2D/3D多模态医学图像配准算法研究

2D/3D多模态配准在医学影像导航手术中起着重要作用,主要用于提供术前三维图像和术中二维图像的实时信息,帮助医生精准定位病灶,规划手术路径,从而提高手术的安全性和效率。提出了一种2D/3D多模态医学图像配准算法,首先利用Swin Transformer优秀的特征提取能力,构建了初始姿态估计模型,实现姿态参数的快速预测;接着,为了提升整个配准方法的鲁棒性,引入基于Grangeat关系的粗配准方法;最后设计了基于梯度下降的精配准模块,以提升整个配准过程的精确性,且在该模块将Sobel微分算子与归一化互相关结合,提升了参数优化过程中的灵敏度。实验结果表明,所提配准方法在正位和侧位配准中的误差满足配准要求,配准成功率有显著提升。

基于全局特征地图的由粗到细点云配准算法

针对现有点云配准算法在非重复扫描式激光雷达上存在精度低、鲁棒性差、通用性差等问题,提出一种基于全局特征地图的由粗到细点云配准算法(CTF-ICP),并实现非重复扫描式激光雷达里程计。该算法利用高斯分布表征局部点云分布,构建全局特征地图。配准阶段包含粗配准和精配准。首先,采用正态分布变换在连续点云帧之间实现帧到帧的粗配准;然后,根据粗配准的结果将当前点云映射到全局特征地图,并将对应位置的全局特征协方差矩阵的特征值进行归一化,实现帧到地图的精配准;最后,将该文算法与其他常用的配准算法进行对比实验。实验结果表明:该文算法能够较好地适应非重复扫描式激光雷达,配准精度和速度比常用的配准算法都有明显提升;同时,消融实验证明了由粗到细的点云配准算法以及全局特征地图的有效性。

改进直通滤波SAC-IA粗配准算法

在采用随机采样一致性算法(SAC-IA)进行卫星点云配准计算时,为克服由于降采样、法向量计量、FPFH特征计算过程中部分数值相同导致的误区配问题,提出一种改进直通滤波SAC-IA粗配准算法.首先,采用PCA算法确定点云主成分方向,并对点云坐标进行变换;其次,对卫星点云进行直通滤波处理,滤除卫星主体部分之外的卫星两侧太阳能帆板数据;然后,计算主体部分法线、快速点特征直方图;最后采用SAC-IA方法进行点云配准,并利用计算结果进行点云变换.利用两组不同位姿局部卫星点云实验,并跟3DSC、4PCS、FPFH和NDT传统粗配准方法比较,实验结果表明:采用改进直通滤波方法能够很好改善配准过程中两平面特征误配准,实现对卫星点云的有效粗配准.

基于改进SAC-IA算法的激光点云粗配准

针对传统采样一致性初始配准(SAC-IA)算法存在收敛速度慢与精度不高等问题,提出一种改进SAC-IA算法。该算法利用扫描角限定方法对特征点选取进行几何约束;配准后两站点云特征点的FPFH直方图差值、欧氏距离差值和几何斜率差值同时作为误差修正标准;当变换矩阵满足精配准初始角度和平移要求时才输出该矩阵。通过实验仿真:该算法有效解决样点共线和局部的问题,有效缩短了算法时间,效率提高1倍以上;提供给精配准初始角度精度在10-2量级,平移量精度提高3个数量级。

基于WHI及ICP的点云配准算法

针对两步点云配准中精度差、计算效率低、易受噪声干扰的问题,提出一种基于WHI特征描述符结合改进的ICP点云配准算法。首先,对大数据量的点云通过ISS算法提取特征点集作为配准点云;然后,计算特征点云的WHI特征描述符,利用随机采样一致性算法完成粗配准;最后,基于安德森加速迭代ICP算法对粗配准点云进行精确配准。通过多组点云数据集对所提算法进行验证,实验表明,该算法配准精度高、速度快,在含有噪声数据集的优势更明显。在不同的点云模型下,所提算法的配准效率提高2倍以上,在噪声环境下具有一定的鲁棒性。

针对低质量点云的点云配准算法

在点云数据采集过程中,现场情况会导致点云数据质量下降,出现如点云残缺、点云稀疏、噪声等问题,传统点云配准算法在对低质量点云进行配准时会出现配准失败的问题。针对低质量点云配准的挑战,提出一种粗匹配和精匹配结合的算法,通过PPF方法进行粗匹配,将其计算结果作为ICP精匹配方法的迭代初值,提高算法的速度和精度。最后,分别针对稀疏点云、含噪声点云和残缺点云进行实验验证,证明了本算法的有效性。

基于GPU的并行ICP点云配准算法研究

针对传统串行精配准算法在海量点云数据配准时计算效率低的问题,文章利用图形处理器(graphics processing unit,GPU)的多线程计算能力将传统算法并行化,基于GPU实现并行化的统一计算设备架构迭代最近点(compute unified device architecture iterative closest point,CUDAICP)算法。首先采用粗配准方法对源点云进行旋转平移,得到源点云的初始位置,再将其与目标点云输入CUDAICP算法进行精配准;对房间点云、带有楼梯的房间点云2种场景点云数据进行配准实验。结果表明:在粗配准中,采样一致性初始配准(sample consensus initial alignment,SAC-IA)算法在不同场景下具有较好的效果;在精配准中,CUDAICP算法与传统迭代最近点(iterative closest point,ICP)算法相比,在保证精度的同时,速度提升最高可达8.2倍。

一种改进的跨源点云全局配准算法

为了实现具有不同分辨率和精度等特性的跨源点云高精度高效配准,提出了一种改进主成分分析跨源点云配准算法。点云局部数据模式不同,基于局部特征的全局算法配准效果较差,提出基于整体形状分析解决跨源点云配准问题。采用Householder矩阵性质保持PCA主轴方向为右手坐标系,筛去点云变换中的非刚性变换,完成跨源点云的快速全局配准。使用跨源点云库的chair2、lab2、pillow、dustbin对改进算法及一些全局算法进行对比实验,时间减少94%、96%、91%、96%,均方根误差减少60%、99%、70%、63%。对配准结果进行ICP精配准,误差和时间进行对比,改进算法具有良好的配准效果及鲁棒性。

基于加工余量优化的航空模锻件点云配准算法

为解决航空大型结构件在精密数控加工过程中毛坯加工余量分布不均的问题,提出了基于加工余量优化的模锻件点云配准算法。首先将降噪等预处理之后的毛坯点云数据和CAD设计数模通过四特征点法进行粗配准,然后基于加工面容差约束建立精配准数学模型,采用广义乘子法和奇异值分解法求解模型,同时采用迭代法让毛坯所有匹配点都满足加工面容差约束以及通过数据关联加快配准过程中对应点的搜索速度。点云配准试验结果表明:四特征点粗配准方法与“321”粗配准方法比,标准差和均方根偏差分别减小了5.35%、3.91%;基于加工余量约束优化的精配准方法与经典ICP方法比,标准差和均方根偏差分别减小0.09%、0.15%。因此,提出的点云配准方法在模锻件加工余量优化过程中比传统方法精度更高。

一种快速的三维扫描数据自动配准方法

研究了两幅和多幅深度图像的自动配准问题.在配准两幅深度图像时,结合二维纹理图像配准深度图像,具体过程是:首先,从扫描数据中提取纹理图像,特别地,针对不包含纹理图像的扫描数据提出了一种根据深度图像直接生成纹理图像的方法;然后,基于SIFT(scale-invariant feature transform)特征提取纹理图像中的兴趣像素,并通过预过滤和交叉检验兴趣像素等方法从中找出匹配像素对的候选集;之后,使用RANSAC(random sample consensus)算法,根据三维几何信息的约束找出候选集中正确的匹配像素对和相对应的匹配顶点对,并根据这些匹配顶点对计算出两幅深度图像间的刚体置换矩阵;最后,使用改进的ICP(iterative closest point)算法优化这一结果.在配准多幅深度图像时,提出了一种快速构建模型图的方法,可以避免对任意两幅深度图像作配准,提高了配准速度.该方法已成功应用于多种文物的三维逼真建模.

一种基于图像分类的遥感图像配准方法

遥感图像配准是遥感图像融合中最重要的预处理步骤。寻找适应性强、精度高、计算快的配准算法一直是研究的核心问题。在研究现有配准算法的基础上,提出了一种基于图像分类的特征匹配方法。该方法在基于控制点的多项式粗配准的基础上,利用分类图像相关实现了基于仿射变换模型的精配准。实验结果表明:对于同质和异质遥感图像,此方法的配准精度都达到了子像素级;而计算量与传统的基于灰度相关的方法和基于特征匹配的方法相比则大为减少。

基于TOF三维相机相邻散乱点云配准技术研究

针对基于飞行时间(Time-of-flight,TOF)原理的三维测距相机对物体完整表面进行三维点云建模中点云配准速度慢、精度低的问题,提出一种快速、易实现的散乱点云配准方法,该方法通过提取目标物体距离图像的特征点,采用非迭代的求解过程获取初始变换参数,实现点云初始位置配准。在此基础上,利用TOF相机强度图像的梯度值与基于局部3D空间分解的Knn算法寻找点云之间最邻近点作为匹配点对,根据原始迭代最近点算法的迭代过程对这些匹配点对进行迭代求解,获取点云之间最优的变换参数,同时结合错误匹配点对去除法则提高迭代点云匹配的精度,实现点云的精确位置配准。结合实际空间物体对该方法进行验证,试验结果表明,该点云配准方法与传统的配准方法相比,显著地提高配准速度和配准精度,将直接有助于提高后期物体曲面重建的精度,具有较高的实际应用价值。

结合纹理信息的深度像匹配

利用图像的相关性在不同深度像对应的纹理图中自动选取特征点对;然后根据Hausdorff距离判断对应点对的有效性,并利用这些对应点对获得相应的深度点对,从而计算出2个深度像之间的初始位置变换关系;最后结合一种改进的带纹理的ICP算法实现深度像的精确配准.实验结果证明:该算法不仅适用于自由曲面的深度像匹配,而且适用于规则对称物体的匹配.

基于R-MI-rényi测度的可见光与红外图像配准

针对红外与可见光图像配准的准确性与鲁棒性问题,提出一种基于R-MI-rényi测度的由粗到精红外与可见光图像配准方法。首先通过分析红外与可见光传感器的成像原理,确定红外与可见光传感器在相对位置固定时的配准变换参数;然后采用Hough变换检测模板图像的直线特征,并利用待配准图像对应直线段的长度和斜率确定粗配准参数;根据粗配准参数确定搜索区域与匹配窗口尺寸,利用rényi互信息与Harris角点函数相结合的R-MI-rényi匹配测度在粗配准对应区域内搜索匹配点对;最后使用RANSAC方法完成图像的精确配准并求解图像转换参数矩阵。分别选取标准测试图像集和真实测试图像集对本文方法和现有代表方法进行综合对比,实验结果表明,方法在像素误差、标准差以及时间消耗等方面均优于其他对比方法,说明方法具有较高的配准精度和效率、较好的鲁棒性,综合性能最优。

颅骨点云模型的优化配准

由于颅骨的三维点云数据模型复杂且不同人的颅骨差异较小,对其配准精度要求较高。为了提高颅骨点云模型的配准精度和收敛速度,提出了一种先粗配准再细配准的配准方法。首先,对颅骨点云数据模型进行去噪、简化和归一化等预处理;然后,通过区域划分、区域配准和求解组合系数以及求解刚体变换等步骤实现区域层次上的颅骨粗配准;最后,通过引入动态迭代系数来改进基于旋转角约束的迭代最近点算法,并采用该改进的ICP算法实现颅骨的细配准,从而达到精确配准的目的。实验结果表明:与ICP算法相比,改进的ICP算法的配准精度和收敛速度分别提高了约30%和50%。证明该种先粗配准再细配准的颅骨点云模型配准方法是一种精度高、速度快的有效颅骨配准算法。

利用标志点多视图约束实现结构光扫描高精度粗拼接

在采用标志点拼接的结构光扫描系统中,两两相邻视图拼接存在累积误差,导致拼接精度会随拼接次数下降,为此提出一种利用标志点多视图几何约束的高精度拼接方法.首先利用两两视图拼接的方式在扫描过程中构建标志点多视图网络,并利用光束法平差技术优化多视图网络得到高精度全局控制点;在此过程中保存每个视局部坐标系下三维点云,然后将各局部坐标系下点云和全局控制点进行拼接,得到物体表面完整的三维数据.该方法克服了传统拼接过程中累积误差,提高了多视角三维扫描拼接精度;并通过实验证明了所提出算法的有效性.

基于FPFH特征的三维场景重建

文章在阐述不同视角下在对一对三维点云数据集两两配准的基础之上,针对ICP精确匹配算法须使初始点云收敛否则无法获取准确匹配结果的问题,提出了基于FPFH特征描述子的特征点云粗匹配;调整两片点云的初始位置,为ICP算法提供了良好的初始位置进一步提高点云的匹配精度;并且在此基础上通过大量实验得到点云对应点对之间的最大距离与拟合系数的函数关系,得到粗匹配最优值,进而得到最佳配准效果。实验证明通过粗匹配最高能将匹配拟合系数提高60.3%。

点云数据配准算法的研究

点云配准是点云数据处理的关键,直接影响最后合成结果和模型精度。目前,点云配准方法普遍存在对配准数据初始位姿要求高的缺点。将点云配准分为两个阶段:第一阶段是基于同名点配准,即粗配准,采用人机交互式,配准过程耗时短,节约时间;第二阶段是精配准,在粗配准后,依据最小二乘原理,用间接平差思想,通过最近点迭代算法对点云数据快速配准,并采用目标点集中、目标点坐标与转入目标点集中的点坐标中误差为指标,评价配准精度。进行粗配准的精配准不仅速度快、耗时短,并且可以避免因局部收敛而带来的局部最小问题。试验表明该方法有效可行。

一种新的激光成像数据多视粗拼接算法

针对激光成像数据的多视拼接问题,采用先粗后细的拼接策略,提出了一种新的粗拼接算法。该算法首先估计出待拼接点云数据存在的旋转偏移角,再通过相应的旋转来消除这种偏移,从而实现粗拼接。在此基础上,采用精确拼接ICP算法作最终拼接。实验表明,本文提出的粗拼接算法能够有效地实现不同视点下激光成像数据的粗拼接,该方法简单、高效,且适用于不同分辨率的数据拼接。

基于布谷鸟优化的三维点云配准算法

针对ICP算法在点云配准时存在对初始位置敏感、易陷入局部最优的缺陷,提出一种基于布谷鸟优化算法的点云配准方法。对输入点云的均匀采样,并基于领域半径约束的固有形状特征点(Intrinsic Shape Signature,ISS)提取进一步简化点云。通过布谷鸟算法莱维飞行全局搜索更新策略完成对点云较好的初始配准,得到空间变换矩阵参数。利用k-D树(k-Dimension tree)近邻搜索方法加快对应点的搜索速度,以提高点云ICP精细配准的效率。通过对不同初始位置的点云库模型进行配准实验,结果表明该算法能有效克服ICP算法的缺陷,其全局搜索性能与寻优精度更具优势,抗噪性好,配准精度高,鲁棒性强。