基于BBF改进的ICP算法在点云配准中的应用研究.doc

《基于BBF改进的ICP算法在点云配准中的应用研究.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于BBF改进的ICP算法在点云配准中的应用研究孔庆超（东华大学机械工程学院）摘要：在三维激光点云数据配准的过程中，利用传统IterativeClosestPoint（ICP）算法搜索对应点对时速度慢，而且配准精细化程度低，远达不到三维建模后期处理的要求。很多研究人员使用KDTree对ICP算法进行改进。但KDTree搜索最近点是存在搜索无关的的问题。针对这一问题，提出一种基于BBF算法改进的ICP算法，以实现激光点云数据的快速精细化配准。通过实验验证算法的有效性和合理性，为后期模型重建过程中的三角网格化、曲面化、

2、纹理映射提供强有力的理论和实践基础。关键词：BBF；ICP算法；点云配准；激光点云0引言在地面三维激光扫描过程中，受物体尺寸、物体间的遮蔽以及扫描仪视场角等因素的影响，每站扫描只能获得本站扫描仪坐标系下的点云数据。对于大型立体模型而言，大多数情况下不太可能只通过一次扫描就获得全部的物体表面坐标及属性数据。因此，为了获得完整的物体表面坐标及属性数据，必须从不同的视角来扫描场景。在点云数据处理阶段，点云配准是十分关键的问题之一，配准的精细化程度直接影响后续操作。1扫描设备及作业流程对物体进行点云数据采集时，采用的三维激

3、光扫描仪是ScanStationC10全站式三维激光扫描仪。扫描参数设置情况如下：全景扫描，扫描视角为360°×270°，扫描速度为50000点/s，扫描距离为300m，点位标称精度为±2mm。设置好参数以后，分别在两位置坐标系下对只有4个面的长方体实物进行扫描采集。然后，依次进行点云数据的去噪、稀疏采样，由此获得能足够表达物体模型的点云数据。图1为使用ScanStationC10扫描仪的作业流程，图2为经过去噪采样处理过的数据并可视化的结果。2配准定义点云配准简单来说就是将从多个站点获得的点云数据进行拼接，得到一

4、个统一坐标系下的三维数据点集。它类似于数学上的映射问题，也就是说要先找到两个点云数据集间的对应关系，然后将一个坐标系下的点云数据转换到另一个坐标系下。配准过程主要有以下两个步骤：（1）寻找对应关系；（2）解算变换参数。即首先确定同名点对，然后解算旋转矩阵R和平移矩阵T。同名点对：同一个点在不同坐标系下的表达。图3所示为两站扫描示意图，在A、B两处分别安放扫描仪对同一个物体进行扫描。在A处获得坐标O1-x1y1z1下的点云数据M，在B处获得坐标系O2-x1y1z1下的点云数据N，配准的目的就是将两个坐标系O1-x1y

5、1z1、O2-x1y1z1下的点云数据M和N转换到同一个坐标系下。对于从两站采集到的点云集合M和N，Mi（X，Y，Z），Ni（x，，z），且Mi、Ni为在不同坐标系下的同一点，严格来说，点云配准就是将全部来自两个不同坐标系下的同名点对（Mi，Ni）满足刚体变换（R，T），即：，其中，R为旋转矩阵，T为平移矩阵。式（1）称作空间相似变换公式，它是点云配准的基本公式。由式（1）可解出同名点转换参数，而后进行点云数据配准。3点云配准算法目前，点云配准算法依据其采用的配准基元可将其分为无特征的配准和基于特征的配准[1]两大

6、类。基于特征的配准是指利用角点、边缘、面等几何特征[2]来解算变化参数。这类算法主要有以下几种：基于控制点的配准算法[3]、基于线特征的配准算法[4]以及基于曲率[5]的点云配准算法。无特征的配准就是直接利用原始数据进行配准。此类算法中最为著名的是ICP（IterativeClosestPoint）算法[6]，但该算法只适用于存在明确对应关系的点集，并且计算速度慢。为此，在其他传统ICP算法[7]的基础之上，提出基于KDTree[8]的改进算法BBF改进ICP算法，包括基于BBF搜索对应点对和矩阵变换参数的计算两方

7、面的内容。3.1传统ICP配准算法基本思路：在对应点云中搜寻最邻近点对，利用此最邻近点对求解刚体变换参数R、T，在这个过程中点对的搜寻和变换参数的求解都是迭代计算的。算法步骤如下：（1）令Ω为点云M和N的重叠域，设在Ω然数集N及其扩展情况，如正整数集Z+、n维实坐标中的任一点对应在M和N上的位置分别是Mi、Ni，初始迭代时两个点集的初始变换参数是R0，T0。（2）点集M中的每个点Mi，由初始变换参数最小为标准，求出新的变换参数R、T。（3）根据找到的全部最近点对（mi，ni），求出两个点集的变换参数R、T，并且以全

8、部点对距离的平方和最小为标准，求出新的变换参数R、T。（4）在相邻两次计算所得的距离平方和的差值小于给定的阈值时结束迭代，否则重复步骤（2）和（3）直至小于给定的阈值。（5）根据最终得到的R、T将点云M映射变换到点云N的坐标系下，完成配准。3.2改进的基于BBF的ICP算法3.2.1算法准备工作由BBF的算法原理可知，当邻域点集中点数k为1时，搜寻点与邻域点