基于特征相似性的RGBD点云配准

三维点云数据的配准是计算机视觉领域的重要研究课题,也是三维重建的关键步骤。针对RGBD点云数据的配准问题,提出一种基于特征相似性的初始配准方法。首先需要计算待配准的RGBD点云模型的曲率和颜色特征度(CFD),并对CFD进行统计分析,若模型颜色特征足够丰富优先采用颜色相似性策略,反之尝试曲率相似性策略。通过特征点提取精简点云模型,利用确定的对应点选择策略选择候选对应点对。在候选对应点对上采用优化样本一致性算法获得初始配准变换矩阵,实现两片点云的初始配准。针对不同颜色纹理的RGBD点云模型,本文方法可以自适应选择合适的特征点选择策略,实现点云间良好的初始配准。实验结果表明,对于几何特征不明显的RGBD模型,本文方法能够自适应选择颜色相似性策略来较好地完成初始配准。对于不同类型的模型配准结果较好,算法效率更高。

自适应平衡因子的混合特征提取算法

特征提取是3D点云配准中的重要步骤。针对RGBD点云数据独有的颜色信息,提出一种自适应平衡因子的混合特征提取算法。首先,引入几何特征度、颜色特征度和混合特征度的概念,混合特征度由几何特征度、颜色特征度和平衡因子决定。然后提出一种自适应的平衡因子估计方法,针对不同模型的几何特性和颜色特性自适应估算平衡因子,计算混合特征度,并根据混合特征度选择特征点集,最后采用改进的6DICP算法进行配准。实验结果显示,该算法提高了RGBD点云数据的配准精度、减少了算法耗时。