[发明专利]基于加权双稀疏约束的非刚性表面配准方法

说明书

技术领域

本发明属于计算机应用领域，三维物体完整模型的获取。具体讲，涉及基于加权双 稀疏约束的非刚性表面配准方法。

背景技术

在计算机图形学和计算机视觉领域，非刚性配准是一个应用于动态三维重建的重 要技术。在表面重建、三维物体识别等领域中，此项技术都有着十分重要的应用。近日，如 Kinect等深度传感器的应用愈加广泛，但是其所采集到的点云包含太多噪声，得到的扫描 数据也只能提供三维表面的一部分信息，必须经过配准融合之后才可以获取物体完整的数 字模型。这就使得我们更需要一个对噪声和离群值鲁棒性强、可高效扫描有形变物体的动 态场景的非刚性配准算法。

三维形状配准包含刚性配准和非刚性配准。刚性配准致力于找到全局的刚性变 换，而非刚性配准则需要找到两个形状之间的一系列局部变换。迄今为止，针对于刚性配准 的曲面配准算法得到了长足的发展，算法种类繁多各具特色。其中，由Besl等在1992年提出 的ICP(IterativeClosestPoiht，迭代最近点)算法和它的变体依然是刚性配准的主流算 法。ICP算法基于三维物体的纯粹几何模型，具有功能强大、精确度高、简单易解等优点。许 多研究者也对这一算法进行了详尽的分析和一系列改进。

不同于研究成果较多的刚性配准，非刚性配准指的是从模板点到目标点的运动是 非刚性的，它致力于找到模板形状与目标形状之间合适的形变转换。随着扫描设备对三维 曲面捕捉能力的逐渐提升，非刚性配准也逐步受到了关注。传统的非刚性配准技术同样是 使用迭代最近点与最小二乘法的传统ICP方法。这种方法简单易懂，复杂度相对较低。但是 这种利用传统ICP算法来解决非刚性配准问题时，同样对离群值比较敏感。非刚性配准通常 被定义为一个优化的问题。大多数方法制订了同时具有位置约束和转换约束的能量方程。 其中，位置约束描述了转换后的模板形状和目标形状之间的接近度，转换约束则描述了模 型的适合性。大多数工作在位置约束和转换约束中应用的是经典的L2范数(B.Amberg， S.Romdhani，andT.Vetter.Optimalstepnonrigidicpalgorithmsforsurface registration.InIEEEConferenceonComputerVisionandPatternRecognition (CVPR)，pages1-8，2007.)，然而，L2范数形式下的能量方程更容易被噪声和离群值所影 响。为了解决这个问题，Yang等(J.Yang，K.Li，K.Li，andY.-K.Lai.Sparsenon-rigid registrationof3Dshapes.InComputerGraphicsForum，volume34，pages89-99， 2015.)提出了稀疏非刚性配准(SNR)的方法，对转换约束应用L1范数模型。然而，他们的位 置约束还是基于L2范数的。事实上，对于局部分段的刚性变换，位置误差倾向于集中在局部 小区域中。而这是应用L2范数无法良好约束的。

发明内容

为克服现有技术的不足，实现对位置和变换同时约束，获得更好的配准结果。为 此，本发明采取的技术方案是，基于加权双稀疏约束的非刚性表面配准方法，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。

其中，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)