CN105488535B - 一种三维点云匹配方法 - Google Patents
一种三维点云匹配方法 Download PDFInfo
- Publication number
- CN105488535B CN105488535B CN201510889575.8A CN201510889575A CN105488535B CN 105488535 B CN105488535 B CN 105488535B CN 201510889575 A CN201510889575 A CN 201510889575A CN 105488535 B CN105488535 B CN 105488535B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- point cloud
- mtd
- dimensional point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明公布了一种三维点云匹配方法。在逆向工程、人脸识别和现代制造业中，解决通过光栅投影到物体表面由摄像机获得物体两组三维点云的对应匹配问题。将两组三维点云输入到目标函数中，将目标函数中的对应矩阵进行归一化处理，再将目标函数中的旋转和平移用对偶数表示形成新的目标函数，然后通过对该新目标函数进行最小化目标，找到点云之间的对应矩阵，即完成三维点云的匹配，使用该方法能够提高三维点云匹配的准确率。
Description
技术领域
本发明涉及计算机视觉和模式识别领域，特指数字图像处理中三维点云匹配。
背景技术
三维点云匹配是研制视觉三维测量系统的第一关键技术步骤，点云匹配配准可以为后续的三维重构提供精确的匹配，提高视觉三维测量的精度，用于开发实用的三维测量系统。一方面是用于逆向工程等工业生产的漫反射表面的准静态测量三维测量系统，另一方面是用于人脸等生活中的准静态三维测量系统，还可以开发多种复杂零部件测量专用设备，达到降低成本，提升制造业水平的目标。因此，找到一种三维点云匹配准确率高的方法，成为当前该研究领域急待解决的问题。
发明内容
本发明的目的在于：提供一种仿射变换下三维点云匹配的新方法，在逆向工程、人脸识别和现代制造业中，解决通过光栅投影到物体表面由摄像机获得物体两组三维点云的对应匹配问题。该发明的技术方案如下：通过光栅投影到物体表面，由摄像机拍摄获得物体的两组三维点云{Xj}和{Yk}，第一组三维点云{Xj}在坐标系X′Y′Z′下，具体表示为 (x′(j)，y′(j)，Z′(j))，第二组三维点云{Yk}在坐标系X″Y″Z″下，具体表示为 (x″(k)，y″(k)，Z″(k))，其中j，k均为正整数，由于光栅投影和摄像机拍摄时受到噪声的影响，使得三维点云{Xj}与三维点云{Yk}中对应点的位置发生了变化，即三维点云{Xj}到三维点云{Yk}中点的位置对应关系发生了变化，这个变化是由平移、尺度、旋转和变形产生的；将三维点云{Xj}与三维点云{Yk}输入到下面的目标函数式(1)中：
在式(1)中，E3D(m，T，R)表示关于变量m，T，R的期望值；T＝[tx，ty，tz]i是平移矩阵，tx、ty、tz分别表示在x轴、y轴、z轴上的平移，i表示矩阵的转置，tx、ty、tz的值来源于均匀分布U[2.5，7.5]，表示旋转，rx、ry、rz分别表示在 x轴、y轴、z轴上的旋转，其值来源于均匀分布U[20,70]；α与匹配目标有关的参数，其取值为0.2≤α≤0.5；是一个从三维点云{Xj}到三维点云{Yk}的对应矩阵，mjk是矩阵m第j行第k列的元素值，矩阵m的行不等式约束为矩阵m的列不等式约束为
式(1)中的旋转和平移写成如下形式：
利用对偶数的性质将式(1)中的旋转和平移可以分别记作：
其中，I表示单位矩阵，表示变形。
进一步，将旋转和平移写成如下形式：
R＝W(r)iQ(r)，T＝W(r)is
其中， d为坐标系X′Y′Z′和X″Y″Z″的原点在世界坐标系下的距离，n为旋转轴的单位方向向量，θ为点{Xj}在沿着向量n的旋转角度。
因此，将目标函数式(1)写成下式：
式(2)中，xj＝(Xj，0)i，yk＝(Yk，0)i分别表示式(1)中的点Xj和Yk；利用矩阵变换的性质，目标函数式(2)写成下式：
E3D＝riC1r+siC2s+siC3r+λ1(rir-1)+λ2(sir) (3)
其中： λ1，λ2为拉格朗日乘数。
式(3)中的对应矩阵mjk有三种取值：第一种，mjk＝1，表示三维点云{Xj}中的一个点与三维点云{Yk}中最多只有1个点是完全匹配；第二种， 0＜mjk＜1，表示三维点云{Xj}中的一个点与三维点云{Yk}中的点是部分匹配；第三种，mjk＝0，表示三维点云{Xj}中的一个点与三维点云{Yk}中的点是空匹配。
目标函数式(3)的对应矩阵m中每个mjk值的过程如下：
步骤一：通过对矩阵m进行初始化；
步骤二：对目标函数式(3)中的矩阵m进行归一化处理，得到新的矩阵m；
步骤三：将步骤二中得到的新的矩阵m代入到目标函数式(3)中，对目标函数式(3)中的参数r、s、λ1和λ2求偏导数，得到r、s、λ1和λ2的新值，并将r、s、λ1和λ2的新值代入到目标函数式(3)中；
步骤四：重复进行步骤二～步骤三，直到对应矩阵m中的元素mjk＝1或mjk＝0，即此时对应矩阵m中只有完全匹配和空匹配，已经没有了部分匹配；因此，对应矩阵m完成了两组三维点云的匹配。
使用该三维点云匹配方法能够提高三维点云的匹配准确率，在此通过实验验证，将通过摄像机获得物体的两幅三维点云图像，分别使用该三维点云匹配方法和现有的特征点匹配方法进行匹配，比较两个方法的点云匹配准确率，如附图1所示。
本发明相对于现有技术的有益效果是：使用本发明提供的三维点云匹配方法，解决逆向工程、人脸识别和现代制造业中，通过光栅投影获得物体两组三维点云的对应匹配问题，在三维点云匹配的准确率上，该三维点云匹配方法要好于特征点三维点云匹配方法。
附图说明
图1表示比较该三维点云匹配方法和现有的特征点匹配方法的三维点云匹配准确率示意图。
具体实施方式
通过光栅投影到物体表面，由摄像机拍摄获得物体的两组三维点云{Xj}和{Yk}，第一组三维点云{Xj}在坐标系X′Y′Z′下，具体表示为(x′(j)，y′(j)，Z′(j))，第二组三维点云{Yk} 在坐标系X″Y″Z″下，具体表示为(x″(k)，y″(k)，Z″(k))，其中j，k均为正整数，由于光栅投影和摄像机拍摄时受到噪声的影响，使得三维点云{Xj}与三维点云{Yk}中对应点的位置发生了变化，即三维点云{Xj}到三维点云{Yk}中点的位置对应关系发生了变化，这个变化是由平移、尺度、旋转和变形产生的；将三维点云{Xj}与三维点云{Yk}输入到下面的目标函数式(1)中：
在式(1)中，E3D(m，T，R)表示关于变量m，T，R的期望值；是平移矩阵，tx、ty、tz分别表示在x轴、y轴、z轴上的平移，i表示矩阵的转置，tx、ty、tz的值来源于均匀分布U[2.5，7.5]，表示旋转，rx、ry、rz分别表示在 x轴、y轴、z轴上的旋转，其值来源于均匀分布U[20,70]；α与匹配目标有关的参数，其取值为0.2≤α≤0.5；是一个从三维点云{Xj}到三维点云{Yk}的对应矩阵，mjk是矩阵m第j行第k列的元素值，矩阵m的行不等式约束为矩阵m的列不等式约束为
式(1)中的旋转和平移写成如下形式：
利用对偶数的性质将式(1)中的旋转和平移可以分别记作：
其中，I表示单位矩阵，表示变形。
进一步，将旋转和平移写成如下形式：
R＝W(r)iQ(r)，T＝W(r)is
其中， d为坐标系X′Y′Z′和X″Y″Z″的原点在世界坐标系下的距离，n为旋转轴的单位方向向量，θ为点{Xj}在沿着向量n的旋转角度。
因此，将目标函数式(1)写成下式：
式(2)中，xj＝(Xj，0)i，yk＝(Yk，0)i分别表示式(1)中的点Xj和Yk；利用矩阵变换的性质，目标函数式(2)写成下式：
E3D＝riC1r+siC2s+siC3r+λ1(rir-1)+λ2(sir) (3)
其中： λ1，λ2为拉格朗日乘数。
式(3)中的对应矩阵mjk有三种取值：第一种，mjk＝1，表示三维点云{Xj}中的一个点与三维点云{Yk}中最多只有1个点是完全匹配；第二种， 0＜mjk＜1，表示三维点云{Xj}中的一个点与三维点云{Yk}中的点是部分匹配；第三种，mjk＝0，表示三维点云{Xj}中的一个点与三维点云{Yk}中的点是空匹配。
目标函数式(3)的对应矩阵m中每个mjk值的过程如下：
步骤一：按照均匀分布U[2.5，7.5]给定T＝(tx，ty，tz)的值，按照均匀分布U[20，70] 给定R的值，再使用对矩阵m进行初始化。
步骤二：对目标函数式(3)中的矩阵m分别按照行和列进行归一化处理得到新的矩阵m。
步骤三：将步骤二中得到的新的矩阵m代入到目标函数式(3)中，对目标函数式(3)中的参数r、s、λ1和λ2求偏导数，得到如下方程组(4)：
这是关于参数r、s、λ1和λ2的方程组，解该方程组(4)得到r、s、λ1和λ2的新值，将r、s、λ1和λ2的新值代入到目标函数式(3)中。
(四)重复进行步骤二～步骤三，直到对应矩阵m中的元素mjk＝1或mjk＝0，即此时对应矩阵m中只有完全匹配和空匹配，已经没有了部分匹配。具体解释为：如果 m11＝1，则表示三维点云{Xj}中的点X1与三维点云{Yk}中的点Y1是完全匹配，如果 m11＝0，则表示三维点云{Xj}中的点X1与三维点云{Yk}中的点Y1是空匹配，因此，对应矩阵m完成了两组三维点云的匹配。
从附图1可以看出，两种方法在三维点云匹配上，都是随着三维点云数目的增加，而使得三维点云的匹配准确率降低，但是，该三维点云匹配方法的点云匹配准确率始终要高于使用特征点匹配方法的点云匹配准确率。
以上所述，仅为本发明的较佳的具体实现方式，但本发明的保护范围不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化和替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利 要求的保护范围对象为准。
Claims (3)
1.一种三维点云匹配方法，其特征在于：该方法具体为：
通过光栅投影到物体表面，由摄像机拍摄获得物体的两组三维点云{Xj}和{Yk}，第一组三维点云{Xj}在坐标系X′Y′Z′下，具体表示为(x′(j)，y′(j)，z′(j))，第二组三维点云{Yk}在坐标系X″Y″Z″下，具体表示为(x″(k)，y″(k)，z″(k))，其中j，k均为正整数，由于光栅投影和摄像机拍摄时受到噪声的影响，使得三维点云{Xj}与三维点云{Yk}中对应点的位置发生了变化，即三维点云{Xj}到三维点云{Yk}中点的位置对应关系发生了变化，这个变化是由平移、尺度、旋转和变形产生的；将三维点云{Xj}与三维点云{Yk}输入到下面的目标函数式(1)中；
<mrow>
<msub>
<mi>E</mi>
<mrow>
<mn>3</mn>
<mi>D</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>,</mo>
<mi>T</mi>
<mo>,</mo>
<mi>R</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>J</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<msub>
<mi>m</mi>
<mrow>
<mi>j</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>RX</mi>
<mi>j</mi>
</msub>
<mo>+</mo>
<mi>T</mi>
<mo>-</mo>
<msub>
<mi>Y</mi>
<mi>k</mi>
</msub>
<mo>|</mo>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
<mo>-</mo>
<mi>&alpha;</mi>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>J</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<msub>
<mi>m</mi>
<mrow>
<mi>j</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
在式(1)中，E3D(m，T，R)表示关于变量m，T，R的期望值；T＝[tx，ty，tz]i是平移矩阵，tx、ty、tz分别表示在x轴、y轴、z轴上的平移，i表示矩阵的转置，tx、ty、tz的值来源于均匀分布U[2.5，7.5]，表示旋转，rx、ry、rz分别表示在x轴、y轴、z轴上的旋转，其值来源于均匀分布U[20，70]；α与匹配目标有关的参数，其取值为0.2≤α≤0.5；是一个从三维点云{Xj}到三维点云{Yk}的对应矩阵，mjk是矩阵m第j行第k列的元素值，矩阵m的行不等式约束为矩阵m的列不等式约束为
式(1)中的旋转和平移写成如下形式：
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mi>R</mi>
</mtd>
<mtd>
<mi>T</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
利用对偶数的性质将式(1)中的旋转和平移可以分别记作：
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>R</mi>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mrow>
<msubsup>
<mi>r</mi>
<mn>4</mn>
<mn>2</mn>
</msubsup>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>r</mi>
<mi>x</mi>
</msub>
<mo>,</mo>
<msub>
<mi>r</mi>
<mi>y</mi>
</msub>
<mo>,</mo>
<msub>
<mi>r</mi>
<mi>z</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mi>i</mi>
</msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>r</mi>
<mi>x</mi>
</msub>
<mo>,</mo>
<msub>
<mi>r</mi>
<mi>y</mi>
</msub>
<mo>,</mo>
<msub>
<mi>r</mi>
<mi>z</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
</mrow>
<mi>I</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>+</mo>
<mn>2</mn>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>r</mi>
<mi>x</mi>
</msub>
<mo>,</mo>
<msub>
<mi>r</mi>
<mi>y</mi>
</msub>
<mo>,</mo>
<msub>
<mi>r</mi>
<mi>z</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>r</mi>
<mi>x</mi>
</msub>
<mo>,</mo>
<msub>
<mi>r</mi>
<mi>y</mi>
</msub>
<mo>,</mo>
<msub>
<mi>r</mi>
<mi>z</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mi>i</mi>
</msup>
<mo>+</mo>
<mn>2</mn>
<msub>
<mi>r</mi>
<mn>4</mn>
</msub>
<mi>K</mi>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>r</mi>
<mi>x</mi>
</msub>
<mo>,</mo>
<msub>
<mi>r</mi>
<mi>y</mi>
</msub>
<mo>,</mo>
<msub>
<mi>r</mi>
<mi>z</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中，I表示单位矩阵，表示变形；
进一步，将旋转和平移写成如下形式：
R＝W(r)iQ(r)，T＝W(r)is
其中， d为坐标系X′Y′Z′和X″Y″Z″的原点在世界坐标系下的距离，n为旋转轴的单位方向向量，θ为点{Xj}在沿着向量n的旋转角度；
因此，将目标函数式(1)写成下式：
<mrow>
<msub>
<mi>E</mi>
<mrow>
<mn>3</mn>
<mi>D</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>,</mo>
<mi>T</mi>
<mo>,</mo>
<mi>R</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>J</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<msub>
<mi>m</mi>
<mrow>
<mi>j</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>|</mo>
<mo>|</mo>
<mi>W</mi>
<msup>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mo>)</mo>
</mrow>
<mi>i</mi>
</msup>
<mi>Q</mi>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>x</mi>
<mi>j</mi>
</msub>
<mo>+</mo>
<mi>W</mi>
<msup>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mo>)</mo>
</mrow>
<mi>i</mi>
</msup>
<mi>s</mi>
<mo>-</mo>
<msub>
<mi>y</mi>
<mi>k</mi>
</msub>
<mo>|</mo>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
<mo>-</mo>
<mi>&alpha;</mi>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>J</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<msub>
<mi>m</mi>
<mrow>
<mi>j</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
式(2)中，Xj＝(Xj，0)i，yk＝(Yk，0)i分别表示式(1)中的点Xj和Yk；利用矩阵变换的性质，目标函数式(2)写成下式：
E3D＝riC1r+siC2s+siC3r+λ1(rir-1)+λ2(sir) (3)
其中： λ1，λ2为拉格朗日乘数；
式(3)中的对应矩阵mjk有三种取值：第一种，mjk＝1，表示三维点云{Xj}中的一个点与三维点云{Yk}中最多只有1个点是完全匹配；第二种，0＜mjk＜1，表示三维点云{Xj}中的一个点与三维点云{Yk}中的点是部分匹配；第三种，mjk＝0，表示三维点云{Xj}中的一个点与三维点云{Yk}中的点是空匹配；
目标函数式(3)的对应矩阵m中每个mjk值的过程如下：
步骤一：通过对矩阵m进行初始化；
步骤二：对目标函数式(3)中的矩阵m进行归一化处理，得到新的矩阵m；
步骤三：将步骤二中得到的新的矩阵m代入到目标函数式(3)中，对目标函数式(3)中的参数r、s、λ1和λ2求偏导数，得到r、s、λ1和λ2的新值，并将r、s、λ1和λ2的新值代入到目标函数式(3)中；
步骤四：重复进行步骤二～步骤三，直到对应矩阵m中的元素mjk＝1或mjk＝0，即此时对应矩阵m中只有完全匹配和空匹配，已经没有了部分匹配；因此，对应矩阵m完成了两组三维点云的匹配。
2.根据权利要求1所述的一种三维点云匹配方法，其特征在于：
步骤一的具体实现方式为：按照均匀分布U[2.5，7.5]给定T＝(tx，ty，tz)的值，按照均匀分布U[20，70]给定R的值，再使用对矩阵m进行初始化。
3.根据权利要求1所述的一种三维点云匹配方法，其特征在于：
步骤三的具体实现方式为：将步骤二中得到的新的矩阵m代入到目标函数式(3)中，对目标函数式(3)中的参数r、s、λ1和λ2求偏导数，得到如下方程组(4)：
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<mo>&part;</mo>
<msub>
<mi>E</mi>
<mrow>
<mn>3</mn>
<mi>D</mi>
</mrow>
</msub>
</mrow>
<mrow>
<mo>&part;</mo>
<mi>r</mi>
</mrow>
</mfrac>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<mo>&part;</mo>
<msub>
<mi>E</mi>
<mrow>
<mn>3</mn>
<mi>D</mi>
</mrow>
</msub>
</mrow>
<mrow>
<mo>&part;</mo>
<mi>s</mi>
</mrow>
</mfrac>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<mo>&part;</mo>
<msub>
<mi>E</mi>
<mrow>
<mn>3</mn>
<mi>D</mi>
</mrow>
</msub>
</mrow>
<mrow>
<mo>&part;</mo>
<msub>
<mi>&lambda;</mi>
<mn>1</mn>
</msub>
</mrow>
</mfrac>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<mo>&part;</mo>
<msub>
<mi>E</mi>
<mrow>
<mn>3</mn>
<mi>D</mi>
</mrow>
</msub>
</mrow>
<mrow>
<mo>&part;</mo>
<msub>
<mi>&lambda;</mi>
<mn>2</mn>
</msub>
</mrow>
</mfrac>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
这是关于参数r、s、λ1和λ2的方程组，解该方程组(4)得到r、s、λ1和λ2的新值，并将r、s、λ1和λ2的新值代入到目标函数式(3)中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510889575.8A CN105488535B (zh) | 2015-12-05 | 2015-12-05 | 一种三维点云匹配方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510889575.8A CN105488535B (zh) | 2015-12-05 | 2015-12-05 | 一种三维点云匹配方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105488535A CN105488535A (zh) | 2016-04-13 |
| CN105488535B true CN105488535B (zh) | 2018-06-05 |
Family
ID=55675506
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510889575.8A Expired - Fee Related CN105488535B (zh) | 2015-12-05 | 2015-12-05 | 一种三维点云匹配方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105488535B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107403468A (zh) * | 2017-07-22 | 2017-11-28 | 上海北冕信息科技有限公司 | 一种相似变换三维物体间的鲁棒注册算法 |
| CN109255815B (zh) * | 2018-08-30 | 2019-11-12 | 天津理工大学 | 一种基于零阶球谐函数的物体检测与识别方法 |
| CN109741374B (zh) * | 2019-01-30 | 2022-12-06 | 重庆大学 | 点云配准旋转变换方法、点云配准方法、设备及可读存储介质 |
| CN111582293B (zh) * | 2019-02-19 | 2023-03-24 | 曜科智能科技（上海）有限公司 | 平面几何一致性检测方法、计算机设备、及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101847262A (zh) * | 2010-05-19 | 2010-09-29 | 北京航空航天大学 | 一种快速三维点云搜索匹配方法 |
| CN104123724A (zh) * | 2014-07-09 | 2014-10-29 | 华北电力大学 | 一种3d点云物体的快速检测方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102011014252A1 (de) * | 2011-03-17 | 2012-09-20 | Valeo Schalter Und Sensoren Gmbh | Lagerungsanordnung eines Lenkstockhebels an einem Lenksäulenteil und Kraftfahrzeug mit einer solchen Lagerungsanordnung |
-
2015
- 2015-12-05 CN CN201510889575.8A patent/CN105488535B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101847262A (zh) * | 2010-05-19 | 2010-09-29 | 北京航空航天大学 | 一种快速三维点云搜索匹配方法 |
| CN104123724A (zh) * | 2014-07-09 | 2014-10-29 | 华北电力大学 | 一种3d点云物体的快速检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| "Robust alignment of wide baseline terrestrial laser scans via 3D viewpoint normalization";Yanpeng Cao et al.;《2011 IEEE Workshop on Applications of Computer Vision》;20110210;全文 * |
| "一种基于相位的立体匹配算法";朱素杰 等;《工业仪表与自动化装置》;20130520(第2期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105488535A (zh) | 2016-04-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106553195B (zh) | 工业机器人抓取过程中的物体6自由度定位方法及系统 | |
| CN105488535B (zh) | 一种三维点云匹配方法 | |
| CN112802124B (zh) | 多台立体相机的标定方法及装置、电子设备及存储介质 | |
| CN104517291B (zh) | 基于目标同轴圆特征的位姿测量方法 | |
| Xu et al. | A simple calibration method for structured light-based 3D profile measurement | |
| CN104036542B (zh) | 一种基于空间光线聚集性的像面特征点匹配方法 | |
| CN105354841B (zh) | 一种快速遥感影像匹配方法及系统 | |
| CN109523595A (zh) | 一种建筑工程直线棱角间距视觉测量方法 | |
| CN105631844A (zh) | 一种摄像机标定方法 | |
| CN106584090A (zh) | 基于结构光三维测量系统的工件装配方法 | |
| CN110084743B (zh) | 基于多航带起始航迹约束的图像拼接与定位方法 | |
| CN108801218A (zh) | 大尺寸动态摄影测量系统的高精度定向及定向精度评价方法 | |
| CN109766903A (zh) | 一种基于曲面特征的点云模型曲面匹配方法 | |
| Gong et al. | High-precision calibration of omnidirectional camera using an iterative method | |
| Jiang et al. | Self-calibration of Varying Internal Camera Parameters Algorithm Based on Quasi-affine Reconstruction. | |
| Yang et al. | Eccentricity error compensation for geometric camera calibration based on circular features | |
| CN112489141B (zh) | 车载摄像头单板单图带中继镜的产线标定方法及装置 | |
| CN108253935A (zh) | 复杂外形模型超高速自由飞行姿态测量方法 | |
| CN105427239B (zh) | 一种二维点云匹配方法 | |
| CN102034234A (zh) | 一种多视图结构光系统自标定方法 | |
| CN107424194A (zh) | 键盘轮廓度的检测方法 | |
| CN110458951A (zh) | 一种电网杆塔的建模数据获取方法及相关装置 | |
| CN104504678B (zh) | 一种室内识别物体棱角并衡量其对移动实体危险程度的方法 | |
| CN106980601B (zh) | 基于三目极线约束的基础矩阵高精度求解方法 | |
| CN109242911A (zh) | 一种基于分区域的双目相机基本矩阵计算方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C41 | Transfer of patent application or patent right or utility model | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20160919 Address after: Hainan province Sanya City Yucai Road 572022 No. 1 Applicant after: HAINAN TROPICAL OCEAN UNIVERSITY Address before: 150000 Heilongjiang University of science and technology, 2468 Pu Yuan Road, Harbin, Heilongjiang, Songbei Applicant before: Qiao Fu |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20160413 Assignee: Harbin Zhi Da Science and Technology Development Co., Ltd. Assignor: Hainan Tropical Ocean University Contract record no.: 2018230000036 Denomination of invention: Three-dimensional point cloud matching method Granted publication date: 20180605 License type: Exclusive License Record date: 20180704 |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180605 Termination date: 20191205 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |