CN111161327A - 一种结合旋转平台和icp的点云配准方法 - Google Patents
一种结合旋转平台和icp的点云配准方法 Download PDFInfo
- Publication number
- CN111161327A CN111161327A CN201911406507.6A CN201911406507A CN111161327A CN 111161327 A CN111161327 A CN 111161327A CN 201911406507 A CN201911406507 A CN 201911406507A CN 111161327 A CN111161327 A CN 111161327A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- registration
- point
- plane
- icp
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000009616 inductively coupled plasma Methods 0.000 title claims description 33
- 239000011159 matrix material Substances 0.000 claims description 42
- 239000013598 vector Substances 0.000 claims description 22
- 230000009466 transformation Effects 0.000 claims description 11
- 230000002146 bilateral effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000009499 grossing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
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
-
- 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)
- Image Processing (AREA)
Abstract
本发明公开了一种结合旋转平台和ICP的点云配准方法通过旋转平台粗配准,不需要依赖点云自身的表面特征,只需要知道点云之间的旋转角度和旋转轴位置,然后将此配准结果作为ICP配准算法时的初始位置进行进一步的精配准,从而有效地解决了由于各个角度的特征比较相似甚至相同的点云配准失败的问题,最终获得较好的配准结果。
Description
技术领域
本发明属于点云配准方法技术领域,具体涉及一种结合旋转平台和ICP的点云配准方法。
背景技术
点云配准技术是通过计算两片点云间的转换矩阵,对多幅单视角点云进行拼接,从而获得完整的点云模型,点云配准技术在整个三维重建过程中发挥着至关重要的作用,因为每片点云都是从一个单一的视角获得的,不能反映物体整体的特征,所以要想得到一个物体完整的点云模型就必须要通过点云配准技术对各个视角的点云进行拼接。目前,国内外的许多学者都对点云配准技术做了不同程度的研究,点云配准技术包括点原粗配准和点云精配准,并且通常情况下这两种技术需要结合起来使用。其中,目前应用比较广泛的粗配准技术大多是基于随机采样一致性(RANSAC)思想的,比较经典的算法有Super-4pcs,SAC-IA等,其中SAC-IA算法需要计算点云的点特征直方图,计算量比较大,导致效率比较低,而Super-4pcs算法需要根据两片点云中的共面四点对估计转换矩阵,所以无论是SAC-IA算法,还是Super-4pcs算法都要依赖于点云的表面特征来计算两片点云之间的对应点,从而计算出点云之间的转换矩阵。所以这类算法有一个相同的缺点,那就是对于那些各个角度的特征比较相似甚至相同的点云,在寻找对应点的时候很容易出现错误,从而导致配准失败。
发明内容
针对现有技术中的上述不足,本发明提供的结合旋转平台和ICP的点云配准方法解决了现有的点云配准过程中各个角度的特征比较相似甚至相同而造成的点云配准失败的问题。
为了达到上述发明目的,本发明采用的技术方案为:一种结合旋转平台和ICP的点云配准方法,包括以下步骤:
S1、获取旋转平台上的平面点云和原始待配准点云;
S2、对旋转平台上的平面点云进行处理,获得对应的旋转矩阵;
S3、基于旋转矩阵,对原始待配准点云进行粗配准;
S4、将粗配准后的点云作为点云初始位置,通过ICP配准算法对粗配准后的点云进行精配准;
S5、基于精配准后的点云,进行多幅点云的逐步配准,获得完整的点云模型,进而实现点云配准。
进一步地,所述步骤S2具体为:
S21、确定旋转平台中心点的三维坐标;
S22、对旋转平台上的平面点云进行点云修正误差处理;
S23、对修正误差处理后的平面点云进行平面拟合,并确定平面法向量;
S24、根据旋转平台中心点的三维坐标和平面法向量,确定旋转平台的旋转参数;
S25、根据旋转平台的旋转参数,计算出对应的旋转矩阵。
进一步地,所述步骤S22中通过对旋转平台上的平面点云进行双边平滑滤波处理,实现修正点云误差。
进一步地,所述步骤S23具体为:
设修正误差后的平面点云满足的平面方程为ax+by+cz+d=0,在重建的平面点云上抽取m个点代入平面方程,当m>4时,得到平面方程中参数a,b,c和d的最小二乘解,进而得到此时的平面法向量为:
式中,Nx,Ny,Nz分别平面法向量的x轴、y轴和z轴坐标。
进一步地,所述步骤S24中的旋转参数包括旋转平台的旋转轴位置和旋转角度。
进一步地,所述步骤S24中的旋转角度为:重建各个角度的点云时,旋转平台对应的旋转角度;
所述旋转轴为经过旋转平台的圆盘圆心且方向向量为平面法向量的直线,所述圆盘圆心坐标为:
式中,M为圆盘表面的点云总数;
(xi,yi,zi)为旋转平台上的点云第i个点的坐标值。
进一步地,所述步骤S3具体为:
将旋转矩阵应用于原始待配准点云中的每一个点,使旋转矩阵对应的平面点云和原始待配准点云的重叠部分对齐,实现原始待配准点云的粗配准;
其中,将旋转矩阵应用与原始带配准点云中的每一个点的方法为:将旋转矩阵与原始待配准点云中的每个点的坐标相乘,得到粗配准后的点为:
式中,(X1,Y1,Z1)为配准后点云中点的坐标;
(X0,Y0,Z0)为配准前点云中点的坐标;
(XS,YS,ZS)为旋转平台圆心坐标;
R(N,θ)为旋转矩阵,N为旋转平台法向量,θ为旋转角度。
进一步地,所述步骤S4具体为:
以粗配准后的点云作为初始位置,对于粗配准后点云中的每个点在参考点云中寻找与之距离最近的点,并不断迭代求解使对应点对间的距离和最小的变换矩阵,实现点云的精配准;
其中,粗配准后的点云中的任意一个点和参考点云中与之距离最近的点作为一组对应点对。
本发明的有益效果为:
本发明提供的结合旋转平台和ICP的点云配准方法通过旋转平台粗配准,不需要依赖点云自身的表面特征,只需要知道点云之间的旋转角度和旋转轴位置,然后将此配准结果作为ICP配准算法时的初始位置进行进一步的精配准,从而有效地解决了由于各个角度的特征比较相似甚至相同的点云配准失败的问题,最终获得较好的配准结果。
附图说明
图1为本发明提供的结合旋转平台与ICP的点云配准方法实现流程图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,一种结合旋转平台和ICP的点云配准方法,包括以下步骤:
S1、获取旋转平台上的平面点云和原始待配准点云;
S2、对旋转平台上的平面点云进行处理,获得对应的旋转矩阵;
S3、基于旋转矩阵,对原始待配准点云进行粗配准;
S4、将粗配准后的点云作为点云初始位置,通过ICP配准算法对粗配准后的点云进行精配准;
S5、基于精配准后的点云,进行多幅点云的逐步配准,获得完整的点云模型,进而实现点云配准。
上述步骤S1中,通过对旋转平台的平面点云进行处理才能获得对应的旋转矩阵,才能通过旋转矩阵对原始待配准点云进行粗配准,所以旋转平台的平面点云只是用来获得旋转矩阵;
点云粗配准技术是对原始位姿相差较大的两幅点云进行配准,主要是通过在原始点云中进行采样,以采样得到的对应点计算变换矩阵,并将该变换矩阵应用于原点云的每一个点,使得两幅点云中的重叠部分大致对齐,为后续的点云精配准提供一个良好的初始。本发明中没有通过在原始点云中进行采样以获得变换矩阵并进行粗配准,而是通过旋转平台确定能够表示更多点云信息的旋转矩阵来实现点云的粗配准;基于此,上述步骤S2具体为:
S21、确定旋转平台中心点的三维坐标;
具体地,通过对旋转平台上的中心点做标记来计算出旋转平台中心点的三维坐标;
S22、对旋转平台上的平面点云进行点云修正误差处理;
S23、对修正误差处理后的平面点云进行平面拟合,并确定平面法向量;
S24、根据旋转平台中心点的三维坐标和平面法向量,确定旋转平台的旋转参数;
S25、根据旋转平台的旋转参数,计算出对应的旋转矩阵。
上述步骤S22中通过对旋转平台上的平面点云进行双边平滑滤波处理,实现修正点云误差;
上述步骤S23具体为:
设修正误差后的平面点云满足的平面方程为ax+by+cz+d=0,在重建的平面点云上抽取m个点代入平面方程,当m>4时,得到平面方程中参数a,b,c和d的最小二乘解,进而得到此时的平面法向量为:
式中,Nx,Ny,Nz分别平面法向量的x轴、y轴和z轴坐标。
上述步骤S24中的旋转参数包括旋转平台的旋转轴位置和旋转角度,基于此,其中,旋转角度是又人为设定的,在重建点云时为了重建出各个角度的点云,每次会将旋转平台旋转一定的角度,因此旋转角度为:重建各个角度的点云时,旋转平台对应的旋转角度;
因为,旋转平台是一个圆盘,所以旋转轴一定是垂直于圆盘并经过圆心的,因此只需要确定圆盘圆心坐标再加上平面法向量,就可确定旋转轴的位置,而圆盘圆心坐标由圆盘平面点云信息直接获取,旋转轴为经过旋转平台的圆盘圆心且方向向量为平面法向量的直线,得到圆盘圆心坐标为:
式中,M为圆盘表面的点云总数;
(xi,yi,zi)为旋转平台上的点云第i个点的坐标值。
上述步骤S3具体为:
将旋转矩阵应用于原始待配准点云中的每一个点,使旋转矩阵对应的平面点云和原始待配准点云的重叠部分对齐,实现原始待配准点云的粗配准;
其中,将旋转矩阵应用与原始带配准点云中的每一个点的方法为:将旋转矩阵与原始待配准点云中的每个点的坐标相乘,得到粗配准后的点为:
式中,(X1,Y1,Z1)为配准后点云中点的坐标;
(X0,Y0,Z0)为配准前点云中点的坐标;
(XS,YS,ZS)为旋转平台圆心坐标;
R(N,θ)为旋转矩阵,N为旋转平台法向量,θ为旋转角度。
上述步骤S4对点云进行精配准时,采用的是ICP配准算法,是在粗配准的基础上通过寻址对应点不断迭代求解使对应点间的距离最小化的转换矩阵来进行配准,ICP算法是将两片点云中距离最近的点作为对应点,并通过最小化所有的对应点对之间的距离和来计算变换矩阵,然后不断迭代,所以ICP算法比较依赖一个较好的初始位置,只有初始位置比较好,找对应点的时候才不容易出错,才会朝着正确的方向进行迭代,如果初始位置不好,找对应点出错,就很容易朝着错误的方向迭代,陷入局部最优,导致最终配准失败。而本发明中通过旋转平台进行点云粗配准,为后续的ICP算法进行精配准提供了良好的数据基础,基于此,上述步骤S4具体为:
以粗配准后的点云作为初始位置,对于粗配准后点云中的每个点在参考点云中寻找与之距离最近的点,并不断迭代求解使对应点对间的距离和最小的变换矩阵,实现点云的精配准;
其中,粗配准后的点云中的任意一个点和参考点云中与之距离最近的点作为一组对应点对。
上述步骤S5中,前述步骤S1-S4中的配准是指两片点云之间的配准,这里的多幅点云的配准是在点云逐步两两配准的基础上实现的,即每次点云两两配准时求得的转换矩阵都要乘以上一片点云的转换矩阵,以此结果作为当前待配准点云的转换矩阵。
本发明提供的结合旋转平台和ICP的点云配准方法通过旋转平台粗配准,不需要依赖点云自身的表面特征,只需要知道点云之间的旋转角度和旋转轴位置,然后将此配准结果作为ICP配准算法时的初始位置进行进一步的精配准,从而有效地解决了由于各个角度的特征比较相似甚至相同的点云配准失败的问题,最终获得较好的配准结果。
Claims (8)
1.一种结合旋转平台和ICP的点云配准方法,其特征在于,包括以下步骤:
S1、获取旋转平台上的平面点云和原始待配准点云;
S2、对旋转平台上的平面点云进行处理,获得对应的旋转矩阵;
S3、基于旋转矩阵,对原始待配准点云进行粗配准;
S4、将粗配准后的点云作为点云初始位置,通过ICP配准算法对粗配准后的点云进行精配准;
S5、基于精配准后的点云,进行多幅点云的逐步配准,获得完整的点云模型,进而实现点云配准。
2.根据权利要求1所述的结合旋转平台和ICP的点云配准方法,其特征在于,所述步骤S2具体为:
S21、确定旋转平台中心点的三维坐标;
S22、对旋转平台上的平面点云进行点云修正误差处理;
S23、对修正误差处理后的平面点云进行平面拟合,并确定平面法向量;
S24、根据旋转平台中心点的三维坐标和平面法向量,确定旋转平台的旋转参数;
S25、根据旋转平台的旋转参数,计算出对应的旋转矩阵。
3.根据权利要求1所述的结合旋转平台和ICP的点云配准方法,其特征在于,所述步骤S22中通过对旋转平台上的平面点云进行双边平滑滤波处理,实现修正点云误差。
5.根据权利要求2所述的结合旋转平台和ICP的点云配准方法,其特征在于,所述步骤S24中的旋转参数包括旋转平台的旋转轴位置和旋转角度。
6.根据权利要求5所述的结合旋转平台和ICP的点云配准方法,其特征在于,所述步骤S24中的旋转角度为:重建各个角度的点云时,旋转平台对应的旋转角度;
所述旋转轴为经过旋转平台的圆盘圆心且方向向量为平面法向量的直线,所述圆盘圆心坐标为:
式中,M为圆盘表面的点云总数;
(xi,yi,zi)为旋转平台上的点云第i个点的坐标值。
8.根据权利要求1所述的结合旋转平台和ICP的点云配准方法,其特征在于,所述步骤S4具体为:
以粗配准后的点云作为初始位置,对于粗配准后点云中的每个点在参考点云中寻找与之距离最近的点,并不断迭代求解使对应点对间的距离和最小的变换矩阵,实现点云的精配准;
其中,粗配准后的点云中的任意一个点和参考点云中与之距离最近的点作为一组对应点对。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911406507.6A CN111161327A (zh) | 2019-12-31 | 2019-12-31 | 一种结合旋转平台和icp的点云配准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911406507.6A CN111161327A (zh) | 2019-12-31 | 2019-12-31 | 一种结合旋转平台和icp的点云配准方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111161327A true CN111161327A (zh) | 2020-05-15 |
Family
ID=70559767
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911406507.6A Pending CN111161327A (zh) | 2019-12-31 | 2019-12-31 | 一种结合旋转平台和icp的点云配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111161327A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114241018A (zh) * | 2021-12-09 | 2022-03-25 | 电子科技大学 | 一种牙齿点云配准方法、系统及可读存储介质 |
CN114459378A (zh) * | 2022-02-16 | 2022-05-10 | 河南城建学院 | 一种隧道工程三维激光扫描分段测量方法及测量系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105574812A (zh) * | 2015-12-14 | 2016-05-11 | 深圳先进技术研究院 | 多角度三维数据配准方法及装置 |
CN107702663A (zh) * | 2017-09-29 | 2018-02-16 | 五邑大学 | 一种基于具有标志点的旋转平台的点云配准方法 |
CN109285184A (zh) * | 2018-08-29 | 2019-01-29 | 三峡大学 | 基于重心与质心变换的三维点云初始配准算法 |
CN110443836A (zh) * | 2019-06-24 | 2019-11-12 | 中国人民解放军战略支援部队信息工程大学 | 一种基于平面特征的点云数据自动配准方法及装置 |
-
2019
- 2019-12-31 CN CN201911406507.6A patent/CN111161327A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105574812A (zh) * | 2015-12-14 | 2016-05-11 | 深圳先进技术研究院 | 多角度三维数据配准方法及装置 |
CN107702663A (zh) * | 2017-09-29 | 2018-02-16 | 五邑大学 | 一种基于具有标志点的旋转平台的点云配准方法 |
CN109285184A (zh) * | 2018-08-29 | 2019-01-29 | 三峡大学 | 基于重心与质心变换的三维点云初始配准算法 |
CN110443836A (zh) * | 2019-06-24 | 2019-11-12 | 中国人民解放军战略支援部队信息工程大学 | 一种基于平面特征的点云数据自动配准方法及装置 |
Non-Patent Citations (3)
Title |
---|
李兴南等: "几何特征在点云配准中的应用", 《计算机工程与应用》 * |
李怀泽: "基于旋转平台的多视角三维重建", 《中国优秀硕士学位论文全文数据库(电子期刊) 信息科技辑》 * |
苏本跃等: "面向RGBD深度数据的快速点云配准方法", 《中国图象图形学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114241018A (zh) * | 2021-12-09 | 2022-03-25 | 电子科技大学 | 一种牙齿点云配准方法、系统及可读存储介质 |
CN114241018B (zh) * | 2021-12-09 | 2023-05-09 | 电子科技大学 | 一种牙齿点云配准方法、系统及可读存储介质 |
CN114459378A (zh) * | 2022-02-16 | 2022-05-10 | 河南城建学院 | 一种隧道工程三维激光扫描分段测量方法及测量系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109409437B (zh) | 一种点云分割方法、装置、计算机可读存储介质及终端 | |
CN109767463B (zh) | 一种三维点云自动配准方法 | |
CN101692257B (zh) | 一种复杂曲面的配准方法 | |
CN109285184B (zh) | 基于重心与质心变换的三维点云初始配准算法 | |
CN112017220B (zh) | 一种基于抗差约束最小二乘算法的点云精确配准方法 | |
CN101763632B (zh) | 摄像机标定的方法和装置 | |
CN107481274B (zh) | 一种三维作物点云的鲁棒性重构方法 | |
CN104463894A (zh) | 一种多视角三维激光点云全局优化整体配准方法 | |
CN109472816B (zh) | 一种点云配准方法 | |
CN109917430B (zh) | 一种基于轨迹平滑算法的卫星定位轨迹漂移纠偏方法 | |
CN104392426A (zh) | 一种自适应的无标志点三维点云自动拼接方法 | |
CN103727930A (zh) | 一种基于边缘匹配的激光测距仪与相机相对位姿标定方法 | |
CN108257163B (zh) | 一种已知扫描点位置下的两点点云配准方法 | |
CN111179321B (zh) | 一种基于模板匹配的点云配准方法 | |
CN105160686B (zh) | 一种基于改进sift算子的低空多视角遥感影像匹配方法 | |
CN111161327A (zh) | 一种结合旋转平台和icp的点云配准方法 | |
CN107818598B (zh) | 一种基于视觉矫正的三维点云地图融合方法 | |
CN109559346B (zh) | 一种3d点云测量中的待测部位的定位及分割方法、扫描仪 | |
CN108830888B (zh) | 基于改进的多尺度协方差矩阵特征描述子的粗匹配方法 | |
CN114241018B (zh) | 一种牙齿点云配准方法、系统及可读存储介质 | |
CN113628263A (zh) | 一种基于局部曲率及其近邻特征的点云配准方法 | |
CN103729882A (zh) | 一种基于三维曲线匹配的点云相对位姿估计方法 | |
CN104764407A (zh) | 一种电缆护套厚度的精细测量方法 | |
CN110363801A (zh) | 工件实物与工件三维cad模型的对应点匹配方法 | |
CN110927743A (zh) | 一种基于多线激光点云极化表征的智能车定位方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200515 |
|
WD01 | Invention patent application deemed withdrawn after publication |