[发明专利]基于加权双稀疏约束的非刚性表面配准方法

权利要求书

1.一种基于加权双稀疏约束的非刚性表面配准方法，其特征是，找到模板点集中的每 个点在目标点集中的对应点，应用双稀疏性的L1范数对非刚性配准的能量方程进行约束， 从而将具有形变的三维表面数据进行非刚性配准。

2.如权利要求1所述的基于加权双稀疏约束的非刚性表面配准方法，其特征是，找到模 板点集中的每个点在目标点集中的对应点的具体步骤是，

1)找到模板点集中的每个点在目标点集中的对应点，为了保证准确性，利用高维特征 之间的相似性进行排序，只取前面一部分更为可靠的对应点，找到特殊点的对应关系之后， 再根据特殊点的对应关系，用k-d树最近邻搜索的方法来找目标点集所有剩余点的对应点；

2)将非刚性配准问题建模：

E(X；f)＝E_data(X；f)+αE_smooth(X)(1)

设为模板template点集，其中包含N个点，为目标target点集， 其中包含M个点；其中，v_i是模板点集中的第i个点，u_i是目标点集中与之相对的对应点，f： {1...N}→{1...M}表示从模板点集到目标点集的对应索引映射，定义X_i是对于点v_i的一个3 ×4转换矩阵，那么则是一组非刚性变换矩阵，定义包 含N个待解的转换矩阵，给定映射f，目的是找到将模板点集转换到目标点集的转换矩阵X；

E_data(X；f)和E_smooth(X)分别是数据项和平滑项，α是调整这两项的权重系数，其中，数据 项E_data(X；f)衡量了各个点位置的准确性，平滑项E_smooth(X)保证临近的点拥有尽量相似的 变换，在获得了较好的初值情况下，迭代最近点算法可以得到很好的收敛性，将上述方程重 新描述，

其中，W是权重项，对于每一个点，都有其对应的权重w_i；是笛卡尔坐标系下的u_f(i)，u_f(i)是目标点集中与模板点集中第i个点相对应的点；引入矩阵 其中，B的第i行ε为模板点集中边的个数，v为模板点集中顶 点的个数，在接下来的步骤中，定义稀疏矩阵K，K的行数即为ε，K的列数即为v；

3)找到模板点集中的每个点在目标点集中的对应点：

用SHOT方法，找到从模板点集到目标点集的可靠对应点，此时所找到点的w_i设为1，其余 设为0，第一次迭代结束后，除了之前的可靠对应点，再次寻找每个点的距离最近点，如果两 个对应点之间的距离小于某个阈值，则认为是可靠的，此时所找到点w_i设为1，其余设为0。