三维重建中的点云配准方法研究-论文.pdf

《三维重建中的点云配准方法研究-论文.pdf》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。

Vo1．42No．2计算机与数字工程总第292期300Computer＆DigitalEngineering2014年第2期三维重建中的点云配准方法研究杨彪王卓(华中科技大学自动化学院武汉430074)摘要对序列点云拼接实现三维场景重建的方法进行研究，在重建方法中引入体积空间映射方法，有效地去除了拼接结果中的重复点、并填补了空洞。提出了改进的ICP算法和体积空问融合算法相结合的三维重建方法。实验证明该方法能有效地提高拼接结果的精度。关键词三维重建；IcP；体积空间融合中图分类号TP391DO1：10．3969／j．issn1672—9722．2014．02．031Point·cloudRegistrationin3DReconstructionYANGBiaoWANGZhuo(SchoolofAutomation，HuazhongUniversityofScience&Technology，Wuhan430)74)Abstract3Dreconstructionbasedonpoint—cloudsequenceisstudied，andoverlappingpointsareeffectivelyremovedandholesarefilledbyaddingVolumespacemappinginthis3Dreconstructionmethod．Anew3DreconstructionmethodwhichcombinesefficientvariantICPalgorithmandVolumespacemapping，isdepicted．Theexperimentsshowthatthepre—cisionofpoint-cloudregistrationcanbeimprovedbyusingthismethod．KeyWords3Dreconstruction，ICP，volumespacemappingClassNumberTP391验室使用具有不同扫描特性的激光扫描仪、全方位1引言摄像系统与其他高分辨率数码相机完成了建模对现实世界中的景物都是三维的，因此在计算机象的几何与纹理数据采集，并通过对这些数据的配中对客观景物进行三维重建一直都是计算机视觉、准与无缝拼接完成了三维物体或场景模型的建立计算机图行学以及机器人学等领域的研究热点之其主要贡献在于大规模场景数据的去噪、配准与建一。国外在对于三维重建研究起步早，技术也较为网；三维模型的纹理映射与显示；三维模型的拓扑成熟。1994年，M．Levoy带领他的小组利用基于结构保存与转换等领域[12~13]。此外，2005年首都三角原理的激光扫描仪和高分辨率的彩色图像获师范大学三维空间信息获取与地学应用教育部重取并重建了米开朗基罗(Michelangelo)的主要雕塑点实验室给出了一种基于激光扫描数据的室外场作品，并提出了一系列的相关技术[；2002年，景。I．Stamos和P．K．Allen实现了一个完整的系点云配准是三维场景重建中最重要、最困难的统_8]，该系统能同时获取室外大型建筑的深度图像问题。运用序列点云拼接不仅存在拼接误差累积和彩色图像，并最终恢复出建筑物具有照片真实感的问题，而且耗时长、实时性差。目前，没有一种能的三维模型。2003年，他们将该系统应用在历史完美解决此问题的方法。因此，如何实现快速、准古建筑的三维建模上，取得了较好的效果_9]。国内确地运用序列点云拼接进行三维重建的研究具有在这方面的研究起步较晚，但也已在部分领域取得重要的意义。在点云配准中应用最为广泛的是了一定的成果。北京大学的三维视觉与机器人实1992年由Besl和Mckay提出的ICP(迭代最近点)*收稿日期：2013年8月13日，修回日期：2013年9月25日作者简介：杨彪，男，硕士研究生，研究方向：复杂网络与智能监控系统。 2014年第2期计算机与数字工：程3O1算法E。针对基于ICP的匹配算法，国内外学者进迭代初期尤为明显。因此需要引入一种评价标准行了大量的研究，针对ICP算法收敛速度慢、容易或约束以去除错误对应点对，这是许多ICP算法改陷入局部最优等问题，提出了相应的改进算法l_1引。进的关键，也是国内外诸多学者研究的重点。此外，由于在获取点云的过程中被测物表面被遮4)坐标转换的求解：ICP算法最终确立的点挡，使得获取的点云存在空洞，ICP算法在配准过集采用最小二乘法迭代求解两片点云间的最优标程中没有对空洞进行填补，使得配准后的三维场景变换。两个点集中对应点对的关系描述为中也存在空洞。1992年Curless和Levoy提出来t—R*S+T(1)了基于体积空间融合匹配算法，该算法不仅能较精其中R为3×3的旋转矩阵，t为一个三维的平移向确地匹配不同角度得到的深度图像，同时能填补深量，N为对应点对的数量，最小二乘的目标函数为度图像中的空洞l_5]。1f(R，丁)一∑ll—R*s一Tll(2)本文提出了ICP匹配与空间体积融合相结合·一1的图像匹配方法，并针对ICP算法存在大量错误对求解最小二乘问题的方法为四元数法，迭代的应点对的问题，在去除错误对应点的过程中加入了初始条件：一(q。，q1，q2，q3，t1，t2，t3)一(1，0，0，0，点云表面法向量夹角约，滤除了大部分虚假匹配，o，o，O)，设第K次迭代求得旋转矩阵尺、平移向量改善了匹配效果。针对算法所耗时间长，本文采用，令S+===R*s+，给定阈值。如果相邻GPU编程实现上述算法。实验结果表明，该方法两次迭代的结果满足能得到较高精确的配准结果，同时大幅缩短了配准所需的时间。，则迭代结束。+、+为最终的旋转矩阵和平移向量。2ICP匹配算法基本原理与步骤3ICP匹配算法的改进ICP(IterativeClosestPoint)匹配算法由Besl和Mckay在1992年提出。ICP及其各种改进算法ICP匹配算法是基于两片点云是完全重合的是目前精确拼接领域的主流算法，并不断有新的改假没，因此，总是能搜索到最近点。但是在实际应进算法出现以适用不同场合的要求。ICP算法是用中，两片点云之间只有部分是重合的，点到点的基于四元数的点集到点集配准方法。从测量点集搜索可能得不到最近点，因此，在实际应用中ICP中确定其对应的最近点点击，运用Faugera和He-匹配算法容易陷入局部最优，甚至不能收敛。国内bert提出的方法计算新的最近点集。用该方法进外学者对此提出了相应的改进搜索策略：1)点到行迭代计算，知道残差平方和所构成的目标函数值投影的最近点搜索，此方法能极大地缩短计算时不变，迭代结束。ICP算法的主要步骤如下：间，但是无法达到较高的拼接精度；2)点到面的最1)对初始点云进行滤波：为了减少ICP拼接近点搜索，此方法是三种搜索策略中精度最高的，过程中的计算量，首先需要对点云进行滤波处理。将点到点的距离用点到面的距离替代，迭代次数少点云滤波的方法比较多，如：随机采样、双线性滤且不易陷入局部极值。本文采用的就是点到切平波、中值滤波、网格化等，本文提出了网格化结合最面的最近点搜索算法。大阈值的方法。通过设定到相机坐标系原点的最除了在最近点的搜索方法外，如何提高去除错大距离阈值，滤除漫反射产生的干扰；根据点云数误点对效率也是ICP匹配算法的关键。考虑到在据的坐标值构建一个包含所有点的包围盒，将包围不同视角下，被测物体同一位置的区面积和特征保盒沿X、y、Z轴网格化，每个网格中间保留一个点，持不变的原理。本文提出了对应点对间距离阈值该点的坐标为相应网格中所有点的坐标的均值。结合法向量夹角的错误点对去除方法。设S、t为2)确定初始对应点集：经过滤波可得到三维一对对应点，当二者之间的关系满足：空间R。中两组坐标点S和T，分别为：S一{S，lS一￡Ir(3)S2，⋯，S，SER。}和一{tl，t2，⋯，t，tER。}。对arccos—45。(4)于S中的每一个点s在T中可找到一个距离最近ll‘jl的点t。则该点对是正确的匹配点对，否则为错误的匹配点3)去除错误对应点对：采用上述方法确立的对，应当滤除。其中：r是事先设定的距离阈值；对应点集中会存在错误对应点对，这种情况在算法：、：分别为点和ti所在曲面的法向量。 302杨彪等：三维重建中的点云配准方法研究第42卷部分约为80，每帧点云经预处理有约有4～5万4体积空间融合个点不等。表1给出了点对点搜索最近点ICP算通过ICP匹配算法，不同拍摄角度获取的点云法、点到投影搜索最近点ICP算法、点到面搜索最帧可以经过坐标转换进入统一全局坐标系下。运近点ICP算法、本文改进的ICP算法以及GPU编用序列点云两两匹配，存在一个是在匹配过程中误程实现的本文中ICP算法在匹配速度与对应点对差的累计，因此，对ICP匹配算法得到的结果进行的准确度的对比。单帧全局优化是有必要的，此外，直接融合两帧点云会造成融合后的点云中出现冗余点，因此，本文采用空间体积空间融合匹配算法来去除冗余点、填补空洞、减小累积误差提高ICP匹配的精确度。相机．中心体积空间融合匹配算法是Curless和Levoy在1992年提出来的，该算法能较精确地匹配不同角度得到的深度图像，填补深度图像中的空洞。其主要思想是在对多帧点云数据进行融合时，首先建图1基于体积空间的点云融合立一个可以包含所有帧的空间体，空间体以一定的分辨率划分为空间像素点，每个点上将记录到环境中物体的距离，然后依次对每一帧进行处理，修改空间像素点的值。该距离值的定义如图1所示，沿相机中心到曲面上每一点的视线轴上的一个有带符号的距离信息，每一帧数据都对应了一组距离值信息，通过一个累加操作将各帧的数据融合起来。最后空间体中的零值像素即为最后的曲面上的点，这样得到的曲面是具有最小二乘性质的曲面。同时为了反映采集到的每帧数据的一些特点，在进行距离值叠加的时候，采用了一个权值函数，最后的叠加方程如式。根据Kinect传感器的误差方程(8)权值函数的选取如式(7)。其中z*为单帧曲面上的点到相机中心的距离，如图l中所示。在本文的实际应用中，事先定义了一个5×5×5的立方体空间，考虑到算法实时性的要求，以lmm的分辨率将立方体划分网格。考虑点云序列P，一{，，⋯，声，P∈R。)，采用如下方法构造SDF函数：一㈣W()一∑()(6)图2ICP与体积空间融合算法流程图7．Ui(z)一晶(7)Err(d)一×0．0035(8)其中d(z)和叫()由P得到。5匹配实验图3ICP与体积空间图4ICP与RANSAC为了验证本文提出方法的可行性和有效性，本融合算法匹配结果算法匹配结果文以室内场景为背景，通过Kinect红外摄像机获取三维点云数据进行测试，其中相连两帧点云重叠图3为匹配结果图。为了证实基于空间体积 2014年第2期计算机与数字工程303的点云融合算法在计算过程中能进行了空洞填补，renderingsystemforlargemeshes[C]／／Internationa1CbnferenceonComputerGraphicsandInteractive将基于ICP与RANSAC算法匹配的结果与图3Techniques，NewOrleans，2000：343-352．进行对比，从图中可以明显看出基于空间体积的点[5]BrianCurless，MarcLevoy．AVolumetricMethodfor云融合算法在计算过程中能进行了空洞填补。BuildingComplexModelsfromRangeImage[-C]／／Pro—表1五种ICP算法匹配效果对比ceedingsofthe23rdannualconferenceonComputergraphicsandinteractivetechniques，ACMNewYork，1996：303—312．[6]周春燕，李勇，邹峥嵘．三维点云ICP算法改进研究[J]．计算机技术与发展，2011(8)：18—24．ZHOUChunyan．LIYong，ZOUZhenrong．3DpointcloudimprovedICPalgorithmresearch[J]．Thecorn—putertechnologyanddevelopment，2011(8)：18—24．6结语[7]苏胜利，项志宇．基于二维激光雷达自动室内三维重建基于ICP算法的点云匹配具有较高的精度，但系统FJ-]．传感技术学报，2007(5)：985—989．SUShengli，XIANGZhiyu．Basedontwo-dimensional运用序列点云匹配时匹配误差会累积，此外在搜索laserradarautomaticindoor3dreconstructionsystem最近对应点对的过程中会产生大量的错误对应点[J]．Journalofsensingtechnology，2007(5)：985—989．对，增加了匹配所需的时间而且可能造成ICP算法[8]StamosI，AllenPK．Geometryandtexturerecoveryof陷入局部最优解的情形，造成错误的匹配结果。本scenesoflargescale[J]．ComputerVisionandImage文提出的改进的ICP算法可以去除大多数的错误Understanding，2002，8(2)：94—118．对应点，减小ICP陷入局部最优的可能性，缩短了1-9]AllenPK．StamosL3Dmodelingofhistoricsitesu—运行时间；体积空间融合算法消除了融合不同点云singrangeandimagedata[C]／／IntemationalConfer—帧过程中的冗余点，填补了空洞，同时还对上述累enceofRoboticsandAutomation，Taipei，2003：145一积误差进行了优化，得到了较为精确三维场景；用]5O．GPU编程实现本文提出的基于ICP与空间提及融[10]郭杨．基于三维激光测量系统的点云拼接理论与试验研究I-D]．上海：上海交通大学，2012，2：430—434．合的方法，大幅缩短了匹配所需的时间，增强了方GUOYang．Basedon3dlasermeasurementsystemof法的实时性。下一步工作将在如何提高算法对噪pointcloudsplicingtheoryandexperimentalstudy声的抗干扰性方面做出改进以及考虑引入惯导数ED]．Shanghai：ShanghaiJiaotongUniversity，2012，据(Kinect当前的位置信息)作为ICP算法的初始2：430—434．条件，进一步缩短ICP匹配所需的时间，同时以惯El1]舒志龙．从立体视觉恢复二维结构的研究[D]．北京：导数据来优化匹配的结果。北京交通大学，2001．参考文献SHUZhilong．Torecoverfromastereovisionre—Eli刘繁明，屈昊，ICP算法的鲁棒性改进[J]．仪器仪表学searchoftwo-dimensionalstructure[D]．Beijing：Bei—报，2004(8)：234—239．jingJiaotongUniversity，2001．LIUFanrning，QUhao．ICPalgorithmrobustnessim—[12]孟放，查红彬．基于LOD控制与内外存调度的大型三provement[J]．Journalofinstrument，2004(8)：234—维点云数据绘制[J]．计算机辅助设计与图形学学报，239．、2006：1-8．[2]郑德华．ICP算法及其在建筑物扫描点云数据配准中的MENGFang，ZHAHongbi~BasedonL0Dcontrol应用I-J]．测绘科学，2007(3)：157—162．andtheinternalandexternalstorageschedulingthree-ZHENDehua．ICPalgorithmanditsapplicationindimensionalpointclouddata[J]．Journalofcomputerbuildingtheapplicationofthescanningpointclouddataaideddesignandgraphics，2006：l一8．registration[J-I．ScienceofSurveyingandMapping，[13]张爱武，孙卫东，李风婷．基于激光扫描数据的室外场2007(3)：157—162．景表面重建方法[J]，系统仿真学报，2005：384—387．[3]PaulJBesl，NellDMckay．AMethodforRegistrationZHANGAiwu，SUNWeidong，LIFengting．Out—of3一DShapes[J]．IEEETransactionsonPatternAnal—doorscenesurfacereconstructionmethodbasedonla—ysisandMachineIntelligence，1992(2)．serscanningdata[J]．Journalofsystemsimulation，[4]RusinkiewiczS，LevoyM．Amu卜tiresolutionpoint2005：384—387．(下转第327页) 2014年第2期计算机与数字：【程327表1结果显示，三轴光纤陀螺组合测控装置测TAOZhifu．Thestudyoftheuseofsignalgenerator量的主要性能指标；零偏平均值、零偏稳定性、刻度basedonCPLDanddesign[J]．JournalofsuzhouvOCa／tionaluniversity，2008：6O一78．因数、刻度因数相对偏差、信号稳定时间和标准三E6]罗小巧．基于CPLD的PWM信号发生器设计EJ]．电子轴光纤陀螺组合的规定性能指标一致。所以本系测量技术，2007：45—64．统能对任何三轴光纤陀螺的性能指标都能精确测LUOXiaoqiao．PWMsignalgeneratordesignbasedon量。CPLD[J]．Electronicmeasurementtechnology，2007：45—64．参考文献[7]尹佳喜．基于EMP7128的数字式相位测量仪EJ]．国外Eli谭健荣．光纤陀螺的发展现状[J]．激光技术，2006，30电子元器件，2004：34—39．(5)：544—547．YIJiaxi．Basedonthedigitalphasemeasurementin—TANJianrong．ThedevelopmentstatusoffiberopticstrumentofEMP7128[J]．InternationalElectronicEle—gyroscope[J]．2006，30(5)：544—547．ments，2004：34—39．[2]张桂才．光纤陀螺原理与技术[M]．北京：国防工业出[8]辛德刚，林克正．基于PCI数据采集卡的高速数据采集版社，2008：211-224．系统设计[J]．信息科学，2002：47—58．ZHANGGuicai．Fiberopticgyroprincipleandtechnol—XINDegang，LINKezheng．Thehigh-speeddataac—ogy[M]。Beijing：NationalDefenceIndustryPress，quisitionsystembasedonPCIdataacquisitioncardde—2008：211-224．sign[J]．informationscience，2002：47—58．[3]黄仁果．再入式微型光学陀螺Sagnac效应敏感环关键[段哲明．基于虚拟仪器的数据采集检测处理系统的研技术的研究[D]．成都：电子科技大学，2010：25—29．究与实现[D]．西安：西北工业大学硕士学位论文，HUANGRenguo．Reentrysensitiveringtypemicro2007：23—29．opticalgyroSagnaceffectresearchofkeytechnologyDUANZheming,DataacquisitiondetectionprocessingED]．Chengdu：UniversityofElectronicScienceandsystembasedonvirtualinstrumentistheresearchandTechnologyofChina，2007：25—29．implementation[D]．Xi’an：Northwesternpolytechnical[4]张日希．光纤陀螺闭环监测与控制[D]。北京：北京航空universitymaster’Sdegreethesis，2002：23—29．航天大学博士学位论文，2001：36-38．[1o]吴功平，孙春龙．基于LbaVElW多通道数据采集分析ZHANGRixi．Closed-loopfiberopticgyroscopemonito—系统开发I-J]．中外公路，2004：53～65．ringandcontrol[D]．Baijing：Beringuniversityofaero—WUGongping，SONGChunlong．BasedonanalysisnautiesandastronauticsPhnThesis，2001：36—38．ofLbaVEIWmulti-channeldataacquisitionsystemde—[5]陶志福．基于CPLD的多用信号发生器的研究与设计velopment[J]．TheChineseandforeignroad，2004：[J]．苏州市职业大学学报，2008：60—78．53—65．出：彳秘乖(上接第303页)r15]SzymonRusinkiewicz，MarcLevoy．EfficientVariants[14]胡明星．未定标系统下的摄像机定标和二维重建的研oftheICPAlgorithm[C]／／3一DDigitalImagingand究[I．北京：北京交通大学，2003．Modeling，QuebecCity，2001：145—152．HUMingxing．Notcalibrationsystemandtwo-di—[16]AndrewEdieJohnsona，SingBingKangb．Registra—mensionalreconstructionresearchofcameracalibra—tionandintegrationoftextured3Ddata[J]．Imageandtion[D．Beijing：BeringJiaotongUniversity，2003．VisionComputing，1992(2)：135-147．