[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

说明书

技术领域

本发明涉及三维测量技术领域，具体涉及一种基于优化迭代收敛的多视角测量点云拼接方法。

背景技术

基于光学的非接触式三维物体形貌测量技术得到了长足的发展，该技术已经广泛应用于产品设计与制造、质量检测与控制、机器人视觉等领域。限于视场的大小以及物体自身的遮挡，需要对被测量物体进行多次测量，因此需要将多次测量的数据统一到一个全局坐标系下。该方法首先重建点云中各点的法矢方向，获取点云片之间的拓扑关系构建生成树，构建环形结构，再利用迭代最近点拼接算法生成参考模型，分配环形结构中各点云片之间的误差，将各个点云“拼接”到参考模型上，调整多视角点云片的位置，完成多视角点云数据的拼接。

ICP(Iterative Closest Point，迭代最近点)算法[1]及其相关改进算法[2]是两相邻视角的点云拼接中得到了广泛应用，选定一片点云固定，另一片相邻点云则向固定的点云移动，每次选取两片点云中相距最近的点作为一对匹配点，获取多对匹配点(至少三对)后，据此计算旋转平移关系，缩小匹配点之间的距离，反复选取迭代，从而使得点云之间的误差缩小，最终将两片拼接到一起。而ICP算法一次只能拼接两片点云，若连续两两拼接点云，则会导致拼接产生的误差累加，并不能得到理想的结果。

点云的拼接方法多种多样，主流的有以下几类：

1、将匹配的点对用虚拟的弹簧连接起来，利用弹簧的“拉力”分配各视角间的误差，将各视角拼接到一起[3]。该方法计算复杂且运算量大，在实际使用中局限性较大。

2、SDF[4](Signed Distance Field，有向距离场)模型计算各视角点云数据与空间中采样点的有向距离，同时匹配多视角数据。但是该方法在采样点不足时并不能得到令人满意的精度，提高采样点数量以提高精度则会大大提高运算量。

3、根据点云间重叠区域的大小设置点云拼接的优先级，进行两两视角的拼接[5]，该方法实施简单，但是并不能解决两两拼接在多视角拼接时造成的误差累积问题，视角较多时误差过大，难以得到令人满意的结果。

[1]Paul J.Besl,Neil D.McKay.A method for registration of 3-D shapes[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1992.14(2):239-256.

[2]Rusinkiewicz,Szymon,and Marc Levoy.Efficient variants of the ICP algorithm.3-D Digital Imaging and Modeling,2001.Proceedings.Third International Conference on.IEEE,2001.

[3]Eggert,David W.,Andrew W.Fitzgibbon,and Robert B.Fisher.Simultaneous registration of multiple range views for use in reverse engineering.Pattern Recognition,1996.,Proceedings of the 13th International Conference on.Vol.1.IEEE,1996.

[4]Masuda,Takeshi.Registration and integration of multiple range images by matching signed distance fields for object shape modeling.Computer Vision and Image Understanding 87.1(2002):51-65.

[5]Pulli,Kari.Multiview registration for large data sets.3-D Digital Imaging and Modeling,1999.Proceedings.Second International Conference on.IEEE,1999.

发明内容

发明目的：为了解决现有技术中采样精度低、局限性大、误差大的问题，本发明提供一种基于优化迭代收敛的多视角测量点云拼接方法，解决了现有技术的不足。

技术方案：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：