提出一种基于特征匹配的无序多视角点云全局配准方法,通过计算和匹配点云的特征描述子快速实现双视角点云配准;设计了有效的判定准则用于判别双视角配准的结果是否可靠;利用所提出的模型扩展方法对可靠的双视角配准结果进行点云模型的扩展。通过交替地执行双视角配准、配准结果判别和模型扩展,该方法可实现无序多视角点云的全局配准。在斯坦福图形学实验室公开数据集上的实验结果表明,与效果较优的同类方法相比,该方法可使得配准效率平均提高近5倍,且配准误差显著下降,同时可提高多视角点云配准的性能。

基于点到面度量的多视角点云配准方法

针对现有的大多数基于点到点度量的多视角点云配准方法在配准过程中,由于物体表面离散化而无法获得点到点的精确重叠,从而导致的收敛速度慢、配准精度低的问题,提出一种基于点到面度量的多视角点云配准方法。为获得多视角点云匹配结果,采用逐步求精的策略将多视角配准问题分解成多个点到面双视角配准子问题进行求解。在双视角配准过程中:使用数据点与对应点处切平面的距离误差代替点对距离误差,给出新的目标函数;提出高效法向量转换策略,以减少多视角配准的每次迭代中平面法向量的求解次数。在目标函数的求解过程中,用线性最小二乘法逼近非线性优化问题,从而实现点到平面误差的最小化。将所提方法在斯坦福数据集上进行了测试,实验结果表明:与当下较为流行的多视角配准方法相比,所提方法在不同数据集上的旋转误差均降低了38.9%以上,平移误差均降低了16.6%以上,能够快速实现精确、可靠的多视角点云配准。

基于多薄板样条的多视角非刚性配准算法

为解决多视角配准中带有低频非刚性形变的深度数据容易产生累积误差、重叠区域未对齐等问题,提出一种基于多薄板样条的多视角非刚性配准算法.首先通过局部迭代最近点刚性配准算法得到重叠视角深度数据之间的对应点;然后基于多薄板样条的全局优化能量公式为每个视角求解一个薄板样条变换,使所有对应点之间距离的平方和最小;最后将优化后的薄板样条变换应用于每个视角的深度数据.通过在优化模型中引入初始点位置约束,该算法能使配准后的数据尽可能保持初始形状.为了加快求解速度,迭代地求解每个薄板样条变换,并且在优化过程中增量式地引入径向基函数.实验室结果表明,文中算法有较高的精度和效率,能够有效地减少累积误差并且提升重叠区域的对齐效果.

模式识别在多视角下数据拼接中的应用

针对传统三点定位法在数据配准中使用的局限性,提出了将模式识别中的相似性理论应用在多视角下数据拼接中的新方法.首先,在数据重叠区域内用梯度法搜索曲率极值点,然后在已经获得的曲率极值点中,根据模式识别中的灰度相似性原则确定特征点,最后根据对应的特征点进行配准.将该算法应用在水轮机叶片毛坯的测量数据配准中,结果表明,它可实现空间曲面的多视角测量及后序多片数据的拼接,具有速度快、精度高、可操作性强等特点,而且算法不受零件材质和形状的限制,通用性较强.

飞行时间3维相机的多视角散乱点云优化配准

针对目前基于飞行时间(TOF)原理的3维相机实现物体完整表面的3维点云重建过程中,多视角散乱点云配准精度低的问题,提出一种优化配准方法。该方法通过构建一个目标功能函数,并结合相邻点云的转换矩阵对该目标函数进行最小化求解,直接获取任意位置的点云到基准点云所处坐标系的绝对转换矩阵,避免了对连续点云之间的配准而引起误差的累加。对不同的物体进行实验,实验结果表明,该方法在保证点云配准速度的同时,提高了多视角点云配准的精度,物体点云模型重建效果较好,有利于实现后期3维曲面网格的重建。