CN115239772A

CN115239772A - 船舶曲板三维点云配准方法、系统、存储介质及终端

Info

Publication number: CN115239772A
Application number: CN202210877666.XA
Authority: CN
Inventors: 刘玉奇; 杨诚; 裴大茗; 翟亚宇; 李游; 其他发明人请求不公开姓名
Original assignee: China Institute Of Marine Technology & Economy
Current assignee: China Institute Of Marine Technology & Economy
Priority date: 2022-07-25
Filing date: 2022-07-25
Publication date: 2022-10-25

Abstract

本发明公开了一种船舶曲板三维点云配准方法、系统、存储介质及终端，方法包括：从能围成船舶曲板待配准区域的多个模块中确定一个中心模块；在每个重叠视场内布设多个标志点；对中心模块与每个剩余模块分别进行点云数据采集以获取得到一组目标点云数据及多组原始点云数据；将目标点云数据与原始点云数据进行点云粗配准以实现船舶外板点云重叠区域的粗配准；对目标点云数据及多组原始点云数据分别进行预处理；分别从目标点云数据及多组原始点云数据中截取出与每个重叠视场对应的多个重叠区域点云数据；将同一重叠视场中的两个重叠区域点云数据进行处理以替换该重叠区域点云数据；进行精配准，中心模块与每个剩余模块均具有至少一个重叠视场。

Description

船舶曲板三维点云配准方法、系统、存储介质及终端

技术领域

本发明涉及点云配准技术领域，尤其涉及一种船舶曲板三维点云配准方法、系统、存储介质及终端。

背景技术

点云配准技术广泛应用于逆向工程、建筑工程、机器视觉等领域。三维点云的配准本质上是在一个适当度量空间内，通过求解最佳的旋转和平移矩阵使得两组数据集重叠区域内各对应点的平均距离最小。传统的配准算法主要有基于局部特征描述子的算法(如快速点特征直方图算法(即FPFH)、3D形状上下文特征算法(即3Dsc)等)、基于概率分布的算法(如正态分布变换算法(即Normal-Distributions Transform，简称NDT))和基于点与点距离的配准算法如迭代最近点搜索算法(即Iterative Closest Point，简称ICP)。其中，基于局部特征描述子的算法和基于概率分布的算法通常用于粗配准；基于点与点距离的配准算法通常用于精配准。

由于精配准算法的算法开销大，且对于完全未知的两坐标系的配准初值对算法的计算效率和精度影响较大。因此，当前主流的配准方案通常采用粗配准+精配准的级联方案，且配准前对数据进行适当预处理，如对数据集进行滤波采样去除噪点来提高算法的精度、通过降采样减少数据量来提高运算效率。

区别于传统的复杂工件、自动驾驶等应用场景，船舶外板多为曲率变化较小的平滑曲板。测量系统为了充分利用三维激光扫描硬件设备的视场，使其覆盖更大的测量空间，通常使得成像设备间的重叠视场区域较小，且在重叠区域内船舶外板表面多为曲率变化不大且平滑的曲面，导致纹理特征少；单纯采用传统的粗配准算法配准效果不佳。同时，由于重叠区域的点云数据分布不均匀，因此直接利用重叠区域的数据进行基于点与点之间距离的精配准算法无法满足精度要求。

发明内容

本发明的目的在于提供一种船舶曲板三维点云配准方法、系统、存储介质及终端，用以解决现有技术中覆盖测量空间较大时导致数据重叠区域内纹理特征少，从而导致精配准算法的精度变低的难题。

本发明的上述目的可采用下列技术方案来实现：

本发明提供了一种船舶曲板三维点云配准方法，包括：

从能围成船舶曲板待配准区域的多个模块中确定一个中心模块；

按照预设规则在每个重叠视场内布设多个标志点；

对所述中心模块与每个剩余模块分别进行点云数据采集以获取得到一组目标点云数据及多组原始点云数据；

基于相对应的所述多个标志点的属性，将所述目标点云数据与所述原始点云数据进行点云粗配准以实现船舶外板点云重叠区域的粗配准；

对粗配准后的所述目标点云数据及所述多组原始点云数据分别进行预处理；

基于每个所述标志点的属性，分别从所述目标点云数据及所述多组原始点云数据中截取出与每个所述重叠视场对应的多个重叠区域点云数据；

将同一所述重叠视场中的两个所述重叠区域点云数据进行稀疏化拟合处理以替换该重叠区域点云数据；

基于所述目标点云数据、所述多组原始点云数据及多个所述重叠区域点云数据进行精配准。

其中，所述中心模块与每个所述剩余模块均具有至少一个所述重叠视场。

优选的，其中，所述基于相对应的所述多个标志点的属性，将所述目标点云数据与所述原始点云数据进行点云粗配准以实现船舶外板点云重叠区域的粗配准包括：

利用标志点识别算法获取每个所述标志点的中心三维坐标；

基于所述中心模块中的所述多个标志点与一个所述剩余模块中的所述多个标志点之间的属性关系满足预设要求，将所述目标点云数据与对应的所述原始点云数据进行点云粗配准以实现船舶外板点云重叠区域的粗配准。

优选的，其中，所述预处理包括对数据进行去噪、滤波和补全。

优选的，其中，所述预处理中滤波时采用的滤波函数为：

p(i+1)＝k×p(i)+(1-k)×p(i-1)；

其中，k为滤波系数，i为不小于1的整数。

优选的，其中，所述滤波系数不小于0.1，且不大于0.4。

优选的，其中，将同一所述重叠视场中的两个所述重叠区域点云数据进行拟合处理时采用二次曲面拟合的方式；和/或

将同一所述重叠视场中的两个所述重叠区域点云数据进行稀疏化处理时采用等间隔方式进行。

优选的，其中，所述精配准采用迭代最近点搜索算法进行。

本发明还提供了一种系统，其中，包括：执行任一项前述的船舶曲板三维点云配准方法的模块。

本发明还提供了一种存储介质，其上存储有计算机程序，其中，所述存储介质是计算机可读存储介质，且所述程序被执行时实现任一项前述的船舶曲板三维点云配准方法。

本发明还提供了一种终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现任一项前述的船舶曲板三维点云配准方法。

本发明至少具有以下特点及优点：

1、本发明通过基一种基于标志点的粗配准和基于重叠区域的快速精配准耦合的方法，解决船舶外板分块采集云数据的拼接问题，实现三维设备通过一次数据采集得到完整的外板三维点云数据，从而提升了数据采集效率与精度。

2、本发明通过稀疏化拟合得到的数据更加规整，数据量更少，使原始点云和目标点云数据的对应性更好，从而提高了计算效率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明船舶曲板三维点云配准方法的流程框图；

图2为本发明船舶曲板三维点云配准方法的流程框图；

图3为本发明粗配准方法的流程图；

图4为本发明精配准方法的流程图；

图5为本发明的终端的结构框图。

附图标记与说明：

10000、终端；11000、存储器；11100、计算机程序；12000、处理器。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施方式一

本发明提供了一种船舶曲板三维点云配准方法，请参见图1至图4，包括以下步骤：

S1、从能围成船舶曲板待配准区域的多个模块中确定一个中心模块；

S2、按照预设规则在每个重叠视场内布设多个标志点；

S3、对中心模块与每个剩余模块分别进行点云数据采集以获取得到一组目标点云数据及多组原始点云数据；

S4、基于相对应的多个标志点的属性，将目标点云数据与原始点云数据进行点云粗配准以实现船舶外板点云重叠区域的粗配准；

S5、对粗配准后的目标点云数据及多组原始点云数据分别进行预处理；

S6、基于每个标志点的属性，分别从目标点云数据及多组原始点云数据中截取出与每个重叠视场对应的多个重叠区域点云数据；

S7、将同一重叠视场中的两个重叠区域点云数据进行稀疏化拟合处理以替换该重叠区域点云数据；

S8、基于目标点云数据、多组原始点云数据及多个重叠区域点云数据进行精配准。

其中，中心模块与每个剩余模块均具有至少一个重叠视场。

在一些实施例中，请参见图2，S4、基于相对应的多个标志点的属性，将目标点云数据与原始点云数据进行点云粗配准以实现船舶外板点云重叠区域的粗配准包括：

S41、利用标志点识别算法获取每个标志点的中心三维坐标；

S42、基于中心模块中的多个标志点与一个剩余模块中的多个标志点之间的属性关系满足预设要求，将目标点云数据与对应的原始点云数据进行点云粗配准以实现船舶外板点云重叠区域的粗配准。

在一些实施例中，基于中心模块中的多个标志点与一个剩余模块中的多个标志点之间的属性关系满足预设要求是指中心模块中的多个标志点与一个剩余模块中的多个标志点为同名点，也即中心模块中的多个标志点的编号与一个剩余模块中的多个标志点的编号相同。

在一些实施例中，预处理包括对数据进行去噪、滤波和补全。

进一步的，预处理中滤波时采用的滤波函数为：

p(i+1)＝k×p(i)+(1-k)×p(i-1)；

其中，k为滤波系数，i为不小于1的整数。更进一步的，滤波系数不小于0.1，且不大于0.4。

在一些实施例中，将同一重叠视场中的两个重叠区域点云数据进行拟合处理时采用二次曲面拟合的方式；在另一些实施例中，将同一重叠视场中的两个重叠区域点云数据进行稀疏化处理时采用等间隔方式进行。

在一些实施例中，精配准采用迭代最近点搜索算法进行。

本发明至少具有以下特点及优点：

下面通过一个具体实施例来对本发明做进一步的研究，请参见图1至图4：

如图3所示，本发明粗配准包括以下步骤：

步骤一：在中心模块与每个剩余模块的重叠视场内摆放标志点，摆放主要遵从以下原则：标志点尽可能覆盖更多的重叠区域；保证各标志点两两之间的距离不同，组成的形状不规则；

步骤二：进行点云数据采集，由于模块间存在重叠视场区域，因此点云数据的采集分时进行，得到多组点云数据；

步骤三：利用标志点识别算法得到标志点中心点的三维坐标；

步骤四：基于同名点的点云粗配准。

假设得到n个重叠区域内标志点的中心坐标，则可以构建n组同名点。然后利用n组空间同名点求取原始点云到目标点云的粗配准旋转矩阵R1和平移矩阵T1；

如图4所示，本发明精配准包括以下步骤：

步骤一：对粗配准原始点云和目标点云数据进行去噪和滤波补全数据预处理。

具体的，去噪过程为：计算深度图中每个点的八邻域中非零深度值的均值，然后求取该点深度值与八邻域均值之间的误差，若误差大于5mm则认为该点为噪声，进行剔除；遍历各行数据，按行对点云数据进行滤波。假如点云为m行×n列个(x,y,z)数据，对于其中某行数据存在数据集[p(1),p(2),…p(i),…,p(n)]，其中p(i)＝{xi,yi,zi}利用滤波函数对每行数据进行处理得到新的点云数据，滤波函数如下：p(i+1)＝k×p(i)+(1-k)×p(i-1)，其中k为滤波系数，取值范围[0.1,0.4]；

步骤二：分别在原始点云和目标点云的深度图中根据获取的标志点中心点三维坐标，将点云数据截取出来，得到重叠区域的原始点云和目标点云；

步骤三：分别对原始点云和目标点云中截取的重叠区域点云数据进行二次曲面拟合，得到拟合曲面的方程。然后根据得到的曲面方程，等间隔重新计算标志点区域内的点云数据，终得到稀疏化的点云数据；

步骤四：调用迭代最近点搜索算法进行稀疏化拟合点云数据的精配准，得到精配准的旋转矩阵R2和平移矩阵T2。

本发明是一种基于标志点的粗配准和基于重叠区域的快速精配准耦合的方法。通过标志点部署、点云数据采集、标志点识别和基于同名点的点云粗配准实现船舶外板点云重叠区域粗配准；通过对粗配准点云数据进行去噪和滤波补全数据预处理、根据标志点中心坐标截取重叠区域点云、对截取点云数据进行参数化拟合，利用稀疏化拟合数据进行精配准。本发明可以解决船舶外板分块采集云数据的拼接问题，实现三维设备通过一次数据采集得到完整的外板三维点云数据，提高配准效率和精度。

实施方式二

本发明实施例还提供了一种系统，该系统包括执行实施方式一中任意一个实施例中方法的步骤的模块。本领域的技术人员应当了解，本发明提供的系统具有和实施方式一中的实施例一样的有益效果，在这里就不再进行赘述。

实施方式三

本发明实施例还提供了一种存储介质，其上存储有计算机程序11100，存储介质是计算机可读存储介质，且该程序被处理器12000执行时实现实施方式一中任一实施例方法的步骤。其中，计算机可读存储介质可以包括但不限于任何类型的盘，包括软盘、光盘、DVD、CD-ROM、微型驱动器以及磁光盘、ROM、RAM、EPROM、EEPROM、DRAM、VRAM、闪速存储器设备、磁卡或光卡、纳米系统(包括分子存储器IC)，或适合于存储指令和/或数据的任何类型的媒介或设备。具体执行过程可以参见实施方式一中的方法实施例的具体说明，在此不进行赘述。

本领域的技术人员应当了解，本发明提供的存储介质具有和实施方式一中实施例一样的有益效果，在这里就不再进行赘述。

实施方式四

本发明实施例还提供了一种终端10000，请参见图5，包括存储器11000、处理器12000及存储在存储器11000上并可在处理器12000上运行的计算机程序11100。其中该处理器12000执行该计算机程序11100时实现实施方式一中任一实施例的方法。具体执行过程可以参见上述方法实施例的具体说明，在此不进行赘述。

本发明实施例中，处理器12000为计算机系统的控制中心，可以是实体机的处理器，也可以是虚拟机的处理器。本发明实施例中，存储器11000中存储有至少一条指令，该指令由处理器12000加载并执行以实现上述各个实施例中的方法。

本发明的一个实施例中，处理器12000可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器12000可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器12000也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central Processing Unit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。

存储器11000可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器11000还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在本发明的一些实施例中，存储器11000中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器12000所执行以实现本发明实施例中的方法。

本领域的技术人员应当了解，本发明提供的终端10000具有和实施方式一中实施例一样的有益效果，在这里就不再进行赘述。

以上，仅是本发明的较佳实施例而已，并非对本发明做任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims

1.一种船舶曲板三维点云配准方法，其特征在于，包括：

按照预设规则在每个重叠视场内布设多个标志点；

2.根据权利要求1所述的船舶曲板三维点云配准方法，其特征在于，所述基于相对应的所述多个标志点的属性，将所述目标点云数据与所述原始点云数据进行点云粗配准以实现船舶外板点云重叠区域的粗配准包括：

利用标志点识别算法获取每个所述标志点的中心三维坐标；

3.根据权利要求2所述的船舶曲板三维点云配准方法，其特征在于，所述预处理包括对数据进行去噪、滤波和补全。

4.根据权利要求3所述的船舶曲板三维点云配准方法，其特征在于，所述预处理中滤波时采用的滤波函数为：

p(i+1)＝k×p(i)+(1-k)×p(i-1)；

其中，k为滤波系数，i为不小于1的整数。

5.根据权利要求4所述的船舶曲板三维点云配准方法，其特征在于，所述滤波系数不小于0.1，且不大于0.4。

6.根据权利要求1至5中任一项所述的船舶曲板三维点云配准方法，其特征在于，

将同一所述重叠视场中的两个所述重叠区域点云数据进行拟合处理时采用二次曲面拟合的方式；和/或

7.根据权利要求6所述的船舶曲板三维点云配准方法，其特征在于，所述精配准采用迭代最近点搜索算法进行。

8.一种系统，其特征在于，包括：

执行权利要求1至7中任一项所述的船舶曲板三维点云配准方法的模块。

9.一种存储介质，其上存储有计算机程序，其特征在于，所述存储介质是计算机可读存储介质，且所述程序被执行时实现如权利要求1至7中任一项所述的船舶曲板三维点云配准方法。

10.一种终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1到7中任一项所述的船舶曲板三维点云配准方法。