[发明专利]条纹投影测量点云逐点加权配准方法、设备和介质

说明书

本发明公开了条纹投影测量点云逐点加权配准方法、设备和介质，该方法将条纹投影轮廓术三维测量与后续点云配准技术相结合；条纹投影轮廓术中的相位精度可由条纹背景项、条纹对比度等指标表征，且相位精度与三维测量精度正相关，从而条纹背景项、条纹对比度等指标可表征三维点云数据质量；依据条纹背景项、条纹对比度等指标建立拼接加权因子，进行逐点加权的ICP配准，通过逐点加权的约束作用，增大拼接过程中高精度点的权重，提高点云整体配准精度。

技术领域

本发明属于视觉测量技术领域，具体涉及条纹投影测量点云逐点加权配准方法。

背景技术

条纹投影轮廓术是一种需求日益广泛的三维测量方法，具有非接触、信息处理自动化、全场测量、环境适应性好、精度高等优点，是现代制造业全场非接触三维测量的首选手段，能够为机械制造中产品数字化设计、在线加工、几何量检测、动态性能测试、力学性能分析、逆向工程乃至产品模式识别提供三维数据支撑，最终助力机械制造、场景感知水平的提高。

由于测量设备视场有限，加之工件外形复杂，单次测量往往无法将物体的待测区域覆盖完整，因此需要从不同视角对工件分别进行测量，然后通过点云配准的方式还原被测物体的全视角三维形貌。点云配准可以分为粗配准和精配准两步。粗配准指的是在两幅点云之间的变换完全未知的情况下进行较为粗糙的配准，目的主要是为精配准提供较好的变换初值；精配准则是给定一个初始变换，进一步优化得到更精确的变换。目前应用最广泛的点云精配准算法是迭代最近点算法(Iterative Closest Point,ICP)及其优化算法。

在条纹投影三维轮廓测量中，由于各个点的相位精度不同，会导致不同点的三维测量精度也不一致。在后续配准过程中，如果直接采用ICP算法进行点云配准，会使得采用最小二乘法求解空间变换矩阵时将不同精度的待匹配点等同对待，缺乏对数据精度的适配，不利于最终配准精度的提高。这是ICP算法的一个缺陷，有待针对性研究进行补足。

发明内容

为了克服上述现有技术的缺点，本发明提出一种考虑各匹配点测量精度的一种条纹投影测量点云逐点加权配准方法、设备和介质，提高点云整体配准精度。

为达到上述目的，本发明所述条纹投影测量点云逐点加权配准方法，包括以下步骤：

步骤1：基于条纹投影三维测量系统，对目标进行多视角测量，得到采样条纹图；

步骤2：基于采样得到的条纹图及三维测量系统标定信息，结合条纹图处理技术，求被测物体表面多视角三维点云；

步骤3：对采样条纹图进行代数运算，求得相位精度特征量；

步骤4：基于相位精度特征量构建与三维点云质量正相关的逐点加权因子；

步骤5：对多视角点云进行粗配准，得到精配准的位置初值；

步骤6：以位置初值与目标点云进行点云精配准，以最近点为点云匹配点，基于所构建的逐点加权因子，对点云匹配点对赋予不同权重，构建点云精配准目标函数；

步骤7：对点云精配准目标函数进行最小二乘运算，得到最优平移矩阵与最优旋转矩阵，对点云进行旋转平移位姿调整，迭代求解，实现点云逐点加权精配准。

进一步的，步骤3中，表征相位精度的特征量为相位精度为

其中，A为条纹背景项，B为条纹对比度，f₁表示相位精度表征函数。

进一步的，步骤4中的逐点加权因子ω_i的定义如下：

其中，为原点云的相位精度特征量，为目标点云的对应点的相位精度特征量，f₂表示逐点加权因子表征函数。