一種基于匹配區域的點云配準方法
【技術領域】
[0001] 本發明設及一種點云配準方法，尤其設及一種基于匹配區域的點云配準方法，屬 于=維重建技術領域。
【背景技術】
[0002] 隨著傳感器技術的發展，對于場景的深度信息的獲取更加方便，精確。大部分深度 相機，尤其是較為廉價的Kinect深度傳感器，因其能較為準確并快速的獲取場景深度信息， 被廣泛用于場景分析，肢體信息捕捉，W及=維掃描等研究領域。因此彩色相機和深度相機 (簡稱為RGB-D相機)聯合采集S維點云，對其進行重建逐漸成為S維掃描研究領域的研究 熱點和重點。基于RGB-D相機的S維點云重建系統主要包括S部分：點云的獲取與配準，閉 合環路檢測，全局信息配準。其中點云間的自動配準研究是點云重建系統中的一個研究熱 點和難點。
[0003] 點云配準技術是指:通過一定算法，利用計算機計算兩點云之間的錯位關系，從而 將兩塊點云關聯在一起。其問題關鍵是求得兩塊點云間的坐標變換參數，包括旋轉矩陣R和 平移向量T，使得兩視角下測得的=維數據間坐標變換后的距離最小，也就是說將真實場景 中不同視角下的重疊區域，在點云數據中通過配準，使該區域在統一坐標系中也盡可能重 疊在一起。
[0004] Bes 1 , P . J . &McKay , N . D . (1992) . A method for registration of 3-D shapes. IEEE Transactions on Pattern Analysis and MachineIntelligence,14(2), 239-256.公開了一種基于帖間配準的點云配準算法的Iterative Closest Point(ICP)算 法。Rusinkiewicz,S.,&Levoy,M.Efficient variants of the ICPal邑orithm.In Proc.of the third intern曰tion曰I conference on S-Ddigitel im曰ging 3ndmodeling，pp.l45-152,2001。公開了一種改進的ICP算法。運兩種算法通過迭代求使點云間重疊部分的 化USdod^g離最小時的剛體變換。此時，點云間應該重疊部分實現基本重疊，從而完成點 云間的配準。然而ICP算法及其改進算法仍然屬于一種局部最優算法，不能保證收斂得到全 局最優解，因此ICP相關算法只有在兩點云初始位置較為逼近時，才能得到較為準確的配準 結果。
[0005] 為了使點云間能夠在任意初始位置都能夠進行較為準確的配準，許多全局最優配 準算法被提出。全局最優配準算法是通過解決全局最優問題來求解點云間最為準確的剛體 變換。一種較為常用的全局最優算法是在兩點云中，基于RANSAC隨機尋找最優的3組匹配 點，求得最優的剛體變換矩陣，但運種算法的復雜度在最壞情況下達到0 (n3);另一種常用 的全局最優配準算法是通過特征描述子提取特征向量，作為點云的配準點集，通過配準運 些特征點集來選擇最優的剛體變換矩陣對兩點云進行配準。然而，運種基于特征描述子提 取的全局最優配準算法只有在兩點云中存在較為離散的特征匹配時，才能夠進行較為準確 的全局最優配準，而且當點云中存在噪聲和錯誤信息較多時，點云配準的魯棒性較差。
[0006] 目前，Aiger D,Mitra N J,Cohen-Or D.4-points congruent sets forrobust pairwise surface registration[J].ACM Transactions onGraphics,2008,27(3): Adicle No.85公開的4PCS算法點云配準精度較高，魯棒性很強。然而，該算法在配準后的 點云中，局部區域的配準結果并不準確。
【發明內容】
[0007]本發明的目的在于克服現有技術的不足，本發明提出了一種點云配準精度更高、 魯棒性更好的基于匹配區域的點云配準方法。
[000引為實現上述目的，本發明提供一種基于匹配區域的點云配準的方法。
[0009] -種基于匹配區域的點云配準的方法，包括W下步驟：
[0010] 步驟1:數據采集:利用RGB-D相機從N個方位采集場景的深度圖像序列和彩色圖像 序列，N〉l，生成第一至第N點云;所述各點云的空間點數目由其深度圖像有效像素數目決 定;所述各點云的的空間點生成方法相同；所述第一點云中第一空間點（X，y，Z)的生成方法 為：
0)
[0014]其中（x，y，z)為所述第一點云中第一空間點的空間坐標，DI_x、DI_y、DI_depth、 DI_wid化、DIJiei曲t分別表示第一點云中第一空間點對應的深度圖像像素的橫坐標、縱坐 標、深度值、深度圖像的寬度和深度圖像的高度;width和height分別為第一點云的寬度高 度，其計算方法為：
(2)
[0017]其中h_va是表示水平視角的期望值，v_va是表示垂直視角的期望值，PI為常量；
[001引步驟2:源點云和目標點云的區域分割：選擇第P方位的點云作為源點云，選擇第Q 方位的點云作為目標點云，分別對源點云的彩色圖像CP和目標點云的彩色圖像CQ進行區域 分割，P辛Q，1<P，Q<N;所述彩色圖像CP分割為Sp塊，所述彩色圖像CQ分割為Sq塊，1 < Sp， Sq;所述源點云中各空間點的狀態初始化為未配準狀態；
[0019] 步驟3:特征點提取與匹配:提取彩色圖像CP和彩色圖像CQ的特征點，進行特征點 匹配，得到K組特征點匹配對；
[0020] 步驟4:區域匹配:逐一判斷彩色圖像CP中各分割區域是否存在已建立特征點匹配 對的特征點，如果是，選擇彩色圖像CQ中與其特征點匹配對組數最多的區域作為對應匹配 區域，建立匹配區域對；
[0021] 步驟5:匹配區域對排序:按照匹配區域對中彩色圖像CP的分割區域中像素點數目 從多到少排序所述匹配區域對，得到編號m為1至MS的匹配區域對，所述編號MS小于或等于 Sp與Sq中的最小值；
[0022] 步驟6:點云初始配準:運用點云配準算法對源點云P和目標點云Q進行初始配準， 獲得全局變換矩陣，所述的全局變換矩陣由全局旋轉矩陣R和全局平移向量T組成，依據全 局變換矩陣將源點云P變換為全局配準點云P'；所述彩色圖像CP中的各分割區域變換為全 局配準點云P'中彩色圖像CP'中的對應分割區域;所述各匹配區域對變換為相應的全局匹 配區域對;所述各特征點匹配對中源點云P中的空間點的狀態更新為配準狀態；
[0023] 步驟7:設定當前匹配區域對的編號m為0,設置配準誤差闊值的初始值；
[0024] 步驟8:點云局部配準：當前匹配區域對的編號加1，對當前匹配區域對進行局部配 準，得到當前匹配區域對的局部變換矩陣TAm;
[0025] 步驟9:點云配準調整：利用局部變換矩陣TAm,調整全局配準點云P'編號為m至MS 全局匹配區域對中處于未配準狀態的空間點的空間位置;得到調整配準點云P"m;
[00%]步驟10:判斷調整配準點云P"m與目標點云Q之間的配準誤差是否小于配準誤差闊 值，如果小于轉向步驟11，否則轉向步驟12 ;
[0027] 步驟11 :用所述整配準點云P"m更新全局配準點云P'，用調整配準點云P"m與目標點 云Q之間的配準誤差更新配準誤差闊值；
[0028] 步驟12:達到配準結束條件:判斷當前匹配區域對的編號是否等于MS，如果是，結 束;否則，轉向步驟8。
[0029] 所述步驟6所述的點云初始配準方法，包括W下步驟：
[0030] 步驟6-1:在源點云P中任意提取一個點四元組B，所述點四元組B由四個共面的空 間點組成，所述點四元組B中任意兩個空間點之間距離大于預設距離闊值；
[0031 ]步驟6-2:確定所述點四元組B的對角線交點e，計算對角線交點e分割兩條對角線 形成的第一和第二分割比ri、r2;在目標點云Q中捜索相應的全等點四元組集合U，所述全等 點四元組集合U由與所述點四元組B全等的點四元組組成;所述全等點四元組滿足:利用第 一和第二分割比ri，n得到第一和第二分割點ei、62之間距離小于預設的距離容忍度闊值；
[0032] 步驟6-3:全局旋轉矩陣R和平移向量