[发明专利]一种基于空间直线识别与匹配的多视角三维数据拼接方法

说明书

技术领域

本发明涉及一种基于空间直线识别与匹配的多视角三维数据拼接方法，它是空间三维点云数据处理的一种方法，具体涉及一种多视角三维数据的拼接方法，属于三维测量及计算机视觉技术领域。

背景技术

在三维测量中，经常需要获取工件的整体三维形貌模型，由于单个视角测量的限制，需要将多个视角测量结果拼接到一起才能得到整体的形貌数据，因此拼接方法的选择显得比较关键。

为了实现多视角点云的拼接，常用的方法是通过在测量对象表面粘贴标志点，通过对标志点的识别和定位确定不同视角之间的变换矩阵，通过变换矩阵实现多视角三维数据的匹配。此外，也有不需要通过标志点仅仅依靠点云数据实现拼接的方法，不同视角的三维点云数据的拼接通过视角中的重合区域的迭代匹配调整实现，常用的方法是ICP（iterative closet point）算法以及改进算法。

基于模型表面粘贴标志点的方法能够提供较高拼接精度但由于要在表面粘贴标志点，测量过程繁琐且有些模型测量时不能接触，限制了方法的应用。而基于点云数据的拼接方法在执行过程中需要迭代的搜索对应点对和调整相对姿态，需要消耗大量时间，且在运算过程中容易出现收敛到局部极值从而无法实现对准。

对于有明显边界的模型三维数据对准的问题，棱边信息能够基本表达模型的轮廓特征，棱边对应的直线特征能够为三维数据的对准提供较强的约束，且由于直线参数相对大量点云数据在数据量上大大减少，因此基于直线特征的三维点云数据拼接方法会给具有明显边界三维模型的拼接带来极大便利。

发明内容

本发明提出了一种基于空间直线识别与匹配的多视角三维数据拼接方法，适用于具有明显棱边特征的三维点云数据多视角拼接。它通过利用不同视角点云模型的线特征匹配关系进行拼接，同现有的点云数据拼接方法相比，可以大量的减少运算量并能够有效预防收敛错误。

技术方案：为了实现有明显边界的多视角三维点云快速拼接，本发明提出了一种基于空间直线识别与匹配的多视角三维数据拼接方法。，适用于具有明显棱边特征的三维点云数据多视角拼接。它首先根据直线特征提取方法提取三维点云数据中的直线参数，然后根据提取直线的相互之间的位置和角度等的约束关系能够实现不同视角下公共直线的匹配识别，接着在匹配直线的基础上找到不同视角下旋转不变的对应点，最后基于对应点进行全局姿态最优姿态求取从而实现三维数据的拼接。

本发明一种基于空间直线识别与匹配的多视角三维数据拼接方法，该方法具体步骤为：

步骤一：从原始点云数据中提取直线特征参数：首先根据点云数据的曲率大小找到属于线特征的点云，假设点云集合可用P{(x₁,y₁,z₁)…(x_n,y_n,z_n)}表示，为坐标的均值，由均值可构建矩阵则P的协方差矩阵：

X=[P-N]^T·[P-N]

根据特征值以及特征向量的特性可知：

X·α=λ·α，设λ₁,λ₂,λ₃为X的特征值，且大小关系有λ₁<λ₂<λ₃，则曲率的估计值为：根据曲率的大小分布设立阈值threth，则曲率估值大于threth的被认为是线特征点云。

在提取的线特征点云的基础上，对线特征点云包含的直线参数进行求取。对线特征点云的特征值和特征向量分析，α₁,α₂,α₃为λ₁,λ₂,λ₃对应的特征向量，则α₃就是点云的直线方向估计。将所有的点云的直线方向估计进行归一化得到将归一化后的向量在高斯向量球中进行三维映射，得到的高斯向量球中的点云聚类的中心可以认为是直线的方向，通过聚类分析得到各个聚类的中心，也就得到了点云中包含直线特征的所有可能方向。

在获取三维直线的方向之后，再找到三维直线的空间位置就可以实现对三维直线的确定。沿着一条直线的方向投影到平面上，可以获得汇聚于一点的线特征点云聚类，由于可能存在平行的空间三维直线，因此汇聚平面上可能有超过一个的汇聚点。运用聚类分析方法可以得到各个聚类的中心，从而实现直线参数的获取。