基于改进特征点对选取的三维点云配准基于改进特征点对选取的三维点云配准
针对同一物体不同视角下获得的三维点云数据,提出一种基于改进特征点对选取的三维点云配准方法。在欧氏
距离的基础上选取与目标点最近的三点均值为对应点,并应用邻域比值法来剔除错误点,结合Kd tree提高搜索
速度,实现最终点云配准。实验结果表明,该方法具有可行性,相比传统ICP算法,其匹配精度和效率明显提
升。
朱桂林,张栋良,陈辉
(上海电力学院 自动化工程学院,上海市电站自动化技术重点实验室, 上海 200090)
摘要摘要:针对同一物体不同视角下获得的三维点云数据,提出一种基于改进特征点对选取的三维点云配准方法。在欧氏距离
的基础上选取与目标点最近的三点均值为对应点,并应用邻域比值法来剔除错误点,结合Kd tree提高搜索速度,实现最终点
云配准。实验结果表明,该方法具有可行性,相比传统ICP算法,其匹配精度和效率明显提升。
关键词 关键词:点云配准;ICP算法;最近点选取;错误点剔除
中图分类号 中图分类号:TP391文献标识码:ADOI: 10.19358/j.issn.1674-7720.2017.01.022
引用格式 引用格式:朱桂林,张栋良,陈辉. 基于改进特征点对选取的三维点云配准[J].微型机与应用,2017,36(1):73-75.
0引言引言
利用激光扫描仪对建筑物进行扫描,得到其点云信息,从而建立物体的三维模型,成为当下研究的热点[1]。但在实际
操作中往往受到各种限制,无法一次性精准地获得待测物体的全部点云信息。为了在后期重建过程中得到较为完整的三维模
型,实际测量中需要对待测物体进行多角度、多次数的测量并且通过点云配准将获得的点云数据变换到同一坐标中[2]。
针对点云配准过程,迭代最近点算法(Iterative Closest Point,ICP)[3]是目前比较经典的配准方法。其优点是对初始
点云形状要求低,配准过程简单,结果相对收敛。但是该算法也存在着一些不足,如:要求待配准两片点云的数据为包含关
系,两片点云中的数据点满足一一对应关系;其次随着点云数量的增加计算代价也相应增加;最后在对应点寻找过程中,仅仅
假设两片点云中欧氏距离最近的点为所求的对应点,由于这种假设过于理想化,在实际操作过程中可能会出现错误的对应点,
使配准陷入局部最小值导致配准失败。针对传统ICP算法的不足,国内外学者在配准策略、配准元素、错误点剔除以及误差度
量等方面对算法进行了改进与优化,使传统ICP算法在性能方面得到提高[47]。
本文在三维点云配准过程中分以下两步:
(1)提出了一种改进的特征点对选取方法,过程采用Kd tree查找最近点以提高搜索效率。对于原始点云中的一点,寻
找其在目标点云中欧氏距离最近的三点并计算三点的平均值,以此作为对应点,然后利用邻域比值的方法来剔除误匹配点,提
高匹配精度,最后结合四元法[89]求取旋转矩阵R及平移向量T。
(2)根据计算得到的初始矩阵R及平移向量T,利用ICP算法对两片点云进行配准。
1算法过程算法过程
1.1对应点对选取和剔除错误点对对应点对选取和剔除错误点对
(1)对应点对求取
利用Kd tree计算点集P中任一点pi(i=1,2,...)在目标点集Q中与其欧氏距离最近的三个点q1、q2、q3,分别计算三点x、
y、z的均值构成新的坐标(=()),pi与构成对应点对(pi)。
(2)错误点对剔除
点集采集过程中不可避免地引入噪声点,因此在对应点的计算过程中可能会产生错误对应点对,本文采用邻域点集比值法
来检验对应点对是否符合标准,并剔除错误点对。由对应关系可知,如果两个点是对应点则其在各自δ邻域内所包含的点数应
该近似相等。实验过程中在点云P和点云Q内分别计算pi与以δ为半径所构成邻域内点的个数m和n。若mn=γ(0.9≤γ≤1.1),保留
对应点对,否则剔除。如下图1。