CN109584280A - 基于陀螺仪的三维点云数据匹配方法及系统、控制器 - Google Patents

基于陀螺仪的三维点云数据匹配方法及系统、控制器 Download PDF

Info

Publication number
CN109584280A
CN109584280A CN201710911804.0A CN201710911804A CN109584280A CN 109584280 A CN109584280 A CN 109584280A CN 201710911804 A CN201710911804 A CN 201710911804A CN 109584280 A CN109584280 A CN 109584280A
Authority
CN
China
Prior art keywords
point cloud
dimensional point
gyroscope
moment
measuring device
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.)
Withdrawn
Application number
CN201710911804.0A
Other languages
English (en)
Inventor
章海波
李哲民
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Shiyuan Internet Technology Co Ltd
Original Assignee
Shanghai Shiyuan Internet Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Shiyuan Internet Technology Co Ltd filed Critical Shanghai Shiyuan Internet Technology Co Ltd
Priority to CN201710911804.0A priority Critical patent/CN109584280A/zh
Publication of CN109584280A publication Critical patent/CN109584280A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明提供一种基于陀螺仪的三维点云数据匹配方法及系统、控制器，包括以下步骤：接收陀螺仪发送来的所述三维点云数据测量装置在当前测量时刻与在前测量时刻之间的相对位姿；接收所述三维点云数据测量装置在当前测量时刻获取的物体表面的三维点云数据；根据所述相对位姿对当前测量时刻获取的三维点云数据和和在前测量时刻获取的三维点云数据进行匹配，以获得匹配融合后的三维点云数据。本发明的基于陀螺仪的三维点云数据匹配方法及系统、控制器通过陀螺仪确定测量视角之间的相对位姿关系，继而进行三维点云数据的匹配，快速准确，稳定性好。

Description

基于陀螺仪的三维点云数据匹配方法及系统、控制器
技术领域
本发明涉及数据处理的技术领域，特别是涉及一种基于陀螺仪的三维点云数据匹配方法及系统、控制器。
背景技术
随着三维非接触测量技术的发展，在几秒钟时间内就可以获取到被测量物体表面的三维点云数据。其中，三维点云数据是指扫描资料以点的形式记录，每一个点包含有三维坐标，有些可能含有颜色信息(RGB)或反射强度信息。在实际测量过程中，物体的所有表面，需要从多个视角多次测量，再通过匹配的方法，估计视角的位姿信息，从而将多次测量的三维点云数据组合成完整的物体三维点云数据。
现有技术中，主流的三维点云数据匹配方法是迭代最近点(Iterative ClosestPoint，ICP)算法；同时也提出了迭代最近点算法的各种改进版本。此类算法属于迭代下降算法，具有如下优点：
(1)能够获得高精度的匹配结果；
(2)无需对参加匹配的三维点云数据进行任何处理，即可直接参与计算。
然而，此类算法也具有以下不足：
(1)参与迭代的初始值可能导致陷入局部最优解；
(2)参加匹配的三维点云数据必须有公共区域，否则将导致匹配失败；
(3)需要反复进行迭代，导致算法复杂度较大，效率较低；
(4)受三维点云数据测量精度影响较大，在精度较差时，甚至会出现匹配失败。
另外，专利公开号为CN106056664A的中国发明专利《一种基于惯性和深度视觉的实时三维场景重构系统和方法》公开一种三维场景重构系统，包括IMU惯性传感器算法子模块，RGB相机算法子模块，深度D相机算法子模块，比较及数据融合模块和三维点云生成模块；所述IMU惯性传感器算法子模块、RGB相机算法子模块、深度D相机算法子模块分别与比较及数据融合模块电连接，所述比较及数据融合模块与三维点云生成模块电连接；所述IMU惯性传感器算法子模块、RGB相机算法子模块、深度D相机算法子模块分别用于采集k及k+1时刻系统的相对位置及姿态，并发送给比较及数据融合模块；所述比较及数据融合模块用于进行IMU惯性传感器算法子模块与RGB相机算法子模块、IMU惯性传感器算法子模块与深度D相机算法子模块所采集相对位置及姿态同预设阈值的比较，并根据比较结果进行数据融合，校正系统相对位置及姿态的偏差并发送给三维点云生成模块；所述三维点云生成模块用于根据比较及数据融合模块得到的系统相对位置及姿态信息，利用KinectFusion算法生成三维点云，进行实时三维环境重建。由上可知，该方案利用惯性传感器计算相对位姿变化，直接与三维点云数据进行匹配融合。但是，惯性传感器所测得的传感器运动参数有严重的噪声干扰，又存在明显的零偏和漂移，即使对原始惯性数据进行去噪处理，也难以保证其数据的精确度和可靠性。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于陀螺仪的三维点云数据匹配方法及系统、控制器，通过陀螺仪确定测量视角之间的相对位姿关系，继而进行三维点云数据的匹配，快速准确，稳定性好。
为实现上述目的及其他相关目的，本发明提供一种基于陀螺仪的三维点云数据匹配方法，包括以下步骤：接收陀螺仪发送来的三维点云数据测量装置在当前测量时刻与在前测量时刻之间的相对位姿；接收所述三维点云数据测量装置在当前测量时刻获取的物体表面的三维点云数据；根据所述相对位姿对当前测量时刻获取的三维点云数据和和在前测量时刻获取的三维点云数据进行匹配，以获得匹配融合后的三维点云数据。
于本发明一实施例中，还包括接收所述陀螺仪发送来的所述三维点云数据测量装置的初始位姿。
于本发明一实施例中，采用迭代最近点算法对当前测量时刻获取的三维点云数据和和在前测量时刻获取的三维点云数据进行匹配，采用所述相对位姿作为所述迭代最近点算法的初始值。
于本发明一实施例中，根据所述相对位姿对当前测量时刻获取的三维点云数据和和在前测量时刻获取的三维点云数据进行匹配，以获得匹配融合后的三维点云数据包括以下步骤：
建立匹配目标函数其中R为旋转矩阵，T为平移矩阵；pj,i为当前测量时刻i时获取的三维点云数据中第j点；pj,i-1在前测量时刻i-1时获取的三维点云数据中第j点，n为三维点云数据所包含的点的个数；
利用列文伯格-马夸尔特最优化算法对所述匹配目标函数进行迭代，求解所述旋转矩阵的最优解R'和所述平移矩阵的最优解T'；
采用迭代最近点算法对当前测量时刻获取的三维点云数据和和在前测量时刻获取的三维点云数据进行匹配，采用所述相对位姿作为迭代最近点算法的初始值，获取匹配融合后的三维点云数据Pall＝Pi-1+(Pi+R'+T')，其中，Pi-1为在前测量时刻i-1时获取的三维点云数据，Pi为当前测量时刻i时获取的三维点云数据。
对应地，本发明还提供一种基于陀螺仪的三维点云数据匹配系统，包括第一接收模块、第二接收模块和匹配模块；
所述第一接收模块用于接收陀螺仪发送来的三维点云数据测量装置在当前测量时刻与在前测量时刻之间的相对位姿；
所述第二接收模块用于接收所述三维点云数据测量装置在当前测量时刻获取的物体表面的三维点云数据；
所述匹配模块用于根据所述相对位姿对当前测量时刻获取的三维点云数据和和在前测量时刻获取的三维点云数据进行匹配，以获得匹配融合后的三维点云数据。
同时，本发明提供一种控制器，包括通信器、处理器及存储器；
所述通信器用于接收陀螺仪发送来的三维点云数据测量装置在当前测量时刻与在前测量时刻之间的相对位姿以及所述三维点云数据测量装置在当前测量时刻下获取的物体表面的三维点云数据；
所述存储器用于存储计算机程序；
所述处理器用于根据所述相对位姿和所述三维点云数据，执行所述存储器存储的计算机程序，以使所述控制器执行上述基于陀螺仪的三维点云数据匹配方法。
最后，本发明还提供一种基于陀螺仪的三维点云数据匹配系统，包括陀螺仪、三维点云数据测量装置和上述的控制器；
所述陀螺仪用于获取所述三维点云数据测量装置在当前测量时刻与在前测量时刻之间的相对位姿，并发送至所述控制器；
所述三维点云数据测量装置用于在各个测量时刻获取的物体表面的三维点云数据，并发送至所述控制器。
于本发明一实施例中，所述陀螺仪设置在所述三维点云数据测量装置上。
于本发明一实施例中，所述三维点云数据测量装置和所述控制器集成为一体。
于本发明一实施例中，所述三维点云数据测量装置采用3D扫描仪。
如上所述，本发明的三维点云数据匹配方法及系统、控制器，具有以下有益效果：
(1)利用陀螺仪能够精确确定运动物体方位的特定，获取测量视角之间的相对位姿关系，以进行三维点云数据的匹配；
(2)将相对位姿关系作为迭代最近点算法的迭代初值，使得匹配算法更容易收敛，快速高效，稳定性好。
附图说明
图1显示为本发明的基于陀螺仪的三维点云数据匹配方法于一实施例中的流程图；
图2显示为本发明的基于陀螺仪的三维点云数据匹配系统于一实施例中的结构示意图；
图3显示为本发明的控制器于一实施例中的结构示意图；
图4显示为本发明的基于陀螺仪的三维点云数据匹配系统于另一实施例中的结构示意图。
元件标号说明
21 第一接收模块
22 第二接收模块
23 匹配模块
31 通信器
32 处理器
33 存储器
41 陀螺仪
42 三维点云数据测量装置
43 控制器
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
本发明的基于陀螺仪的三维点云数据匹配方法及系统、控制器利用陀螺仪能够精确确定运动物体方位的特定，获取测量视角之间的相对位姿关系，以进行三维点云数据的匹配；同时，将相对位姿关系作为迭代初值，使得匹配算法更容易收敛，快速高效，稳定性好。
如图1所示，于一实施例中，本发明的基于陀螺仪的三维点云数据匹配方法包括以下步骤：
步骤S1、接收陀螺仪发送来的三维点云数据测量装置在当前测量时刻与在前测量时刻之间的相对位姿。
陀螺仪是用高速回转体的动量矩敏感壳体相对惯性空间绕正交于自转轴的一个或二个轴的角运动检测装置。利用其他原理制成的角运动检测装置起同样功能的也称陀螺仪。
优选地，陀螺仪设置在三维点云数据测量装置上，并在三维点云数据测量装置转动后，获取三维点云数据测量装置在当前测量时刻与在前测量时刻之间的相对位姿，并发送至控制器。其中，三维点云数据测量装置每转动一次，即进行一次测量，对应一个测量时刻。
步骤S2、接收所述三维点云数据测量装置在当前测量时刻获取的物体表面的三维点云数据。
具体地，三维点云数据测量装置在当前测量时刻下获取物体表面的三维点云数据，并将获取的物体表面的三维点云数据发送至控制器。
步骤S3、根据所述相对位姿对当前测量时刻获取的三维点云数据和和在前测量时刻获取的三维点云数据进行匹配，以获得匹配融合后的三维点云数据。。
具体地，控制器在接收到三维点云数据测量装置在当前测量时刻与在前测量时刻之间的相对位姿和当前测量时刻下的物体表面的三维点云数据时，基于预设算法实现当前测量时刻获取的三维点云数据和和在前测量时刻获取的三维点云数据的匹配，以获得匹配融合后的三维点云数据。反复执行上述匹配操作，当测量完成物体表面的所有三维点云数据时，最终可得到物体表面的三维点云数据。
于本发明一实施例中，还包括接收所述陀螺仪发送来的所述三维点云数据测量装置的初始位姿。具体地，以初始位姿为起始参照点，陀螺仪依次获取三维点云数据测量装置每次转动带来的位姿变化，即三维点云数据测量装置在当前测量时刻与在前测量时刻之间的相对位姿。
于本发明一实施例中，采用迭代最近点算法对当前测量时刻获取的三维点云数据和在前测量时刻获取的三维点云数据进行匹配，采用所述相对位姿作为所述迭代最近点算法的初始值。具体地，根据所述相对位姿对当前测量时刻获取的三维点云数据和和在前测量时刻获取的三维点云数据进行匹配，以获得匹配融合后的三维点云数据包括以下步骤：
31)建立匹配目标函数其中R为旋转矩阵，T为平移矩阵；pj,i为当前测量时刻i时获取的三维点云数据中第j点；pj,i-1在前测量时刻i-1时获取的三维点云数据中第j点，n为三维点云数据所包含的点的个数；
32)利用列文伯格-马夸尔特最优化算法对所述匹配目标函数进行迭代，求解所述旋转矩阵的最优解R'和所述平移矩阵的最优解T'；
33)采用迭代最近点算法对当前测量时刻获取的三维点云数据和和在前测量时刻获取的三维点云数据进行匹配，采用所述相对位姿作为迭代最近点算法的初始值，获取匹配融合后的三维点云数据Pall＝Pi-1+(Pi+R'+T')，其中，Pi-1为在前测量时刻i-1时获取的三维点云数据，Pi为当前测量时刻i时获取的三维点云数据。
如图2所示，于一实施例中，本发明的基于陀螺仪的三维点云数据匹配系统包括第一接收模块21、第二接收模块22和匹配模块23。
第一接收模块21用于接收陀螺仪发送来的三维点云数据测量装置在当前测量时刻与在前测量时刻之间的相对位姿。
陀螺仪是用高速回转体的动量矩敏感壳体相对惯性空间绕正交于自转轴的一个或二个轴的角运动检测装置。利用其他原理制成的角运动检测装置起同样功能的也称陀螺仪。
优选地，陀螺仪设置在三维点云数据测量装置上，并在三维点云数据测量装置转动后，获取三维点云数据测量装置在当前测量时刻与在前测量时刻之间的相对位姿，并发送至匹配模块23。其中，三维点云数据测量装置每转动一次，即进行一次测量，对应一个测量时刻。
第二接收模块22用于接收所述三维点云数据测量装置在当前测量时刻获取的物体表面的三维点云数据。
具体地，三维点云数据测量装置在当前测量时刻下获取物体表面的三维点云数据，并将获取的物体表面的三维点云数据发送至匹配模块23。
匹配模块23与第一接收模块21和第二接收模块22相连，用于根据所述相对位姿将所述三维点云数据和在前三维点云数据匹配结果进行匹配，以获得更新后的三维点云数据匹配结果。
具体地，匹配模23在接收到三维点云数据测量装置在当前测量时刻与在前测量时刻之间的相对位姿和当前测量时刻下的物体表面的三维点云数据时，基于预设算法实现当前测量时刻获取的三维点云数据和和在前测量时刻获取的三维点云数据的匹配，以获得匹配融合后的三维点云数据。反复执行上述匹配操作，当测量完成物体表面的所有三维点云数据时，最终可得到物体表面的三维点云数据。
于本发明一实施例中，还包括第三接收模块，用于接收所述陀螺仪发送来的所述三维点云数据测量装置的初始位姿。具体地，以初始位姿为起始参照点，陀螺仪依次获取三维点云数据测量装置每次转动带来的位姿变化，即三维点云数据测量装置在当前测量时刻与在前测量时刻之间的相对位姿。
于本发明一实施例中，匹配模块23采用迭代最近点算法对当前测量时刻获取的三维点云数据和在前测量时刻获取的三维点云数据进行匹配，采用所述相对位姿作为所述迭代最近点算法的初始值。具体地，匹配模块23于本发明一实施例中，采用迭代最近点算法对当前测量时刻获取的三维点云数据和在前测量时刻获取的三维点云数据进行匹配，采用所述相对位姿作为所述迭代最近点算法的初始值。具体地，匹配模块23根据所述相对位姿对当前测量时刻获取的三维点云数据和和在前测量时刻获取的三维点云数据进行匹配，以获得匹配融合后的三维点云数据执行以下步骤：
31)建立匹配目标函数其中R为旋转矩阵，T为平移矩阵；pj,i为当前测量时刻i时获取的三维点云数据中第j点；pj,i-1在前测量时刻i-1时获取的三维点云数据中第j点，n为三维点云数据所包含的点的个数；
32)利用列文伯格-马夸尔特最优化算法对所述匹配目标函数进行迭代，求解所述旋转矩阵的最优解R'和所述平移矩阵的最优解T'；
33)采用迭代最近点算法对当前测量时刻获取的三维点云数据和和在前测量时刻获取的三维点云数据进行匹配，采用所述相对位姿作为迭代最近点算法的初始值，获取匹配融合后的三维点云数据Pall＝Pi-1+(Pi+R'+T')，其中，Pi-1为在前测量时刻i-1时获取的三维点云数据，Pi为当前测量时刻i时获取的三维点云数据。
需要说明的是，应理解以上系统的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，x模块可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上x模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(ApplicationSpecificIntegratedCircuit，简称ASIC)，或，一个或多个微处理器(digitalsingnalprocessor，简称DSP)，或，一个或者多个现场可编程门阵列(FieldProgrammableGateArray，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(CentralProcessingUnit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称SOC)的形式实现。
如图3所示，于一实施例中，本发明的控制器包括通信器31、处理器32及存储器33。
所述通信器31用于接收陀螺仪发送来的三维点云数据测量装置在当前测量时刻与在前测量时刻之间的相对位姿以及所述三维点云数据测量装置在当前测量时刻下获取的物体表面的三维点云数据。
优选地，所述通信器31通过有线或无线的方式与陀螺仪和三维点云数据测量装置进行数据通信。
所述存储器33用于存储计算机程序。
优选地，所述存储器33包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
所述处理器32与所述通信器31和所述存储器33相连，用于根据所述相对位姿和所述三维点云数据，执行所述存储器存储的计算机程序，以使所述控制器执行上述基于陀螺仪的三维点云数据匹配方法。
优选地，处理器32可以是通用处理器，包括中央处理器(CentralProcessingUnit，简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(DigitalSignalProcessing，简称DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，简称ASIC)、现场可编程门阵列(Field－ProgrammableGateArray，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
如图4所示，于一实施例中，本发明的基于陀螺仪的三维点云数据匹配系统包括陀螺仪41、三维点云数据测量装置42和上述的控制器43。
所述陀螺仪41用于获取所述三维点云数据测量装置42在当前测量时刻与在前测量时刻之间的相对位姿，并发送至所述控制器43。
于本发明一实施例中，所述陀螺仪41设置在所述三维点云数据测量装置42上。每当所述三维点云数据测量装置42转动，所述陀螺仪41即获取所述三维点云数据测量装置42此次转动产生的位姿变化，即所述相对位姿。
所述三维点云数据测量装置42用于在各个测量时刻获取的物体表面的三维点云数据，并发送至所述控制器43。
于本发明一实施例中，所述三维点云数据测量装置采用3D扫描仪。
所述控制器43的结构和原理如上所述，故在此不再赘述。
于本发明一实施例中，所述三维点云数据测量装置42和所述控制器43集成为一体，从而便于执行操作。
优选地，还包括显示装置，与所述控制器43相连，用于显示所述控制器43生成的三维点云数据匹配结果。当物体表面所有的三维点云数据测量完成后，显示最终得到的物体表面的三维点云数据。
综上所述，本发明的基于陀螺仪的三维点云数据匹配方法及系统、控制器利用陀螺仪能够精确确定运动物体方位的特定，获取测量视角之间的相对位姿关系，以进行三维点云数据的匹配；将相对位姿关系作为迭代最近点算法的迭代初值，使得匹配算法更容易收敛，快速高效，稳定性好。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (10)

1.一种基于陀螺仪的三维点云数据匹配方法，其特征在于：包括以下步骤：
接收陀螺仪发送来的三维点云数据测量装置在当前测量时刻与在前测量时刻之间的相对位姿；
接收所述三维点云数据测量装置在当前测量时刻获取的物体表面的三维点云数据；
根据所述相对位姿对当前测量时刻获取的三维点云数据和和在前测量时刻获取的三维点云数据进行匹配，以获得匹配融合后的三维点云数据。
2.根据权利要求1所述的基于陀螺仪的三维点云数据匹配方法，其特征在于：还包括接收所述陀螺仪发送来的所述三维点云数据测量装置的初始位姿。
3.根据权利要求1所述的基于陀螺仪的三维点云数据匹配方法，其特征在于：采用迭代最近点算法对当前测量时刻获取的三维点云数据和和在前测量时刻获取的三维点云数据进行匹配，采用所述相对位姿作为所述迭代最近点算法的初始值。
4.根据权利要求1所述的基于陀螺仪的三维点云数据匹配方法，其特征在于：根据所述相对位姿对当前测量时刻获取的三维点云数据和和在前测量时刻获取的三维点云数据进行匹配，以获得匹配融合后的三维点云数据包括以下步骤：
建立匹配目标函数其中R为旋转矩阵，T为平移矩阵；pj,i为当前测量时刻i时获取的三维点云数据中第j点；pj,i-1在前测量时刻i-1时获取的三维点云数据中第j点，n为三维点云数据所包含的点的个数；
利用列文伯格-马夸尔特最优化算法对所述匹配目标函数进行迭代，求解所述旋转矩阵的最优解R'和所述平移矩阵的最优解T'；
采用迭代最近点算法对当前测量时刻获取的三维点云数据和和在前测量时刻获取的三维点云数据进行匹配，采用所述相对位姿作为迭代最近点算法的初始值，获取匹配融合后的三维点云数据Pall＝Pi-1+(Pi+R'+T')，其中，Pi-1为在前测量时刻i-1时获取的三维点云数据，Pi为当前测量时刻i时获取的三维点云数据。
5.一种基于陀螺仪的三维点云数据匹配系统，其特征在于：包括第一接收模块、第二接收模块和匹配模块；
所述第一接收模块用于接收陀螺仪发送来的三维点云数据测量装置在当前测量时刻与在前测量时刻之间的相对位姿；
所述第二接收模块用于接收所述三维点云数据测量装置在当前测量时刻获取的物体表面的三维点云数据；
所述匹配模块用于根据所述相对位姿对当前测量时刻获取的三维点云数据和和在前测量时刻获取的三维点云数据进行匹配，以获得匹配融合后的三维点云数据。
6.一种控制器，其特征在于：包括通信器、处理器及存储器；
所述通信器用于接收陀螺仪发送来的三维点云数据测量装置在当前测量时刻与在前测量时刻之间的相对位姿以及所述三维点云数据测量装置在当前测量时刻获取的物体表面的三维点云数据；
所述存储器用于存储计算机程序；
所述处理器用于根据所述相对位姿和所述三维点云数据，执行所述存储器存储的计算机程序，以使所述控制器执行权利要求1-4中任一所述基于陀螺仪的三维点云数据匹配方法。
7.一种基于陀螺仪的三维点云数据匹配系统，其特征在于：包括陀螺仪、三维点云数据测量装置和权利要求6所述的控制器；
所述陀螺仪用于获取所述三维点云数据测量装置在当前测量时刻与在前测量时刻之间的相对位姿，并发送至所述控制器；
所述三维点云数据测量装置用于在各个测量时刻获取的物体表面的三维点云数据，并发送至所述控制器。
8.根据权利要求7所述的基于陀螺仪的三维点云数据匹配系统，其特征在于：所述陀螺仪设置在所述三维点云数据测量装置上。
9.根据权利要求7所述的基于陀螺仪的三维点云数据匹配系统，其特征在于：所述三维点云数据测量装置和所述控制器集成为一体。
10.根据权利要求7所述的基于陀螺仪的三维点云数据匹配系统，其特征在于：所述三维点云数据测量装置采用3D扫描仪。
CN201710911804.0A 2017-09-29 2017-09-29 基于陀螺仪的三维点云数据匹配方法及系统、控制器 Withdrawn CN109584280A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710911804.0A CN109584280A (zh) 2017-09-29 2017-09-29 基于陀螺仪的三维点云数据匹配方法及系统、控制器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710911804.0A CN109584280A (zh) 2017-09-29 2017-09-29 基于陀螺仪的三维点云数据匹配方法及系统、控制器

Publications (1)

Publication Number Publication Date
CN109584280A true CN109584280A (zh) 2019-04-05

Family

ID=65919254

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710911804.0A Withdrawn CN109584280A (zh) 2017-09-29 2017-09-29 基于陀螺仪的三维点云数据匹配方法及系统、控制器

Country Status (1)

Country Link
CN (1) CN109584280A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103197308A (zh) * 2013-03-15 2013-07-10 浙江大学 基于多波束相控阵声纳系统的三维声纳可视化处理方法
CN104715469A (zh) * 2013-12-13 2015-06-17 联想(北京)有限公司 一种数据处理方法及电子设备
CN104778688A (zh) * 2015-03-27 2015-07-15 华为技术有限公司 点云数据的配准方法及装置
CN106056664A (zh) * 2016-05-23 2016-10-26 武汉盈力科技有限公司 一种基于惯性和深度视觉的实时三维场景重构系统及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103197308A (zh) * 2013-03-15 2013-07-10 浙江大学 基于多波束相控阵声纳系统的三维声纳可视化处理方法
CN104715469A (zh) * 2013-12-13 2015-06-17 联想(北京)有限公司 一种数据处理方法及电子设备
CN104778688A (zh) * 2015-03-27 2015-07-15 华为技术有限公司 点云数据的配准方法及装置
CN106056664A (zh) * 2016-05-23 2016-10-26 武汉盈力科技有限公司 一种基于惯性和深度视觉的实时三维场景重构系统及方法

Similar Documents

Publication Publication Date Title
Vasconcelos et al. A minimal solution for the extrinsic calibration of a camera and a laser-rangefinder
US9508146B2 (en) Automated frame of reference calibration for augmented reality
Ke et al. Quasiconvex optimization for robust geometric reconstruction
KR101532864B1 (ko) 모바일 디바이스들에 대한 평면 맵핑 및 트래킹
CN108230247B (zh) 基于云端的三维地图的生成方法、装置、设备及计算机可读的存储介质
CN109559371B (zh) 一种用于三维重建的方法和装置
CN107481288A (zh) 双目摄像头的内外参确定方法和装置
Noble et al. High precision X-ray stereo for automated 3D CAD-based inspection
CN110335296A (zh) 一种基于手眼标定的点云配准方法
Kim et al. Motion estimation for nonoverlapping multicamera rigs: Linear algebraic and L∞ geometric solutions
Sansoni et al. 3-D optical measurements in the field of cultural heritage: the case of the Vittoria Alata of Brescia
Jin et al. Fast and accurate initialization for monocular vision/INS/GNSS integrated system on land vehicle
CN113870366A (zh) 基于位姿传感器的三维扫描系统的标定方法及其标定系统
CN104596443B (zh) 基于三线激光器固有特性的光平面方程拟合定位标定方法
CN104677911B (zh) 用于机器视觉检验的检验设备和方法
CN106767405B (zh) 相位映射辅助三维成像系统快速对应点匹配的方法及装置
CN109584280A (zh) 基于陀螺仪的三维点云数据匹配方法及系统、控制器
Zheng et al. A non-coplanar high-precision calibration method for cameras based on an affine coordinate correction model
Wang An efficient coordinate frame calibration method for 3-D measurement by multiple camera systems
CN105212293A (zh) 一种基于点胶技术对文胸模杯微胶囊整理的精确控制方法
Sun et al. A new camera calibration method for multi-camera localization
CN109579765A (zh) 基于伺服电机的三维点云数据匹配方法及系统、控制器
Noble et al. CAD-based inspection using X-ray stereo
Yang et al. A novel vision localization method of automated micro-polishing robot
CN105335567B (zh) 适应非曼哈顿形体的随机行走电容参数提取方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20190405