CN1996387A - 三维扫描系统中点云拼接用标志点匹配方法 - Google Patents

Abstract

一种能够对点云拼接时标志点的进行快速匹配的方法：首先将逐次扫描开始的第一幅点云标志点集合按照空间坐标与距离值，动态划分层，形成层嵌套；其次设逐次扫描开始的第一幅点云为基准，对逐次扫描开始的第一幅点云与逐次扫描开始的第二幅点云进行标志点匹配时，在搜索识别前预先估计符合实际运动规律的数据区域，采取区域数据匹配的方法，匹配识别对准之后将处理结果数据加入相应的数据层，进行下一步的预测估计，同时动态的修正数据层，不断加以记忆和优化；寻找逐次扫描的第一幅点云与逐次扫描的第i幅点云的标志点匹配时，以此类推。

Description

三维扫描系统中点云拼接用标志点匹配方法

技术领域

逆向工程技术(附图1)是利用3D数字化测量仪器对产品(物理模型或原型)进行数字化，采集模型三维坐标点后利用CAD软件建模，最后再制造出产品的先进制造技术，其一般包括四个基本环节：三维形体检测与转换(物理数据的获得)、数据预处理(点云处理、识别、多视拼接)，CAD模型的建立(曲面重构)、CAM制件成型。本发明主要是涉及到在逆向工程的数据预处理过程中，对同一物体用三维扫描系统(附图2)获得的多视点云采用多视标签定位法进行拼接时的一种标志点匹配的方法。工程实际中，点云的测量数据一般用于物体的三维显示或其数字模型的三维重建中，故要求实际测量数据必须是坐标归一化和完整的。而在产品外形的测量过程中，通常不能在同一坐标系下将产品的几何数据一次测出，因而必须进行坐标归一化，这一过程称为测量数据的重定位，也就是三维数据拼接。在多视标签定位拼接算法中，通过找到标志点的正确匹配，才可以保证拼接的质量，本发明设计了一种基于空间数据动态分层的标志点正确匹配方法。

背景技术

多视图拼接方法是扩展三维测量范围的有效手段。根据测量头和被扫物体的相对运动方式与图像处理方法的不同，拼接方法有：相关拼接法，回转拼接法，条纹图像拼接法，多视标签定位拼接法等。本发明中采用多视标签定位点云拼接技术，特征标志点采用人为的先验设置保证得到完整的三维物体的拓扑结构，思路清晰，实际可行，实现方便，避免了形体拼接的诸多的复杂运算。特征标志点空间搜索识别是三维点云拼接过程中的关键问题，直接影响拼接的质量。

近年来，三维点云的拼接算法在国内外均取得了很大的进展，已发表了相当数量的文献，而特征标志点的正确匹配问题一直是其中的关键和难点问题。

将文献“A method for registration of 3-D shapes”(P.Besl，and D.McKay.PatternAnal.Mach.Intell.，14(2)，239-256，1992.)中提出的ICP算法用于多视标签定位点云拼接即用迭代的方法最小化两个给定点云特征标志点集之间的距离，实现拼接的方法，需要建立点对点的映射关系，在实际应用中，在缺乏明确对应关系的的情况下寻找点集每个特征标志点对点的匹配关系比较困难，计算速度也很慢，不能真正解决实际应用问题。文献“Iterative closest geometric objects registration”(LiQingde，Griffiths J G.Computers and Mathematics with Applications，40，2000，Page(s)：1171～1188.)中提出的ICL和ICT算法，直接对两个给定点云数据点集中的点进行连线和三角化处理，根据一定的准则近似找到两个视图中对应的线段或对应的三角片，建立一个目标方程求解。不过，这个方法无法准确定位，缺乏有效的寻找对应关系的准则，不能保证得到正确的匹配关系。

本发明中提出的基于空间数据动态分层的点云标志点的匹配方法，相比较推理的方法和基于视图识别搜索的方法，根据特征标志点集的三维几何拓扑关系，空间距离关系，通过寻优，有效的解决了在点云拼接时特征标志点群之间的搜索与匹配识别问题，不需要多次测量或者进行复杂的图形逻辑运算，提高了匹配速度和精度。

发明内容

本发明提供一种能够对点云拼接时标志点的进行快速匹配的方法，本发明具有算法复杂度底的优点。

本发明采用如下技术方案：

一种三维扫描系统中点云拼接用标志点匹配方法

第一步：将逐次扫描开始的第一幅点云标志点集合按照空间坐标与距离值，动态划分空间数据集合{M_i}(i＝0，1，...n)，形成层层嵌套，划分准则为：设定中心层M₀，其立方块边长设为L，以中心层数据为基准坐标系，然后，动态添加层，第二层立方体的边长为3L，第三层立方体的边长为5L，以此类推，第i层立方体的边长2i+1，形成层嵌套；

第二步：a)设逐次扫描开始的第一幅点云为基准，将当前数据层M_a指向逐次扫描的第一幅点云中与逐次扫描的第二幅点云重叠区所在数据层，在当前数据层M_a与其相邻的内外两层中寻找逐次扫描的第一幅点云与逐次扫描的第二幅点云的标志点匹配即可，匹配拼接成功后，将逐次扫描开始的第二幅点云的标志点数据加入到逐次扫描开始的第一幅点云相应的数据层，逐次扫描开始的第一幅点云数据层随之动态增加，范围扩大，当逐次扫描的第一幅点云与逐次扫描的第二幅点云在当前数据层M_a与其相邻的内外两层中无标志点匹配时，采用自动递归搜索的方法从逐次扫描的第一幅点云最外层开始由外向内的搜索直到找到与逐次扫描的第二幅点云有标志点匹配的数据区，同样，匹配拼接成功后，逐次扫描开始的第一幅点云标志点数据层也随之动态增加，范围扩大，

b)寻找逐次扫描的第一幅点云与逐次扫描的第三幅点云的标志点匹配时，同样依照上述方法将当前数据层M_a指向逐次扫描的第一幅点云中与逐次扫描的第三幅点云重叠区所在数据层，在当前数据层M_a与其相邻的内外两层中寻找逐次扫描的第一幅点云与逐次扫描的第二幅点云的标志点匹配即可，匹配拼接成功后，将逐次扫描开始的第三幅点云的数据加入到逐次扫描开始的第一幅点云相应的数据层，逐次扫描开始的第一幅点云数据层随之动态增加，范围扩大，当逐次扫描的第一幅点云与逐次扫描的第三幅点云在当前数据层M_a与其相邻的内外两层中无标志点匹配时，采用自动递归搜索的方法从逐次扫描的第一幅点云最外层开始由外向内的搜索直到找到与逐次扫描的第三幅点云有标志点匹配的数据区，同样，匹配拼接成功后，逐次扫描开始的第一幅点云标志点数据层也随之动态增加，范围扩大。寻找逐次扫描的第一幅点云与逐次扫描的第i幅点云的标志点匹配时，以此类推；

上述标志点匹配方法为：

寻找逐次扫描的第一幅点云当前数据层M_a与其相邻的内外两层中和与其相拼接的点云中以任意三个标志点为顶点所构成的所有三角形，并记录这些三角形边长，面积，周长，在逐次扫描的第一幅点云当前数据层M_a与其相邻的内外两层的所有三角形中找到与其相拼接的点云的三角形中具有相同边长，面积，周长的三角形，这些三角形的顶点为相匹配标志点；

本发明主要用于对三维扫描系统中对多视点云进行拼接时特征标志点的匹配。该方法主要有以下优点：

(1)本发明中采用多视标签定位点云拼接技术，标志点采用人为的先验设置保证得到完整的三维物体的拓扑结构，思路清晰，实际可行，实现方便，避免了形体拼接的诸多的复杂运算。

(2)根据层次和动态划分的方法，对标志点数据进行中心开始预先分层，逐渐展开层次，按照空间的距离，依次动态划分，明确空间结构，对应整体拓扑关系，动态分层依据实际拼接运动规律，是一种合理的数据安排，不进行动态分层处理，不仅无法预估，而且为了识别，数据需要全部运算，计算过大，效率很低，易发生错误，甚至在三维物体比较大的情况下无法实现。

(3)本发明中的基于空间数据动态分层的点云标志点的匹配方法，相比较推理的方法和基于视图识别搜索的方法，根据标志点集的三维几何拓扑关系，空间距离关系，通过寻优，有效的解决了在点云拼接时特征标志点群之间的搜索与匹配识别问题，不需要多次测量或者进行复杂的图形逻辑运算，提高了匹配速度和精度。

(4)动态分层的数据结构的使用可以使识别、匹配、拼接等包括一些特殊算法变为可能，具有明显的计算效率，中心开始逐次动态分层的方法，可以随着物体的扫描过程逐渐展开，空间关系明确，操作方便，可以空间预先估计，优化了计算，层间的信息加以记录和实时修改，区域和数量根据实物的拼接动态增长，具有一定的智能化。

(5)在搜索识别前预先估计符合实际运动规律的数据区域，采取区域数据匹配的方法，动态分层数据处理，匹配识别对准之后将处理结果数据加入相应的数据层，进行下一步的预测估计，同时动态的修正数据层，不断加以记忆和优化，减少了运算时间。

(6)采用动态分层处理和预估处理，计算量大大减少，空间关系也比较明确，同时标志点数据实现方式采用线性链表，同时用数组存储必要的信息，具有明显的计算效率。

附图说明

图1是逆向工程流程图。

图2是光栅式三维扫描系统组成图。

图3(a)是第一坐标系下汽车车门点云模型图。

图3(b)是第二坐标系下汽车车门点云模型图。

图3(c)是第三坐标系下汽车车门点云模型图。

图3(d)是第四坐标系下汽车车门点云模型图。

图4是数据结构链表框图。

图5是数据动态分层展开图。

图6是设定当前层流程图。

图7是动态分层拼接流程图。

图8是汽车车门整体点云模型图。

具体实施方式

一种三维扫描系统中点云拼接用标志点匹配方法

第一步：将逐次扫描开始的第一幅点云标志点集合按照空间坐标与距离值，动态划分空间数据集合{M_i}(i＝0，1，...n)，形成层层嵌套，划分准则为：设定中心层M₀，其立方块边长设为L，以中心层数据为基准坐标系，然后，动态添加层，第二层立方体的边长为3L，第三层立方体的边长为5L，以此类推，第i层立方体的边长2i+1，形成层嵌套；

第二步：a)设逐次扫描开始的第一幅点云为基准，将当前数据层M_a指向逐次扫描的第一幅点云中与逐次扫描的第二幅点云重叠区所在数据层，在当前数据层M_a与其相邻的内外两层中寻找逐次扫描的第一幅点云与逐次扫描的第二幅点云的标志点匹配即可，匹配拼接成功后，将逐次扫描开始的第二幅点云的标志点数据加入到逐次扫描开始的第一幅点云相应的数据层，逐次扫描开始的第一幅点云数据层随之动态增加，范围扩大，当逐次扫描的第一幅点云与逐次扫描的第二幅点云在当前数据层M_a与其相邻的内外两层中无标志点匹配时，采用自动递归搜索的方法从逐次扫描的第一幅点云最外层开始由外向内的搜索直到找到与逐次扫描的第二幅点云有标志点匹配的数据区，同样，匹配拼接成功后，逐次扫描开始的第一幅点云标志点数据层也随之动态增加，范围扩大，

b)寻找逐次扫描的第一幅点云与逐次扫描的第三幅点云的标志点匹配时，同样依照上述方法将当前数据层M_a指向逐次扫描的第一幅点云中与逐次扫描的第三幅点云重叠区所在数据层，在当前数据层M_a与其相邻的内外两层中寻找逐次扫描的第一幅点云与逐次扫描的第二幅点云的标志点匹配即可，匹配拼接成功后，将逐次扫描开始的第三幅点云的数据加入到逐次扫描开始的第一幅点云相应的数据层，逐次扫描开始的第一幅点云数据层随之动态增加，范围扩大，当逐次扫描的第一幅点云与逐次扫描的第三幅点云在当前数据层M_a与其相邻的内外两层中无标志点匹配时，采用自动递归搜索的方法从逐次扫描的第一幅点云最外层开始由外向内的搜索直到找到与逐次扫描的第三幅点云有标志点匹配的数据区，同样，匹配拼接成功后，逐次扫描开始的第一幅点云标志点数据层也随之动态增加，范围扩大。寻找逐次扫描的第一幅点云与逐次扫描的第i幅点云的标志点匹配时，以此类推；

上述标志点匹配方法为：

寻找逐次扫描的第一幅点云当前数据层M_a与其相邻的内外两层中和与其相拼接的点云中以任意三个标志点为顶点所构成的所有三角形，并记录这些三角形边长，面积，周长，在逐次扫描的第一幅点云当前数据层M_a与其相邻的内外两层的所有三角形中找到与其相拼接的点云的三角形中具有相同边长，面积，周长的三角形，这些三角形的顶点为相匹配标志点；

在本实施例中，动态分层时，每层内的数据不包括其内部立方块数据。重叠区在逐次扫描的第一幅点云的某数据层内时，将当前数据层M_a指向该数据层，重叠区在逐次扫描的第一幅点云的两层数据区内时，根据计算重叠区域在每层所占空间区域的大小，确定所占区域比较大的数据层，将当前数据层M_a指向该层。

下面参照附图，对本发明加以详细描述：

采用多视标签定位点云拼接技术，得到精确的特征标志点三维数据是三维点云拼接的前提。在物体表面贴特制的标志点，黑底白面高精度的圆，不反光，标志点的数量在三点及以上，不要出现多点共线的情况。根据三维物体的形状在曲率比较比较高的地方多贴点，以保证特征点区域完整表达物体的三维拓扑特征。由于拼接的特性决定了只有具有重叠区域才可以有效拼接，识别对准主要取决于重叠区标志点数据。扫描运动从扫描最初第一幅图开始，逐次重叠，拍摄，拼接，通过两两相拼，完成多幅点云拼接，是一个从局部逐渐向全局展开的过程，不可能脱离了局部直接展开，因此，根据运动特点，在获取三维空间的特征点数据后，根据三维刚体姿态一致与几何不变性，将特征标志点集合按照空间坐标与距离值，从内向外，根据一次扫描可能的最大区域，动态划分空间数据集合，形成层层嵌套，在拼接时保证得到正确的标志点匹配。

图3是汽车车门的在不同坐标系下的点云模型，由于不能一次得到车门的测量数据，通过四次测量得到全部的测量，对特征点数据采用动态分层数据结构，用链表存储与实现。特征点数据实现方式采用线性链表，同时为了实现算法，还增加了几组链表管理：预估链表，层链表等，见图4。

本发明主要涉及以下三方面的内容：

1)特征标志点数据动态分层

读入汽车车门两幅三维点云数据，设置开始的第一幅图为基准图，也称为目标图。以后的拼接运算均是同一到这幅图的坐标系下，将用于拼接的第一幅点云标志点集合按照空间坐标与距离值，动态划分空间数据集合{M_i}(i＝0，1，...n)，形成层层嵌套。划分准则为：设定中心层M₀，其立方块边长设为L，以中心层数据为基准坐标系，然后，动态添加层，第二层立方体的边长为3L，第三层立方体的边长为5L，以此类推，第i层立方体的边长2i+1，形成层嵌套，，动态分层时，每层内的数据不包括其内部立方块数据。见图5。

2)特征标志点预测估计和设定当前数据层

设逐次扫描开始的第一幅点云为基准，将当前数据层M_a指向逐次扫描的第一幅点云中与逐次扫描的第二幅点云重叠区所在数据层，那么当寻找逐次扫描的第一幅点云与逐次扫描的第二幅点云的标志点匹配时，只需在当前数据层M_a与其相邻的内外两层中寻找即可，寻找逐次扫描的第一幅点云当前数据层M_a与其相邻的内外两层中和与逐次扫描的第二幅点云中以任意三个标志点为顶点所构成的所有三角形，并记录这些三角形边长，面积，周长，在逐次扫描的第一幅点云当前数据层M_a与其相邻的内外两层的所有三角形中找到与其相拼接的点云的三角形中具有相同边长，面积，周长的三角形，这些三角形的顶点为相匹配标志点，匹配拼接成功后，将逐次扫描开始的第二幅点云的数据加入到逐次扫描开始的第一幅点云相应的数据层，逐次扫描开始的第一幅点云标志点数据层随之动态增加，范围扩大，称当前数据层M_a与其相邻的内外两层为预估区域，当逐次扫描的第一幅点云与逐次扫描的第二幅点云在此预估区域中无标志点匹配时，采用自动递归搜索的方法从逐次扫描的第一幅点云最外层开始由外向内的搜索直到找到与逐次扫描的第二幅点云有标志点匹配的数据区，同样，匹配成功后，逐次扫描开始的第一幅点云标志点数据层也随之动态增加，范围扩大。重叠区在逐次扫描的第一幅点云的某数据层内时，将当前数据层M_a指向该数据层，重叠区在逐次扫描的第一幅点云的两层数据区内时，根据计算重叠区域在每层所占空间区域的大小，确定所占区域比较大的数据层，将当前数据层M_a指向该层。见图6。

3)点云拼接用标志点匹配

经过标志点动态分层和预估的处理，每次两两匹配时，可以直接采取预估数据与待匹配标志点数据集进行标志点匹配，寻找逐次扫描的第一幅点云当前数据层M_a与其相邻的内外两层中和与其相拼接的点云中以任意三个标志点为顶点所构成的所有三角形，并记录这些三角形边长，面积，周长，在逐次扫描的第一幅点云当前数据层M_a与其相邻的内外两层的所有三角形中找到与其相拼接的点云的三角形中具有相同边长，面积，周长的三角形，这些三角形的顶点为相匹配标志点，没有标志点匹配时，转向递归搜索，进行标志点匹配。每次匹配之后，动态调整标志点当前数据层，再次预估数据准备下次匹配，整体流程图见图7，最后得到车门的整体点云模型，见图8。

Claims (3)

1、一种三维扫描系统中点云拼接用标志点匹配方法，其特征在于：

第一步：将逐次扫描开始的第一幅点云标志点集合按照空间坐标与距离值，动态划分空间数据集合{M_i}(i＝0，1，...n)，形成层层嵌套，划分准则为：设定中心层M₀，其立方块边长设为L，以中心层数据为基准坐标系，然后，动态添加层，第二层立方体的边长为3L，第三层立方体的边长为5L，以此类推，第i层立方体的边长2i+1，形成层嵌套；

第二步：a)设逐次扫描开始的第一幅点云为基准，将当前数据层M_α指向逐次扫描的第一幅点云中与逐次扫描的第二幅点云重叠区所在数据层，在当前数据层M_α与其相邻的内外两层中寻找逐次扫描的第一幅点云与逐次扫描的第二幅点云的标志点匹配即可，匹配拼接成功后，将逐次扫描开始的第二幅点云的标志点数据加入到逐次扫描开始的第一幅点云相应的数据层，逐次扫描开始的第一幅点云数据层随之动态增加，范围扩大，当逐次扫描的第一幅点云与逐次扫描的第二幅点云在当前数据层M_α与其相邻的内外两层中无标志点匹配时，采用自动递归搜索的方法从逐次扫描的第一幅点云最外层开始由外向内的搜索直到找到与逐次扫描的第二幅点云有标志点匹配的数据区，同样，匹配拼接成功后，逐次扫描开始的第一幅点云标志点数据层也随之动态增加，范围扩大，

b)寻找逐次扫描的第一幅点云与逐次扫描的第三幅点云的标志点匹配时，同样依照上述方法将当前数据层M_α指向逐次扫描的第一幅点云中与逐次扫描的第三幅点云重叠区所在数据层，在当前数据层M_α与其相邻的内外两层中寻找逐次扫描的第一幅点云与逐次扫描的第二幅点云的标志点匹配即可，匹配拼接成功后，将逐次扫描开始的第三幅点云的数据加入到逐次扫描开始的第一幅点云相应的数据层，逐次扫描开始的第一幅点云数据层随之动态增加，范围扩大，当逐次扫描的第一幅点云与逐次扫描的第三幅点云在当前数据层M_α与其相邻的内外两层中无标志点匹配时，采用自动递归搜索的方法从逐次扫描的第一幅点云最外层开始出外向内的搜索直到找到与逐次扫描的第三幅点云有标志点匹配的数据区，同样，匹配拼接成功后，逐次扫描开始的第一幅点云标志点数据层也随之动态增加，范围扩大。寻找逐次扫描的第一幅点云与逐次扫描的第i幅点云的标志点匹配时，以此类推；

上述标志点匹配方法为：

寻找逐次扫描的第一幅点云当前数据层M_α与其相邻的内外两层中和与其相拼接的点云中以任意三个标志点为顶点所构成的所有三角形，并记录这些三角形边长，面积，周长，在逐次扫描的第一幅点云当前数据层M_α与其相邻的内外两层的所有三角形中找到与其相拼接的点云的三角形中具有相同边长，面积，周长的三角形，这些三角形的顶点为相匹配标志点。

2、根据权利要求1所述的三维扫描系统中点云拼接用标志点匹配方法，其特征在于动态分层时，每层内的数据只包括当前层与其内部立方块间的数据。

3、根据权利要求1所述的三维扫描系统中点云拼接用标志点匹配方法，其特征在于重叠区在逐次扫描的第一幅点云的某数据层内时，将当前数据层M_α指向该数据层，重叠区在逐次扫描的第一幅点云的两层数据区内时，根据计算重叠区域在每层所占空间区域的大小，确定所占区域比较大的数据层，将当前数据层M_α指向该层。

Images