点云粗配准技术研究

《点云粗配准技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、点云粗配准技术研究ResearchontheTechniquesofCoarseRegistrationofPointClouds学科专业：计算机技术工程研究生：王海荣指导教师：孙济洲教授企业导师：张宏涛高级工程师天津大学计算机科学与技术学院二零一七年十二月万方数据2万方数据万方数据摘要随着三维扫描技术的日趋成熟，激光扫描仪、结构光扫描仪等设备的大规模应用，极大方便了3D建模、文物数字化等工作。虽然利用3D扫描仪对物体几何信息的获取过程非常方便、简单、高效，但在获取的过程中，受限于扫描仪的扫描范围、物体的体积大小、物体的几何结构等因素，通常情况下一次扫描并不能扫描到物体完整的

2、几何信息，需要进行多次扫描，然后将多次扫描的数据进行配准，从而得到物体完整的几何结构。点云配准相关的方法有很多，4PCS算法是点云粗配准领域最优的方法之一。在4PCS方法的基础上，本文提出了一个新的方法来解决配准问题。首先，我们提出了一种新的选择4点基的方法。给定源点云和目标点云，通过对其进行边界提取来辅助基的选取，提高了选取的准确性和有效性，降低了基的空间从而改善了搜索效率。在获取基的集合以后，我们通过使用特征的限制，去除无效的基，从而减少了算法的验证时间，提高了效率。我们在相关数据集上进行了实验，表明我们的方法比4PCS方法更加高效。另外，本文还提出了一种基于RANSAC

3、方法的改进配准方案。该方法通过去除错误匹配的点对来提高配准的精确度。该方法首先使用特征匹配的方法来求得对应特征点集合。本文对比了各种关键点提取方法的特征和优劣，通过选取合适的关键点提取算法对源点云和目标点云进行关键点提取，在关键点的集合上使用特征匹配的方法来获取对应点集合。原始的对应点集合可能包含很多匹配错误的点对，结合了结构一致性和特征一致性的方法来去除错误点对，使用正确的点对进配准，提高了配准的精度。关键词：点云配准，4PCS算法，RANSAC框架，特征提取I万方数据II万方数据ABSTRACTWiththematurityofthree-dimensionalscann

4、ingtechnology,andlarge-scaleapplicationoflaserscanners,structuredlightscannersandotherrelatedequipment,the3Dmodeling,culturalrelicsandotherworkhasbeengreatlyfacilitated.Itisveryconvenient,simpleandefficienttousethe3Dscannertoobtainthegeometricinformationoftheobject.However,itislimitedbythes

5、canningrangeofthescanner,thesizeoftheobject,thegeometryoftheobjectandsoon.Wecannotgetcompleteinformationthroughonlyonescan.Toobtainthecompletegeometricinformationoftheobject,wemustscanseveraltimes,andthenregisterdifferentviewsofthedata.Therearemanyalgorithmsfordataregistration.The4PCSalgori

6、thmisoneofthebestalgorithmsinthefieldofcoarsecloudregistration.Thispaperpresentsanewalgorithmtosolvetheregistrationproblem.First,weproposeanewwaytochoosea4-pointbasis.Theboundaryselectionisusedtoassisttheselectionofthebase,whichimprovestheaccuracyandvalidityoftheselection,reducesthesearchsp

7、aceofthebaseandimprovesthesearchefficiency.Afterthecollectionofthebases,weremovetheinvalidbasesbyusingthelimitationsofthefeatures,therebyreducingthevalidationtimeofthealgorithmandimprovingtheefficiency.Weexperimentedwiththerelevantdatasets,andexperiments