基于sift算法及阈值筛选的点云配准技术研究-顾旭波.pdf





《基于sift算法及阈值筛选的点云配准技术研究-顾旭波.pdf》由会员分享,可在线阅读,更多相关《基于sift算法及阈值筛选的点云配准技术研究-顾旭波.pdf(4页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、文章编号:16714598(2017)12024704 DOI:1016526jcnki11-4762tp201712064 中圈分类号:TP3917 文献标识码:A基于SIFT算法及阈值筛选的点云配准技术研究顾旭波1,张永举1,张 健1,吴良成2,郭 玲2(1江苏省特种设备安全监督检验研究院吴江分院,江苏苏州 215200;2南京理工大学自动化学院,南京210094)摘要:随着三维测量技术应用领域的逐渐拓宽,点云数据处理技术的需求日益迫切,而多视点点云配准,是其中的基础技术环节;在此针对传统ICP算法鲁棒性差、对迭代初值敏感、计算效率低等缺点,提出一种SIFT算法与阈值筛选相结合的点云配准算
2、法;在参考点云和待配准点云中,通过计算SIFT关键点及各点主曲率,获得初始匹配点集;然后根据相似三角形阈值和法向量夹角阈值,进一步优化点对间的旋转平移关系;实验结果证明,相对于传统算法,改进算法能够以更短的时间来获得准确的配准效果,并且其自动化程度高以及能有效提高点云配准的效率和精度。关键词:关键点;SIFT算子;点云配准;相似三角形Research on Point Cloud Registration TechnologyBased on SIFT Algorithm and Threshold FilterGu Xub01,Zhang Yongj u1,Zhang J ianl,Wu L
3、iangchen91,Guo Lin92(1Special Equipment Safety Supervision Inspection Institute of Jiangsu Province,Wujiang Branch,Suzhou 215200,China;2School of Automation,Nanjing university of science and technology,Naming 210094,China)Abstract:With widening application of 3D measurement technology,the demand for
4、 cloud point data processing technology is becomingmore and more urgent,and the multi view point cloud registration is one of the fundamental technologiesA point cloud registration algorithm combining SIFT algorithm with threshold selection is proposed to overcome the disadvantages of the traditiona
5、l ICP algorithm,such aspoor robustness,sensitive tO iterative initial value and low computational efficiencyFirstly,the initial matching set between the referencepoint cloud and the point cloud to be registered is obtained by calculating the SIFT key points and their main curvatures;then rotation an
6、dtranslation between corresponding are optimized based on the similar triangle threshold and the vector angle thresholdExperiments showthat,compared with the traditional algorithm,the improved algorithm can achieve accurate registration results in shorter time,and it is highly automated and can effe
7、ctively improve the efficiency and accuracy of point cloud registrationKeywords:key point;SIFT operator;point cloud registration;similar trianglesO 引言近十年来,随着电子、计算机技术的发展,三维测量设备的成本不断降低、应用领域不断拓宽,涵盖了工业生产、生物复制、医疗医学、教育教学等各个领域。不同的三维测量技术,有不同的适用范围,主要有:1)接触式测量,如三维坐标测量机、多自由度测量臂等,适于少量关键点的测量;2)基于激光技术的测量,适于中长距离、规
8、模较大的被测对象,测量速度相对较慢、精度较低;3)基于结构光技术的测量,适用于较近距离、较小物体的测量,测量速度较快、精度高1。三维测量设备采集到的数据称作点云,是物体表面采样点、相对于测量设备内部的坐标原点和坐标轴的三维坐标,数据量大、且点之间没有明确的拓扑关系,一般称作散乱点云,必须经过处理才能得到有用的信息。一般来说,测量过程往往收藕日期:20170522;修回日期:20170608。基金项目:江苏省质监局2016年度科研项目(KJl68357)。作者简介:顾旭波(1970一),男,江苏无锡人,硕士,主要从事特种设备安全方向的研究。郭玲(1976一),女,江苏南京人,副教授,硕士生导师,
9、主要从事三维点云数据处理方向的研究。要经过多点测量,因此,点云数据处理首要的问题,就是将多个测量点得到的点云数据配准至同一坐标系下,也称作点云拼接。常用的点云配准方法有:1)在被测表面预置标记点,测量时,需保证两次测量数据中至少有3个以上不共面的公共标记点,从而解算出两坐标系间的变换关系;2)基于ICP(Iterative Closest Point,最近点迭代)算法,利用两幅点云中重叠部分的数据进行迭代,直至距离最小。可见,依靠算法的点云配准优势体现在,无需在物体表面布置标记点,工作量小、且适用于不允许表面粘贴的被测物;但其弊端在于,传统ICP算法对初值的要求较高,即两幅待配准点云的初始位置
10、要较为接近,一般通过手工方式实现,因而影响了算法的自动化程度。本文从初始匹配人手,首先依据SIFT算法提取关键点集,并计算其中各点主曲率,进而得到初始匹配点对;然后通过法向量夹角阈值以及相似三角形阈值去除错误的对应点对,而后运用最小二乘法以及SVD(Singular Value Decomposition)法进行点云变换矩阵的求解。实验证明,本文的算法能更好的满足实际应用需求。1点云的粗配准点云配准的主要目的就是得到参考点云与待配准点云之问万方数据248 计算机测量与控制 第25卷的对应关系,从而求取两点云间的旋转矩阵R和平移矩阵Jr。 平面曲线,如此就有一个曲率;若选择不同的切向量,这个曲为
11、降低两个点云之间的旋转错位以及平移错位,减少精确配准 率会发生变化,并且有两个极值即最大和最小曲率,称为主曲的计算量,点云的粗配准是配准技术不可或缺的一个环节。粗 率忌。和kz,极值方向即为主方向。通过两个主曲率可以得到配准是在没有估计两个点云初始位置关系的前提下,粗略地估 点a,处的另外两种曲率形式:高斯曲率和平均曲率。高斯曲算出点云之间的旋转平移参数。 率K反映了某一点处曲面的一般弯曲程度,而平均曲率H在目前粗配准的研究技术,Chua2等提出一种点签名法, 微分几何中是一个“外在的”弯曲测量标准,局部描述了该曲该方法首先计算得到每个点的特征描述,然后比对两片点云的 面嵌入在周围三维空间中的
12、曲率。点特征从而完成点云的初始配准。这种方法需要计算每个点的 目前,曲率的估算方法中最常用的是二次曲面拟合方法。特征,使其计算过程庞大而且复杂,不利于大数据点云的配 假设二次曲面S(“,。)用式表示:准。Feldmar31等提出一种基于主曲率的粗配准,该算法计算 S(“,u)=乜“2+buy+册2+du+d (1)点的主曲率,然后通过点云之间主曲率相似的点来进行点云的 通过上式可以得到第一基本常量E、F、G和第二基本常粗配准。这个算法不仅容易受到噪声点的影响,而且由于边缘 量L、M、N,以此和n,点的法向量五来表示高斯曲率K和平点的存在,容易得到错误的初始匹配。钟莹“3等提出一种基于PCA(P
13、rincipal Components Analysis)的粗配准,该算法对点云计算均值以及协方差矩阵,并以均值点为原点,以协方差矩阵的特征向量为坐标轴构建新的坐标系,把两点云转换到新坐标系下完成粗配准。许斌50等提出一种基于特征的配准方法,首先估算出点云的点法矢量,然后把点云以点云密度的不同来划分区段,再以不同区段的主曲率的极值为条件来得到点云的初始配准参数。本文首先使用SIFT算法来提取点云的关键点,从而方便后续点云主曲率的计算,并比对主曲率的极值来得到初始的配准点对,完成点云之间的粗配准。11关键点提取sIFT特征匹配算法是David GLowe教授基于现有不变量技术特征检测方法提出的,
14、是一种基于尺度空间并对图像缩放、旋转甚至仿射变换保持不变性的特征匹配算法6。关键点又叫兴趣点,它是3D点云上通过定义检测标准从而获取到的具有稳定性、区别性的点集。依技术而言,关键点相比于原始点云来说,其包含的数据量大大减少。而且结合关键点与局部特征描述形成的关键点描述子,可以一定程度上代表原始点云,这就为后续点云的主曲率计算提供相当大的便利。SIFT算法提取关键点的主要步骤如下:1)关键点的检测。对输入点云,构造尺度高斯金字塔LOG(Laplacian of Gaussian);依据DOG(Difference ofGaussian)算子,构造高斯差分金字塔DOG;差分金字塔中的每一个像素点与
15、周围的26个像素点迸行灰度值比较;若该点为极点,则把该点作为候选极值点,也就是关键点。2)关键点的筛选。通过三维二次函数精确定位关键点,然后分析并除去低对比度关键点和边缘响应关键点,最终筛选出关键点集。假设参考点云为A,待配准点云为B,经过上述算法的提取,可以得到A、B关键点的集合A:=a,a。,口。,n。,和B一b。,b:,b。,b。,),其中m和行7是A、B点云中关键点数。12初始匹配点对搜索点的曲率表示该点的局部领域曲面的变化趋势,是点的一种重要的几何特征。而且曲率作为二次导数,很容易就受到噪声的干扰,所以用曲率来搜索匹配点对能有效地抑制噪声,提高点云配准的效率7。对于给定点云A,计算其
16、中任意一点n。的曲率,由于曲面和由n,的法向量和某一切向量所确定的平面的交集是一个均曲率H,其中:fEs: fL一毫s一位F恒i:妻K幽一豢等(2)(3)H=半一1EN面-2F百M+GL(4)由此可以得出,主曲率k,和k。的计算公式:奄k。l一=HH+-v僭-甭姜-K 以ni点的主曲率为判断条件遍历待配准点云,则可得到与12。点曲率相差不大的匹配点。由于实际测量以及曲率计算不可避免地产生误差,需要建立约束条件来得到匹配点对:f J是I(口。)一kl(岛)(愚t(8:)+kl(岛)国 1 k2(n。)一k2(6,)I(2(n。)+k 2(bj):艿l式中,哦为误差阈值,6,为待匹配点云中的任意一
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 sift 算法 阈值 筛选 点云配准 技术研究 顾旭波

限制150内