[发明专利]一种基于优化迭代收敛的多视角测量点云拼接方法

权利要求书

1.一种基于优化迭代收敛的多视角测量点云拼接方法，其特征在于，该方法包括以下步骤：

1)重建恢复点云数据的法矢：通过恢复点云的拓扑信息或利用点的邻域点方法对点的法矢进行恢复；

2)根据点云数据之间的拓扑关系建立由各片点云构成的生成树：根据点云的范围判断点云之间是否具有相邻关系，根据该关系确定待拼接的点云片之间的拓扑关系，建立用于表示点云片拓扑关系的生成树；

3)建立多视角迭代收敛金字塔模型：以两视角的迭代最近点拼接方法为基础，利用ICP进行拼接；将待拼接的两片点云的重叠区域调整至最大，进行拼接；将相邻两片拼接完成的点云融合，再对融合完成的点云再次拼接融合，反复迭代至融合成一片数据，成为最终参考模型；

4)多视角数据的拼接：步骤3)中，相邻两片拼接完成的点云融合时进行数据简化；根据生成的最终参考模型，利用迭代最近点算法，将初始各片点云拼接到最终参考模型上，完成多视角点云拼接。

2.如权利要求1所述一种基于优化迭代收敛的多视角测量点云拼接方法，其特征在于，步骤1)中重建恢复点云数据的法矢具体包括以下步骤：

方法一：利用点的邻域点方法对点的法矢进行恢复：

1.1)获取点的邻域点，根据邻域点进行法矢的估算：获取图像，图像中的像素对应空间坐标，选取一点为基点，选取该点邻域的八个点为参考点，该八个参考点的坐标为：

P_i＝[x_i y_i z_i]^T，(i＝1，2，3...8)       (1)

求取该八个点的协方差矩阵C：

C＝[P′₁ P′₂ … P′₈]·[P’₁ P’₂ … P’₈]^T      (2)

其中，

Pi′=Pi-P‾,---(3)]]>

P‾=Σi=18Pi,(i=1,2,3...8)---(4)]]>

计算矩阵C的特征值和特征向量，最小特征值对应的特征向量即为该点的法矢方向；

方法二：通过恢复点云的拓扑信息对点的法矢进行恢复：

1.2)对点云进行三角网格重建，将点用直线连接起来，构成三角形网格，求得三角形的法矢，获得三角形顶点的法矢，从而得到点的法矢信息。