基于特征匹配的三維點(diǎn)云配準(zhǔn)算法研究.pdf

1、隨著現(xiàn)代工業(yè)對生產(chǎn)效率和產(chǎn)品質(zhì)量的要求，計(jì)算機(jī)輔助制造工程已經(jīng)成為現(xiàn)代計(jì)算機(jī)科學(xué)的重要成分。三維點(diǎn)云配準(zhǔn)算法是計(jì)算機(jī)輔助制造工程中較為重要的分支，通過點(diǎn)云配準(zhǔn)算法的研究具有可以起到控制工業(yè)生產(chǎn)測量精度誤差和加快工業(yè)生產(chǎn)進(jìn)度等的作用。三維點(diǎn)云配準(zhǔn)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(diǎn)云數(shù)據(jù)信息進(jìn)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(zhǔn)的點(diǎn)云數(shù)據(jù)中準(zhǔn)確提取出相互對應(yīng)的特征點(diǎn)集。第二，是否能有效降低噪聲信息

2、對點(diǎn)云配準(zhǔn)的影響。
　　本研究主要內(nèi)容包括：⑴要掌握三維點(diǎn)云匹配算法，首先需要掌握二維特征點(diǎn)提取及匹配。本文深入研究了二維序列圖像特征點(diǎn)配準(zhǔn)算法，并提出了改進(jìn)措施。為了提高現(xiàn)有拼接算法的準(zhǔn)確性和時(shí)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(diǎn)。其次針對特征點(diǎn)提取后不容易匹配或匹配經(jīng)常失敗的圖像，采取人工相同特征區(qū)域標(biāo)記，并以此為準(zhǔn)通過距離和角度的關(guān)系消去

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

4、行下一次點(diǎn)云配準(zhǔn)。采用RANSAC算法目的是保證得到最優(yōu)空間坐標(biāo)轉(zhuǎn)換參數(shù)，使得點(diǎn)云配準(zhǔn)精度更高，通過實(shí)際數(shù)據(jù)驗(yàn)證，本文所提方法的精度高于現(xiàn)有常用方法，進(jìn)而證明了本文方法有效性和正確性。⑶三維密集點(diǎn)云數(shù)據(jù)特征配準(zhǔn)的研究。目前常用點(diǎn)云匹配算法是ICP算法，ICP算法具有兩待配準(zhǔn)點(diǎn)云的旋轉(zhuǎn)角度不能過大等缺點(diǎn)。本文提出了用兩階段改進(jìn)算法，先使用PCA進(jìn)行點(diǎn)云數(shù)據(jù)粗配準(zhǔn)，使得待配準(zhǔn)點(diǎn)云數(shù)據(jù)基本坐標(biāo)位置對應(yīng)。然后對粗配準(zhǔn)后得到的點(diǎn)云數(shù)據(jù)進(jìn)行多新息卡