[发明专利]图像配准方法、装置、设备及存储介质

说明书

本公开提供了一种图像配准方法、装置、设备及存储介质，通过获取待测样品的待测图像和3D待测点云，以及获取标准样品的模板图像和3D模板点云；通过所述待测图像与所述模板图像确定所述待测样品的二维转换矩阵，以及通过所述3D待测点云和所述3D模板点云，确定所述待测样品的三维转换矩阵；通过所述二维转换矩阵和三维转换矩阵之间的关联关系，确定所述待测样品的目标三维转换矩阵；根据所述3D待测点云和所述目标三维转换矩阵，得到所述待测样品的目标点云，不仅有效的解决了现有技术中图像匹配算法复杂度高，耗时较长的问题，还提高了生产效率。

技术领域

本公开涉及计算机技术领域，尤其涉及一种图像配准方法、装置、设备及存储介质。

背景技术

笔记本内结构2D3D视觉检测中，检测算法的检测速度成为了内机构生产速度提升的瓶颈，而在检测算法中，点云匹配方法是为最耗时的部分。笔记本内结构点云匹配速率其实可以理解为针对3D点云配准的问题，也即基于模板信息和待测点云信息进行点云配准。

在现有技术中，常用3D点云配准方法有基于迭代最近点方法和基于稳健统计和测量的方法等。其中，基于迭代最近点方法通过对所有对应点对求解旋转和平移变换矩阵，并通过不断迭代的方式使两片点云之间的误差越来越小，直至满足一定阈值要求或迭代次数。基于稳健统计和测量的方法是将点云表示成概率密度，提出了核心相关(KernelCorrelation，KC)算法，这种计算最优配准的方法是通过设置两个点云间的相似度测量来减小它们之间的距离，而后对全局目标函数执行最优化算法，使目标函数值减小到收敛域。

但是，基于迭代最近点方法需大量搜索和计算操作，因此耗时多，无法满足越来越快的生产速率；而基于稳健统计和测量的方法中，每一个点云中的点都必须和另一个点云中的所有点进行比较，所以这种算法复杂度高，耗时较长，同样也无法满足越来越快的生产效率。

发明内容

本公开提供了一种图像配准方法、装置、设备及存储介质，以至少解决现有技术中存在的以上技术问题。

根据本公开的第一方面，提供了一种图像配准方法，所述方法包括：

获取待测样品的待测图像和3D待测点云，以及获取标准样品的模板图像和3D模板点云；

通过所述待测图像与所述模板图像确定所述待测样品的二维转换矩阵，以及通过所述3D待测点云和所述3D模板点云，确定所述待测样品的三维转换矩阵；

通过所述二维转换矩阵和三维转换矩阵之间的关联关系，确定所述待测样品的目标三维转换矩阵；

根据所述3D待测点云和所述目标三维转换矩阵，得到所述待测样品的目标点云。

在一可实施方式中，所述通过所述二维转换矩阵和三维转换矩阵之间的关联关系，确定所述待测样品的目标三维转换矩阵，包括：

通过所述二维转换矩阵，得到图像线性变换矩阵和图像平移矩阵；

简化所述三维转换矩阵，并将所述图像线性变换矩阵和图像平移矩阵代入所述三维转换矩阵，得到所述待测样品的目标三维转换矩阵。

在一可实施方式中，所述简化所述三维转换矩阵，包括：

根据所述3D模板点云和所述3D待测点云的成像特征，确定所述3D模板点云和所述3D待测点云之间的缩放比例、Z轴方向平移值以及透视畸变参数；

通过所述缩放比例、Z轴方向平移值以及透视畸变参数，简化所述三维转换矩阵。

在一可实施方式中，所述根据所述3D待测点云和所述目标三维转换矩阵，得到所述待测样品的目标点云，包括：

通过以下公式，确定所述待测样品的目标点云：

dst_pt′＝dst_pt*H_3D；