[发明专利]一种适用于多视角密集点云数据配准的种子点拾取方法

说明书

本发明公开了一种适用于多视角密集点云数据配准的种子点拾取方法，属于光学三维非接触式测量技术领域，该方法的实现步骤包括1)输入一幅多视角密集点云数据；2)多视角密集点云数据转化为灰度图；3)灰度图高斯金字塔分解；4)灰度图拉普拉斯金字塔分解；5)二维种子点拾取；6)二维种子点回溯；7)三维种子点映射；8)输出种子点。通过所述操作步骤，本发明可一次拾取多种尺度空间上的种子点，从而满足不同的配准需求。此外，本发明拾取的种子点包括特征种子点及非特征种子点，种子点分布更加合理。

技术领域

本发明属于光学三维非接触式测量领域，涉及一种适用于多视角密集点云数据配准的种子点拾取方法，更进一步涉及一种基于塔形分解的多尺度多分辨率种子点拾取方法。

背景技术

三维光学非接触式测量技术已经成为“实体数字化”的一种重要技术。由于物体的自遮挡、扫描范围限制等原因，三维光学非接触式测量系统单次扫描只能得到物体一个视角的点云数据，对于大尺寸、复杂型面物体，要得到其完整的点云模型，需要从不同视角进行扫描，得到多视角密集点云数据，再进行配准，从而获得坐标归一的、完整的点云模型。

多视角密集点云数据配准过程中，最为关键的一步便是种子点的拾取，所拾取的种子点质量直接影响多视角密集点云数据配准的速度及精度。文献“A method forregistration of 3D shapes”(P.J.Besl,N.D.Mckay,IEEE transactions on patternanalysis and machine intelligence,1992,14(2):239-256)将多视角密集点云数据中的全部点数据作为种子点，缺点是配准算法迭代收敛速度慢，易陷入局部最优。

文献“Efficient variants of the ICP algorithm”(S.Rusinkiewicz,M.Levoy,in:Proceedings of International Conference on 3D Digital Imaging andModeling,2001,145-152)提出一种在法向量空间中选择种子点的方法，缺点是不同法向量空间区段中的种子点均通过随机采样法拾取，可重复性差。

文献“Using retinex for point selection in 3D shape registration”(Y.Liu,R.R.Martin,L.D.Dominicis,and B.Li,Pattern Recognition,2014,47(6):2126-2142)提出一种基于Retinex理论的种子点拾取方法，缺点是只能拾取到多视角密集点云数据总数目10％左右的种子点，使用者无法改变或控制种子点数目。

发明内容

为了克服现有方法的不足，本发明提出了一种基于塔形分解的种子点拾取方法。该方法将多视角密集点云数据转化为二维灰度图，并对二维灰度图进行金字塔分解，从而实现在多种尺度上拾取种子点以满足不同的配准需求。

为达到以上目的，本发明采取的技术方案是：

步骤一，输入一幅多视角密集点云数据

输入一幅待配准的多视角密集点云数据，同时包含三维坐标信息及栅格信息；

步骤二，多视角密集点云数据转化为灰度图

对步骤一所输入的一幅多视角密集点云数据进行霍特林变换，并依据多视角密集点云数据所包含的栅格信息，将变换后的多视角密集点云数据转化为一幅二维灰度图；

步骤三，灰度图高斯金字塔分解

对步骤二所转化的二维灰度图进行高斯金字塔分解；

步骤四，灰度图拉普拉斯金字塔分解

在步骤三所分解的二维灰度图的高斯金字塔的基础上，进一步构建二维灰度图的拉普拉斯金字塔；