CN112561975A - 基于层次化闭合环约束的多视点云全局优化配准方法 - Google Patents

Abstract

本发明公开了一种基于层次化闭合环约束的多视点云全局优化配准方法，属于计算机视觉和激光扫描数据处理的交叉领域。本发明针对手不同扫描视角产生的配准基元邻域信息的空间差异，根据配准基元的特征一致性和几何一致性对点云进行连通性分析，对多视点云构建连通图，将成对点云之间的相似变换统一到基准坐标系。基于层次化闭合环约束，通过最小二乘联合平差的误差分析与修正，得到全局优化精配准结果。

Description

基于层次化闭合环约束的多视点云全局优化配准方法

技术领域

本发明属于计算机视觉和激光扫描数据处理的交叉领域，尤其涉及点云数据预处理，多视点云配准，针对激光点云测量数据处理自动化研究。

背景技术

激光扫描测量技术是获取三维目标空间信息的重要手段，利用激光测距的原理创建被测目标几何表面的点云，通过记录大量的密集点的空间坐标、色彩纹理和反射强度等信息，可快速重建被测目标的三维实体及线、面、体等各种模型基元数据。随着三维点云获取技术的发展与推广，用户可以快捷地获取场景目标的多分辨率、多尺度、多时态点云数据。其中，手持式激光扫描仪具有良好的便携性、较高的几何精度(亚毫米级)，可快速地完成准确、高分辨率的三维扫描，在精密零部件测量、文化遗产数字化保护等应用中发挥着重要作用，为多尺度、多场景目标的三维空间信息获取提供了强有力的技术支撑。

三维点云记录了目标的全方位几何、属性信息，其对细节的描述也十分精确，但点云的高密度、海量、空间无序性以及场景中三维目标的数据不完整性，目标间的重叠性、遮挡性、相似性等现象给手持激光点云要素提取和增强带来了巨大的挑战。因此需要对多视点云数据进行拼接与配准，从而获取完整的目标点云，兼顾场景的宏观信息和细节特征。对于存在不同程度噪声干扰、大范围对称区域的大尺度点云，迫切需要一种鲁棒、高效、普适的算法来获得全局最优的配准结果，为后续点云分类分割、目标提取、曲面重建等处理过程提供便利。

发明内容

本发明针对不同扫描视角产生的配准基元邻域信息的空间差异，根据连通性对多视点云构建连通图，将成对点云之间的相似变换统一到基准坐标系。基于层次化闭合环约束，通过最小二乘联合平差的误差分析与修正，得到全局优化精配准结果。

本发明针对不同扫描视角下捕获的手持式激光扫描点云，提出一种基于层次化闭合环约束，对已完成特征提取和成对配准的点云对，通过最小二乘联合平差的误差分析与修正，进行多视点云全局优化配准方法。本方法分为4个关键步骤：全局连通性分析、层次化遍历闭合环、闭合环误差剔除和累积空间变换。

本发明通过以下技术流程解决上述问题：

一种基于层次化闭合环约束的多视点云全局优化配准方法，包括以下步骤：

步骤1，选定基准点云坐标系。首先，读取多视点云文件、同名特征点对信息以及闭合环粗差探测后的成对配准结果。然后对输入的多视点云，采用同名特征点对数衡量点云之间的配准关系强弱，将相应同名特征点数量定义为全局点云连通图中相应节点之间的边缘权重。继而，判断配准关系是否足够稳健，当同名特征点对数少于给定最小点对集合数，则认为点云之间的配准关系弱并给予拒绝，否则接纳配准关系。最后，计算连通图各节点的边权值之和，并按照降序排列，以边权值之和最大的节点作为根节点，即边权值之和最大节点代表的点云为基准点云。

步骤2，层次化遍历闭合环。首先，对步骤1确定的根节点各边按权值从大至小遍历。若边不构成闭合环，则根据输入的成对配准结果与根节点进行配准；若边构成闭合环，则重新调整局部配准中的空间变换误差，进行闭合环误差重分配。

步骤3，闭合环误差重分配；构成闭合环的点云P_i、P_j和P_k两两之间分别存在同名特征点对，由特征一致性约束和几何一致性检验得P_i和P_j之间的同名特征点对BSC_i和BSC_j，满足条件方程(1)：

BSC_i＝R_i→jBSC_j+T_i→j (1)

同理，P_j和P_k之间的同名特征点对BSC_j和BSC_k，P_i和P_k之间的同名特征点对BSC′_i和BSC′_k，分别满足条件方程(2)和(3)：

BSC_j＝R_j→kBSC_k+T_j→k (2)

其中BSC′_j为P_k中BSC′_k在P_j中对应的虚拟同名特征点；

对以上三组方程整理并构造法方程(4)，采用联合平差法迭代计算出两组旋转矩阵R_i→j、R_j→k和平移矩阵T_i→j、T_j→k，其中观测值为同名特征点对，未知数由旋转角

Δω、Δκ和平移参数ΔX、ΔY、ΔZ构成；

其中，V表示观测方程未知数求解未知数的改正值，L′、L″表示观测值与近似值之差，A_ij、B_jk、A′_ik、B′_ik分别表示同名特征点对BSC_i和BSC_j、BSC_j和BSC_k、BSC′_i和BSC′_k、BSC′_j和BSC′_k对应关系的系数矩阵，N_ij表示P_i和P_j之间的同名特征点对数量，N_jk表示P_j和P_k之间的同名特征点对数量，N_ik表示P_k和P_i之间的同名特征点对数量；

步骤3中法方程(4)的求解如下；

当V^TPV最小时，求得未知数的解，此处P为单位阵，记B为求解参数建立的误差方程式的系数，则有X＝(B^TPB)^-1B^TL；

其中，B对应法方程(4)中同名特征点对对应关系的系数矩阵，L对应法方程(4)中观测值与近似值之差。

步骤4，点云融合并更新连通图。将完成与根节点配准的点云融合为新的跟节点，更新连通图，并进行下一轮配准。重复上述步骤1-3，直至所有点云都完成配准，通过累积空间变换，可以将每个点云配准到全局坐标系中，从而获得最终的多视点云配准结果。

步骤3中法方程(4)的求解如下；

当V^TPV最小时，求得未知数的解，此处P为单位阵，记B为求解参数建立的误差方程式的系数，则有X＝(B^TPB)^-1B^TL；

其中，B对应法方程(4)中同名特征点对对应关系的系数矩阵，L对应法方程(4)中观测值与近似值之差。

与现有技术相比，本发明的优点和有益效果：

本方法从关键点的几何信息和邻域空间拓扑关系两方面衡量其差异性，用于提取旋转不变性的BSC描述子，继而采用特征一致性和几何一致性匹配，确定出同名特征点对，并估计出潜在配准点云之间的空间转换模型，计算的较为准确的转换参数，平均距离误差约20mm，这证明了本文采用的成对配准方法能获取较好的初值，可用于高精度全局优化精配准中。然后在此基础上，结合图论思想和联合平差方法，经过闭合环误差重分配后的全局优化精配准结果进一步提升，平均距离误差达3mm，尤其当点云数较多时，经闭合环误差重分配后点云的平均距离误差大大降低，验证了在本方法的层次化闭合环约束下的全局优化精配准的有效性。

附图说明

图1是本发明实施例的技术整体流程；

图2是本发明实施例的整体实施步骤；

图3是本发明实施例输入5个扫描视角下的点云与成对配准结果示意图；其中(a)输入5个扫描视角下的点云，(b)基于BSC描述子的成对配准结果，直观反映了成对配准结果相对于对照组同名点间的距离误差；

图4是本发明实施例由同名特征点对构建全局点云连通图；其中(a)基于特征一致性和几何一致性提取同名特征点，(b)根据同名特征点构建全局点云图；

图5是本发明实施例闭合环处理流程示意图；

图6是本发明实施例基于层次化闭合环约束得到的最终多视点云配准结果。

具体实施方式

本发明针对不同扫描视角下捕获的手持式激光扫描点云，提出一种基于层次化闭合环约束，对已完成特征提取和成对配准的点云对，通过最小二乘联合平差的误差分析与修正，进行多视点云全局优化配准方法。本发明的整体技术流程由图1所示。本方法分为4个关键步骤：全局连通性分析、层次化遍历闭合环、闭合环误差剔除和累积空间变换。本方法的具体实施步骤由图2所示。

步骤1，选定基准点云坐标系。首先，读取多视点云文件、基于特征一致性和几何一致性提取的同名特征点对信息以及闭合环粗差探测后的成对配准结果。输入5个扫描视角下的点云与成对配准结果如图3所示。然后对输入的多视点云，采用同名特征点对数衡量点云之间的配准关系强弱，将相应同名特征点数量定义为全局点云连通图中相应节点之间的边缘权重。继而，判断配准关系是否足够稳健，此处设置最小点对集合数为100，当同名特征点对数少于给定最小点对集合数，则认为点云之间的配准关系弱并给予拒绝，否则接纳配准关系。由同名特征点对构建全局点云连通图如图4所示。最后，计算连通图各节点的边权值之和，并按照降序排列，以边权值之和最大的节点作为根节点，即边权值之和最大节点代表的点云为基准点云，如图5(b)的节点x₂。

步骤2，层次化遍历闭合环。首先，对步骤1确定的根节点各边按权值从大至小遍历。若边构成闭合环，则重新调整局部配准中的空间变换误差，进行闭合环误差重分配；若边不构成闭合环，则根据输入的成对配准结果与根节点进行配准。

在具体实施过程中，第一轮对根节点x₂各边按权值从大至小遍历，如图5(a)-(c)所示。首先由边x₂→x₁、x₂→x₃、x₂→x₅探测得节点x₁，x₃，x₅。然后根据权值排序先判断节点x₁和x₃之间是否存在边，因存在边x₁→x₃，则对存在三度重叠的三站点云x₁，x₂，x₃进行误差重分配。继而根据权值排序再判断节点x₃和x₅之间是否存在边，因存在边x₃→x₅，同理对三站点云x₂，x₃，x₅进行误差重分配。在第二轮中，遍历融合后的根节点x_{1，2，3，5}的边，得到唯一边x_{1，2，3，5}→x₄，则直接将节点x₄配准到根节点对应的基准坐标，如图5(d)所示。

步骤3，闭合环误差重分配。如图5(b)的节点x₁，x₂，x₃，构成闭合环的点云P₁、P₂和P₃两两之间分别存在同名特征点对，由特征一致性约束和几何一致性检验得P₁和P₂之间的同名特征点对BSC₁和BSC₂，满足条件方程1：

BSC₁＝R_1→2BSC₂+T_1→2 (1)

同理，P₂和P₃之间的同名特征点对BSC₂和BSC₃，P₁和P₃之间的同名特征点对BSC′₁和BSC′₃，分别满足条件方程2和3：

BSC₂＝R_2→3BSC₃+T₂→₃ (2)

其中BSC′₂为P₃中BSC′₃在P₂中对应的虚拟同名特征点。

对以上三组方程整理并构造法方程，采用联合平差方迭代计算出两组旋转矩阵R_1→2、R_2→3和平移矩阵T_1→2、T_2→3，其中观测值为同名特征点对，未知数由旋转角

Δω、Δκ和平移参数ΔX、ΔY、ΔZ构成。

其中，V表示观测方程未知数求解未知数的改正值，L′、L″表示观测方程中的常数项，A_ij、B_jk、A′_ik、B′_ik分别表示同名特征点对BSC_i和BSC_j、BSC_j和BSC_k、BSC′_i和BSC′_k、BSC′_j和BSC′_k对应关系的系数矩阵，N_ij表示P_i和P_j之间的同名特征点对数量，N_jk表示P_j和P_k之间的同名特征点对数量，N_ik表示P_k和P_i之间的同名特征点对数量。

步骤3中法方程(4)的求解如下；

当V^TPV最小时，求得未知数的解，此处P为单位阵，记B为求解参数建立的误差方程式的系数，则有X＝(B^TPB)^-1B^TL；

其中，B对应法方程(4)中同名特征点对对应关系的系数矩阵，L对应法方程(4)中观测值与近似值之差。

步骤4，点云融合并更新连通图。将完成与根节点配准的点云融合为新的跟节点，更新连通图，并进行下一轮配准，如图5(d)所示。重复上述步骤1-3，直至所有点云都完成配准，通过累积空间变换，可以将每个点云配准到全局坐标系中，从而获得最终的多视点云配准结果。

综上，本发明可以对手持式激光扫描仪获得的多视点云构建连通图，基于层次化闭合环约束，通过最小二乘联合平差的误差分析与修正，得到全局优化精配准结果。本发明实施例中由输入5个扫描视角下的多视点云的最终配准结果如图6所示。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (3)

1.基于层次化闭合环约束的多视点云全局优化配准方法，其特征在于，包括以下步骤：

步骤1，选定基准点云坐标系；首先，读取多视点云文件、基于特征一致性和几何一致性提取的同名特征点对信息以及闭合环粗差探测后的成对配准结果；然后对输入的多视点云，采用同名特征点对数衡量点云之间的配准关系强弱，将相应同名特征点数量定义为全局点云连通图中相应节点之间的边缘权重；继而，判断配准关系是否足够稳健，当同名特征点对数少于给定最小点对集合数，则认为点云之间的配准关系弱并给予拒绝，否则接纳配准关系；最后，计算连通图各节点的边权值之和，并按照降序排列，以边权值之和最大的节点作为根节点，即边权值之和最大节点代表的点云为基准点云；

步骤2，层次化遍历闭合环；首先，对步骤1确定的根节点各边按权值从大至小遍历；若边不构成闭合环，则根据输入的成对配准结果与根节点进行配准；若边构成闭合环，则重新调整局部配准中的空间变换误差，进行闭合环误差重分配；

步骤3，闭合环误差重分配；构成闭合环的点云P_i、P_j和P_k两两之间分别存在同名特征点对，由特征一致性约束和几何一致性检验得P_i和P_j之间的同名特征点对BSC_i和BSC_j，满足条件方程(1)：

BSC_i＝R_i→jBSC_j+T_i→j (1)

同理，P_j和P_k之间的同名特征点对BSC_j和BSC_k，P_i和P_k之间的同名特征点对BSC′_i和BSC′_k，分别满足条件方程(2)和(3)：

BSC_j＝R_j→kBSC_k+T_j→k (2)

其中BSC′_j为P_k中BSC′_k在P_j中对应的虚拟同名特征点；

对以上三组方程整理并构造法方程(4)，采用联合平差法迭代计算出两组旋转矩阵R_i→j、R_j→k和平移矩阵T_i→j、T_j→k，其中观测值为同名特征点对，未知数由旋转角

Δω、Δκ和平移参数ΔX、ΔY、ΔZ构成；

其中，V表示观测方程未知数求解未知数的改正值，L′、L″表示观测值与近似值之差，A_ij、B_jk、A′_ik、B′_ik分别表示同名特征点对BSC_i和BSC_j、BSC_j和BSC_k、BSC′_i和BSC′_k、BSC′_j和BSC′_k对应关系的系数矩阵，N_ij表示P_i和P_j之间的同名特征点对数量，N_jk表示P_j和P_k之间的同名特征点对数量，N_ik表示P_k和P_i之间的同名特征点对数量；

步骤4，点云融合并更新连通图；将完成与根节点配准的点云融合为新的跟节点，更新连通图，并进行下一轮配准；重复上述步骤1-3，最大限度地降低累积误差，直至所有点云都完成配准，通过累积空间变换，将每个点云配准到全局坐标系中，从而获得最终的多视点云配准结果。

2.如权利要求1所述的基于层次化闭合环约束的多视点云全局优化配准方法，其特征在于：步骤1的具体实现过程如下；

设步骤1中确定的跟节点为x₂，输入5个扫描视角下的点云与成对配准结果，第一轮对根节点x₂各边按权值从大至小遍历，首先由边x₂→x₁、x₂→x₃、x₂→x₅探测得节点x₁，x₃，x₅；然后根据权值排序先判断节点x₁和x₃之间是否存在边，因存在边x₁→x₃，则对存在三度重叠的三站点云x₁，x₂，x₃进行误差重分配；继而根据权值排序再判断节点x₃和x₅之间是否存在边，因存在边x₃→x₅，同理对三站点云x₂，x₃，x₅进行误差重分配；在第二轮中，遍历融合后的根节点x_{1，2，3，5}的边，得到唯一边x_{1，2，3，5}→x₄，则直接将节点x₄配准到根节点对应的基准坐标。

3.如权利要求1所述的基于层次化闭合环约束的多视点云全局优化配准方法，其特征在于：步骤3中法方程(4)的求解如下；

当V^TPV最小时，求得未知数的解，此处P为单位阵，记B为求解参数建立的误差方程式的系数，则有X＝(B^TPB)^-1B^TL；

其中，B对应法方程(4)中同名特征点对对应关系的系数矩阵，L对应法方程(4)中观测值与近似值之差。

Images