[发明专利]基于条纹投影的高精度动态实时360度全方位点云获取方法

权利要求书

1.一种基于条纹投影的高精度动态实时360度全方位点云获取方法，其特征在于步骤如下：

步骤一，搭建基于立体相位展开法SPU的四目条纹投影系统，完成系统标定；

步骤二，利用SPU获取物体绝对相位，实现物体单个视角下的实时高精度三维数据的获取；

步骤三，在粗配准线程中，使用尺度不变特征变换SIFT方法快速获取相邻图像的二维匹配点，通过解决“透视n点”PnP问题实现基于地图定位与重建SLAM技术的粗配准，同时量化每次粗配准时物体的运动量，具体为：

(1)寻找相邻图片的2D匹配点

假设相邻的两个3D帧Fram1和Fram2，它们有各自对应的二维纹理图I¹、I²以及在第一相机(1)的坐标系下的三维数据并假设当前的3D帧为Fram2，上一个3D帧为Fram1，首先通过尺度不变特征变换SIFT方法寻找并匹配两帧纹理图I¹和I²的特征点，然后利用欧式距离排除部分错误的二维匹配点；

(2)优化2D匹配点

利用二维匹配点对应的三维信息来消除错误的匹配点，具体如下：

(a)分别计算Fram1和Fram2中每一个匹配点到其他所有匹配点的距离

使用SIFT搜索到的二维匹配点多对应的3D匹配点集可记录为：

P＝{P₁,P₂,...,P_i,...,P_n}

Q＝{Q₁,Q₂,...,Q_i,...,Q_n}

其中P和Q分别表示Fram1和Fram2中的二维匹配点所对应的三维点集，n是匹配点对的数量，i∈[1,n]；计算每个P_i与点集P中所有点之间的距离：

H_i(P_i)＝{h_i(P_i,P₁),h_i(P_i,P₂),...,h_i(P_i,P_j),...h_i(P_i,P_n)}

式中H_i(P_i)表示P_i与点集P中所有点之间的距离的集合，h_i(P_i,P_j)表示P_i与P_j之间的距离，j∈[1,n]，Q_i的距离集表示为H_i(Q_i)；

(b)计算步骤(1)中获得的两个距离集间的对应元素之差

通过下式获取H_i(P_i)与H_i(Q_i)中相应元素之间的差：

D_i＝{D_i,1,...,D_i,j,...,D_i,n}

＝{h_i(P_i,P₁)-h_i(Q_i,Q₁),...,h_i(P_i,P_j)-h_i(Q_i,Q_j),...,h_i(P_i,P_n)-h_i(Q_i,Q_n)}

式中D_i表示H_i(P_i)与H_i(Q_i)中相应元素之间的差值集合，D_i,j表示h_i(P_i,P_j)与h_i(Q_i,Q_j)的差值；

(c)进一步排除错误2D匹配点

比较D_i中的每个元素D_i,j的绝对值与阈值D_thre的大小，若D_i中的绝对值大于D_thre的元素的个数大于匹配点数量的一半n/2，则认为点对P_i与Q_i不可靠，将其舍去，消除错误的匹配点对；

(3)获取物体旋转、平移矩阵

在识别2D匹配点后，接下来需获取相邻3D帧之间的旋转和平移矩阵；

(a)将旋转、平移矩阵的求解问题转换为PnP问题

将传统的PnP问题改进为：当四目条纹投影系统静止，而物体从位置1运动到位置2，已知物体在位置1时的三维数据以及物体在运动前后第一相机(1)所拍摄的二维图像间的2D匹配点，如何获取物体的变换姿态，以此将物体的旋转、平移矩阵的获取问题转变为PnP问题；

(b)使用EPnP法解决PnP问题，获取旋转和平移矩阵

使用EPnP法来求解PnP问题：调用OpenCV语言库中实现姿态估计算法的solvePnPRansac函数，函数的输入为P＝{P₁,P₂,...,P_i,...,P_n}、Q在I²中所对应的2D点和第一相机(1)的内参矩阵，设置该函数的最小子集的计算模型为SOLVE_EPnP，运行该函数便可获得两相邻3D帧间的旋转和平移矩阵，将Fram1帧的三维数据变换来和Fram2的三维数据进行粗配准；

(4)量化每次粗配准时的运动量，保留运动量在30-50之间的结果

使用每次粗配准时的旋转和平移向量的二规范之和来量化每次粗配准时的物体的运动量，即当运动量小于30时，考虑到运动量过小而造成的数据冗余，舍弃该次粗配准的结果并执行下一个粗配准；当运动量大于50时，考虑到过大的配准误差，将不再进行粗配准，除非用户将物体旋转回到与上一个有效3D帧之间的运动量在30到50之间的位置；

步骤四，在精配准线程中，当粗配准累积运动量达到阈值时，执行基于最近点迭代ICP方法的精配准。