[发明专利]三维相机立体匹配方法

摘要

三维相机立体匹配方法，固定两台三维相机；在两台三维相机的公共可视区域上放置参照物；两台三维相机分别采集三维点云数据，根据参照物的颜色对点云数据分别进行滤波处理，获得只包含参照物的三维点云数据，分别称为点云数据集X＝{xi}和点云数据集Y＝{yi}；在两个点云数据集上，分别根据参照物上的六种不同颜色点云获得在各自点云数据集中的颜色区域的平均位置和两两不同颜色的边界位置按照等间隔采样三个点组成新的点云数据集X′和Y′；根据新点云数据集算出旋转矩阵R0、平移矩阵T0；根据旋转矩阵R0、平移矩阵T0以及参照物的不同颜色区域的点云数据集X＝{xi}和点云数据集Y＝{yi}，计算出精确的旋转矩阵R、平移矩阵T。本发明极大地减少了需要处理的点云数据量，提高了匹配的速度和匹配精度。

主权项

1.三维相机立体匹配方法，其特征在于，S1：固定两台三维相机；S2：在所述两台三维相机的公共可视区域上放置立体的参照物；S3：所述两台三维相机分别采集三维点云数据，根据参照物的颜色对点云数据分别进行滤波处理，获得只包含参照物的三维点云数据，分别称为点云数据集X＝{xi}和点云数据集Y＝{yi}；S4：在所述两个点云数据集上，分别根据参照物上的六种不同颜色点云获得在各自点云数据集中的颜色区域的平均位置和两两不同颜色的边界位置按照等间隔采样三个点组成新的点云数据集X′和Y′，各包含24个点,且进行了配对，其中，通过根据参照物上的六种不同颜色点云获得在各自点云数据集中的颜色区域的平均位置共6个，对应于6个点，通过两两不同颜色的边界位置按照等间隔采样三个点共获取18个点；根据所述新点云数据集算出旋转矩阵R0、平移矩阵T0，具体的，S41:分别计算点云数据集X′和Y′的重心位置：S42:利用重心位置和计算两个数据集的互协方差矩阵∑_xy：S43:利用互协方差矩阵∑xy的反对称矩阵构造列矢量Aij＝(∑xy‑∑xyT)ij和列矢量Δ＝[A23 A31 A12]T,根据这个列矢量得到对称矩阵Q(∑xy)；S44:求解出对称矩阵Q(∑_xy)的最大特征值对应的单位特征向量S45:由单位特征向量获得旋转矩阵R₀；S46:由旋转矩阵获得平移矩阵T0S5：根据所述旋转矩阵R0、平移矩阵T0以及所述参照物的不同颜色区域的点云数据集X＝{xi}和点云数据集Y＝{yi}，计算出精确的旋转矩阵R、平移矩阵T，具体的，S51:精确匹配前，令初始点云数据集为数据集X₀＝X′，k是迭代次数，此处取其初始值0；S52:根据当前的采用欧氏距离计算点云数据集X_k与点云数据集Y的最近点云数据集Y_k＝C(X_k，Y)，并根据点云数据集X_k与点云数据集Y_k计算应用新的配准向量得到点云数据集X_k的新的匹配点云数据集Y_k+1，将配对后的点的距离平方和D_k作为精度的评价标准；其中,N是三维点云数据的点的个数；S53:如果k＞kmax或者|Dk‑Dk‑1|k＜τ，那么迭代结束，否则将k增加1，用来代替原来的k，返回S52。