[发明专利]一种基于相机位姿估计的三维点云配准方法

说明书

本发明公开了一种基于相机位姿估计的三维点云配准方法，通过将三维建模过程问题与三维点云自动配准问题进行有机结合，对多视角三维建模过程进行流程优化，从而将三维点云的自动配准问题转化为相邻视角下相机的相对位置姿态估计问题。而且，本发明与传统的点云配准方法相比，充分利用了相机的内参数来简化对应点点集的求取过程，提高了求取速度，同时根据三维建模过程中三维点的可靠性信息来对对应点点集进行筛选，从而有效避免“异常点”对三维点云匹配结果的影响，加快匹配过程的收敛速度并提高匹配精度。

技术领域

本发明涉及逆向工程领域，特别涉及一种基于相机位姿估计的三维点云配准方法。

背景技术

随着中国制造2025以及世界各国“工业4.0”计划的推进，三维建模技术快速发展，迅速渗透到众多制造领域中。自微软Kinect深度传感器、英特尔realsense、苹果公司iphone X的上市，三维建模技术迅速风靡消费电子领域。三维建模技术快速发展，在众多行业与领域中均获得了广泛应用。

通过测量方式获取物体三维信息是三维建模领域最精确的物体空间几何信息获取方法。通常将三维测量所获得的三维点的集合称为点云。受阴影和遮挡影响，绝大多数三维测量仪器都不能只通过一次测量即获取完整的物体形貌信息，一次测量只能采集某一视角下的物体某一部分表面的三维数据。要完成物体整个表面的三维测量，需要将不同视角下对物体的三维测量结构进行数据融合，由于多次采集的三维数据并不在同一坐标系下，为完成多视角三维点云数据融合，需将各个视角得到的三维点云统一到同一个坐标系下，这一过程称为点云配准。多视角三维点云的配准是后续三维点云数据拼接融合的基础，点云配准的速度和精度直接影响三维建模质量，影响着三维点云数据在实际业务流程中的应用效果。

在点云配准领域，最为经典与使用的方法是Besl等提出的最近点迭代法ICP算法(Besl P J，Mckay N D.A method for registration of 3D shapes.IEEE)，利用牛顿迭代或者搜索方法寻找两组点云对应的最近点对，并采用欧氏距离作为目标函数进行迭代，从而得到三维的刚体变换。由于ICP算法具有较高的精确度，很快就成为了多视点云配准中的主流算法，随着ICP算法的广泛应用，研究者们对该算法做了许多详细的研究。目前适用的方法大多为该方法的发展与改进。

Martin Magnusson提出的正态分布变换(The Three-Dimensional NormalDistributions Transform-an Efficient Representation for Registration SurfaceAnalysis and Loop Detection)应用与三维点的统计模型，使用标准的最优化技术来确定两个点云间的最优匹配，因为其在配准过程中不利用各对应点的特征计算和匹配，所以处理时间比最近点迭代方法快。

但上述两类已有方法，均是从三维点云数据本身来考虑点云配准问题，并没有有效地利用单视角三维数据采集过程中的信息，而且，目前还没有关于将三维数据采集与点云融合拼接统一来考虑整个物体的完整表面建模过程的方法相关报道。

发明内容

本发明的目的在于：提供一种新的三维点云配准方法，能够有效地利用单视角三维数据采集过程中的信息，以提高三维点云的点云配准精确度和速度。

为了实现上述发明目的，本发明提供了以下技术方案：

一种基于相机位姿估计的三维点云配准方法，其包括以下步骤：

步骤S01：读取一组新的三维建模图像，而且，能够基于读取的所述三维建模图像完成三维建模；

步骤S02：对所述三维建模图像进行可靠区域提取，得到可靠图；