基于特征匹配的三維點云配準算法研究.pdf

1、隨著現代工業(yè)對生產效率和產品質量的要求，計算機輔助制造工程已經成為現代計算機科學的重要成分。三維點云配準算法是計算機輔助制造工程中較為重要的分支，通過點云配準算法的研究具有可以起到控制工業(yè)生產測量精度誤差和加快工業(yè)生產進度等的作用。三維點云配準算法是為了得到完整的測量物體，原理上就是對多角度測量的點云數據信息進行信息整合。它的核心問題包含兩方面：第一，是否能夠從待配準的點云數據中準確提取出相互對應的特征點集。第二，是否能有效降低噪聲信息

2、對點云配準的影響。
　　本研究主要內容包括：⑴要掌握三維點云匹配算法，首先需要掌握二維特征點提取及匹配。本文深入研究了二維序列圖像特征點配準算法，并提出了改進措施。為了提高現有拼接算法的準確性和時效性，首先考慮到照片曝光度和拍攝角度的不同造成兩待拼接圖像共有特征區(qū)域不易匹配，采用高斯濾波對圖像平滑處理來消除一部分噪聲點。其次針對特征點提取后不容易匹配或匹配經常失敗的圖像，采取人工相同特征區(qū)域標記，并以此為準通過距離和角度的關系消去

3、 SIFT算法提取的兩圖不匹配的特征點，減少后續(xù)匹配時間和提高圖像拼接成功率。⑵對工業(yè)測量中稀疏三維點云配準算法進行了研究。工業(yè)制造對精度有較高的要求，需要進行精度測量來評價待測產品是否符合工業(yè)標準。本文提出了兩階段稀疏點云配準新方法，先利用主元分析法（PCA）對兩點云進行預匹配，使空間坐標歸一。然后判斷兩點云最近點迭代（ICP）均方差是否小于設定閾值，如果均方差大于閾值，則采用隨機抽樣一致性（RANSAC）算法取重合度高的匹配點對，進

4、行下一次點云配準。采用RANSAC算法目的是保證得到最優(yōu)空間坐標轉換參數，使得點云配準精度更高，通過實際數據驗證，本文所提方法的精度高于現有常用方法，進而證明了本文方法有效性和正確性。⑶三維密集點云數據特征配準的研究。目前常用點云匹配算法是ICP算法，ICP算法具有兩待配準點云的旋轉角度不能過大等缺點。本文提出了用兩階段改進算法，先使用PCA進行點云數據粗配準，使得待配準點云數據基本坐標位置對應。然后對粗配準后得到的點云數據進行多新息卡