基于標(biāo)志點的三維云拼接技術(shù).doc

基于標(biāo)志點的三維點云拼接技術(shù)摘 要多視角點云數(shù)據(jù)拼接是三維形貌測量、三維重構(gòu)中不可或缺的環(huán)節(jié)，本文針對實驗室已組建的編碼結(jié)構(gòu)光三維測量系統(tǒng)要求的拼接速度快、拼接準(zhǔn)確度高，研究了多視角點云數(shù)據(jù)的光學(xué)拼接方法及其關(guān)鍵技術(shù)。本文在總結(jié)分析三維點云拼接技術(shù)和算法的國內(nèi)外現(xiàn)狀的基礎(chǔ)上，從理論上分析了基于特征標(biāo)志點的拼接方法，設(shè)計了適用于拼接方法的特征標(biāo)志點圖像處理方案，并且編寫程序?qū)崿F(xiàn)標(biāo)志點二維坐標(biāo)的提取；再分別從視覺效果和量化效果比較三點法和SVD。具體研究內(nèi)容包括：1.首先介紹了標(biāo)志點的選擇和匹配。本文說明了標(biāo)志點的選擇、灰化、平滑、閾值分割、邊緣的檢測與追蹤、圓心定位等方法。并編寫程序?qū)?biāo)志點的二維坐標(biāo)進(jìn)行確定，得到標(biāo)志點的二維坐標(biāo)。2.介紹了拼接原理和兩種快速拼接算法的基本原理。并從理論上分析了三點法、SVD法兩種基于標(biāo)志點的拼接方法的準(zhǔn)確度和速度。通過編程實現(xiàn)算法的計算過程，評價了上述拼接方法的優(yōu)缺點和精度。3.介紹了拼接系統(tǒng)的主要結(jié)構(gòu)和拼接實驗。拼接系統(tǒng)的主要結(jié)構(gòu)分為硬件結(jié)構(gòu)和軟件結(jié)構(gòu)，并說了各部分的作用；重點分析了拼接實驗的過程，通過視覺效果和量化效果兩方面的實驗結(jié)果比較三點法和SVD法，以標(biāo)志點重合度量化評價了拼接準(zhǔn)確度。關(guān)鍵詞視覺測量；拼接；SVD；標(biāo)志點定位Marker-based Three-dimensional Cloud Registration TechniquesAbstractMultiple-views registration point cloud data is one of the indispensible parts of 3D topography measurement and 3D reconstruction. So in this paper, according to the characteristics of encoded structured-light of 3D measurement system set up in the lab which is noted for high accuracy, fast registration speed, applying for integral measurement of industrial component, it researches on optical registration method of point cloud data and key technology.Base on summarizing domestic and overseas status of technology of obtaining point cloud data, registering point cloud data and 3D reconstruction, it analyses the registration method base on feature marked point in theory, and designs a plan for feature marked point image processing; And write a program to extract the two-dimensional coordinates of landmarks; and then compare the two registration algorithm. Eventually, SVD algorithm has the highest accuracy. This paper studies the specific contents include the following three aspects:1.First part is the signs point selection and matching. This article describes the selection of signs point, including ashing, smooth, threshold segmentation, edge detection and tracking, ponsitioning the center and other methods. And program to determine two-dimensional coordinates of landmarks.2.Second part describes the principle and two rapid registration algorithm of the basic principles. And it analyses the accuracy and speed of the three-point method, and SVD based on marked point. the algorithm process is finished by programming, and evaluating the advantages and disadvantages of the method.3.Third part is the systems main structure and registration experiments. The main structure is divided into hardware researches system architecture and software architecture system, and that the role of each part; focused on analyzing the process of registration experiments by visual and quantitative results of the experimental results of both three-point method and the SVD method to mark quantitative assessment of the degree of coincidence points stitching accuracy.KeywordsVision measurement, registration, SVD least squares method, marked point location畢業(yè)設(shè)計（論文）原創(chuàng)性聲明和使用授權(quán)說明原創(chuàng)性聲明本人鄭重承諾：所呈交的畢業(yè)設(shè)計（論文），是我個人在指導(dǎo)教師的指導(dǎo)下進(jìn)行的研究工作及取得的成果。盡我所知，除文中特別加以標(biāo)注和致謝的地方外，不包含其他人或組織已經(jīng)發(fā)表或公布過的研究成果，也不包含我為獲得 及其它教育機(jī)構(gòu)的學(xué)位或?qū)W歷而使用過的材料。對本研究提供過幫助和做出過貢獻(xiàn)的個人或集體，均已在文中作了明確的說明并表示了謝意。作 者 簽 名： 日 期： 指導(dǎo)教師簽名： 日期： 使用授權(quán)說明本人完全了解 大學(xué)關(guān)于收集、保存、使用畢業(yè)設(shè)計（論文）的規(guī)定，即：按照學(xué)校要求提交畢業(yè)設(shè)計（論文）的印刷本和電子版本；學(xué)校有權(quán)保存畢業(yè)設(shè)計（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務(wù)；學(xué)?？梢圆捎糜坝?、縮印、數(shù)字化或其它復(fù)制手段保存論文；在不以贏利為目的前提下，學(xué)?？梢怨颊撐牡牟糠只蛉績?nèi)容。作者簽名： 日 期： 學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨立進(jìn)行研究所取得的研究成果。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫的成果作品。對本文的研究做出重要貢獻(xiàn)的個人和集體，均已在文中以明確方式標(biāo)明。本人完全意識到本聲明的法律后果由本人承擔(dān)。作者簽名： 日期： 年 月 日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán) 大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。涉密論文按學(xué)校規(guī)定處理。作者簽名：日期： 年 月 日導(dǎo)師簽名： 日期： 年 月 日指導(dǎo)教師評閱書指導(dǎo)教師評價：一、撰寫（設(shè)計）過程1、學(xué)生在論文（設(shè)計）過程中的治學(xué)態(tài)度、工作精神 優(yōu) 良 中 及格 不及格2、學(xué)生掌握專業(yè)知識、技能的扎實程度 優(yōu) 良 中 及格 不及格3、學(xué)生綜合運(yùn)用所學(xué)知識和專業(yè)技能分析和解決問題的能力 優(yōu) 良 中 及格 不及格4、研究方法的科學(xué)性；技術(shù)線路的可行性；設(shè)計方案的合理性 優(yōu) 良 中 及格 不及格5、完成畢業(yè)論文（設(shè)計）期間的出勤情況 優(yōu) 良 中 及格 不及格二、論文（設(shè)計）質(zhì)量1、論文（設(shè)計）的整體結(jié)構(gòu)是否符合撰寫規(guī)范？ 優(yōu) 良 中 及格 不及格2、是否完成指定的論文（設(shè)計）任務(wù)（包括裝訂及附件）？ 優(yōu) 良 中 及格 不及格三、論文（設(shè)計）水平1、論文（設(shè)計）的理論意義或?qū)鉀Q實際問題的指導(dǎo)意義 優(yōu) 良 中 及格 不及格2、論文的觀念是否有新意？設(shè)計是否有創(chuàng)意？ 優(yōu) 良 中 及格 不及格3、論文（設(shè)計說明書）所體現(xiàn)的整體水平 優(yōu) 良 中 及格 不及格建議成績： 優(yōu) 良 中 及格 不及格（在所選等級前的內(nèi)畫“”）指導(dǎo)教師： （簽名） 單位： （蓋章）年 月 日評閱教師評閱書評閱教師評價：一、論文（設(shè)計）質(zhì)量1、論文（設(shè)計）的整體結(jié)構(gòu)是否符合撰寫規(guī)范？ 優(yōu) 良 中 及格 不及格2、是否完成指定的論文（設(shè)計）任務(wù)（包括裝訂及附件）？ 優(yōu) 良 中 及格 不及格二、論文（設(shè)計）水平1、論文（設(shè)計）的理論意義或?qū)鉀Q實際問題的指導(dǎo)意義 優(yōu) 良 中 及格 不及格2、論文的觀念是否有新意？設(shè)計是否有創(chuàng)意？ 優(yōu) 良 中 及格 不及格3、論文（設(shè)計說明書）所體現(xiàn)的整體水平 優(yōu) 良 中 及格 不及格建議成績： 優(yōu) 良 中 及格 不及格（在所選等級前的內(nèi)畫“”）評閱教師： （簽名） 單位： （蓋章）年 月 日哈爾濱理工大學(xué)學(xué)士學(xué)位論文教研室（或答辯小組）及教學(xué)系意見教研室（或答辯小組）評價：一、答辯過程1、畢業(yè)論文（設(shè)計）的基本要點和見解的敘述情況 優(yōu) 良 中 及格 不及格2、對答辯問題的反應(yīng)、理解、表達(dá)情況 優(yōu) 良 中 及格 不及格3、學(xué)生答辯過程中的精神狀態(tài) 優(yōu) 良 中 及格 不及格二、論文（設(shè)計）質(zhì)量1、論文（設(shè)計）的整體結(jié)構(gòu)是否符合撰寫規(guī)范？ 優(yōu) 良 中 及格 不及格2、是否完成指定的論文（設(shè)計）任務(wù)（包括裝訂及附件）？ 優(yōu) 良 中 及格 不及格三、論文（設(shè)計）水平1、論文（設(shè)計）的理論意義或?qū)鉀Q實際問題的指導(dǎo)意義 優(yōu) 良 中 及格 不及格2、論文的觀念是否有新意？設(shè)計是否有創(chuàng)意？ 優(yōu) 良 中 及格 不及格3、論文（設(shè)計說明書）所體現(xiàn)的整體水平 優(yōu) 良 中 及格 不及格評定成績： 優(yōu) 良 中 及格 不及格（在所選等級前的內(nèi)畫“”）教研室主任（或答辯小組組長）： （簽名）年 月 日教學(xué)系意見：系主任： （簽名）年 月 日不要刪除行尾的分節(jié)符，此行不會被打印- III -目錄摘要IAbstractII第1章 緒論11.1 課題的研究目的和意義11.2 拼接技術(shù)國內(nèi)外研究現(xiàn)狀21.2.1 拼接技術(shù)的現(xiàn)狀21.2.2 拼接算法的現(xiàn)狀41.3 論文主要內(nèi)容5第2章 標(biāo)志點圖像預(yù)處理與標(biāo)志點檢測62.1 標(biāo)志點圖像預(yù)處理62.1.1 標(biāo)志點選擇62.1.2 預(yù)處理62.2 標(biāo)志點提取與匹配72.2.1 標(biāo)志點提取72.2.2 標(biāo)志點匹配102.3 本章小結(jié)10第3章 拼接算法分析及仿真113.1 多視角的坐標(biāo)變換原理113.2 快速拼接算法133.2.1 拼接原理133.2.2 三點法143.2.3 SVD法173.3 拼接算法比較183.3.1 理論比較183.3.2 仿真實驗比較193.4 本章小結(jié)20第4章 拼接實驗214.1 拼接系統(tǒng)投影214.2 實驗結(jié)果及分析244.2.1 視覺效果比較244.2.2 量化比較264.3 本章小結(jié)28結(jié)論29致謝30參考文獻(xiàn)31附錄33千萬不要刪除行尾的分節(jié)符，此行不會被打印。在目錄上點右鍵“更新域”，然后“更新整個目錄”。打印前，不要忘記把上面“Abstract”這一行后加一空行- V -第1章 緒論1.1 課題的研究目的和意義真實的客觀世界是三維的，一個客觀物體也有其相應(yīng)的形狀、尺寸、色彩及紋理信息1，我們希望用具體、逼真的手段來表現(xiàn)和描述物體，并進(jìn)行多角度觀察與分析研究，傳統(tǒng)的二維信息包含平面上的圖形、圖像信息，由于不含相位信息，使其失去了立體感，如何對物體進(jìn)行真實的記錄、分析研究等都迫切地需要三維數(shù)字化技術(shù)。在實際應(yīng)用中常使用點集模型代替其它模型來表示復(fù)雜的三維實體。而點集模型的獲取過程中，還應(yīng)采用多視點云數(shù)據(jù)拼接。因為在數(shù)字化測量過程中，不可能通過從一個單一的角度測量，就能獲得完整的物體輪廓數(shù)據(jù)，總是從不同的角度和方位對待測量物體進(jìn)行測量，因此必須對同一場景有相互重疊部分測量的數(shù)據(jù)進(jìn)行變換，把它們合成為同一坐標(biāo)系下的一組數(shù)據(jù)，該技術(shù)稱為三維圖像拼接技術(shù)。在三維形貌測量中，每個單元測量所得到的都是局部的并且是以不同坐標(biāo)系為基準(zhǔn)的多視角點云數(shù)據(jù)，如果想要重構(gòu)出三維的被測物體，那么重構(gòu)所需要的點云數(shù)據(jù)必須完整并且統(tǒng)一在同一坐標(biāo)系下，所以要想完整的對三維物體進(jìn)行有效重構(gòu)，需要在整個測量及拼接過程中，進(jìn)行多視點云拼接。隨著掃描技術(shù)的發(fā)展，三維圖像拼接技術(shù)的應(yīng)用已進(jìn)入到各個領(lǐng)域，如文化藝術(shù)數(shù)字化保存、醫(yī)學(xué)研究中的全膝置換手術(shù)、破損頭骨的復(fù)原、重建下頜骨以及假肢的掃描重構(gòu)等方面。在逆向工程中，對全體物件的實物模型或零件進(jìn)行數(shù)字化測量并在此基礎(chǔ)上建立CAD(Computer Aided Design)模型等。另外在航空航天、建筑測繪、人工關(guān)節(jié)模型的建立等領(lǐng)域也有廣泛的應(yīng)用，三維圖像拼接技術(shù)還用在對大型文物的保護(hù)和修復(fù)、建立數(shù)字博物館中。目前，現(xiàn)階段使用的許多多視點云數(shù)據(jù)拼接技術(shù)的結(jié)論與方法，都要歸功于國內(nèi)外許多專家學(xué)者們對此深入的研究。美國的Standford大學(xué)、英國的Brunel大學(xué)等都相繼開展了這方面的研究。國內(nèi)的浙江大學(xué)、中科院計算所等開展了敦煌壁畫的保護(hù)研究工作，北大的查紅彬教授對龍門和云岡石窟的真三維數(shù)學(xué)化工程也進(jìn)行了深入研究?？偨Y(jié)前文，拼接方法在醫(yī)學(xué)、文化等領(lǐng)域有很實際的應(yīng)用，而且通過三維點集模型來代表復(fù)雜的三維實體，可以更真實的表現(xiàn)了實體的信息，但是現(xiàn)階段的研究仍然存在著諸多急需攻克的難題，尤其是我國的研究，在復(fù)雜三維形貌測量的自動化、自適應(yīng)及精度等問題上還有很大的提高空間。所以，研究一種即能保證精度符合又具備低成本、快速的基于多視角的點云數(shù)據(jù)的拼接方法顯得很具有實際意義。1.2 拼接技術(shù)國內(nèi)外研究現(xiàn)狀1.2.1 拼接技術(shù)的現(xiàn)狀系統(tǒng)拼接軟件主要完成對三維點云的多視拼接。對三維形體拼接方案的選擇與三維檢測處理方法密切相關(guān)?；诮Y(jié)構(gòu)光或激光掃描的多視點云的獲取常常是基于兩種相對運(yùn)動來獲得的，一是樣件放于工作臺面，掃描測頭在坐標(biāo)系統(tǒng)的帶領(lǐng)下繞樣件旋轉(zhuǎn)；二是坐標(biāo)系統(tǒng)不動，樣件相對于測頭擺放不同的姿態(tài)。而對于這兩種常見方式而言，樣件上同一點相對于不同參考系而言，都需要進(jìn)行坐標(biāo)轉(zhuǎn)換。它是一個涉及到光學(xué)、機(jī)械運(yùn)動等多方面的幾何模型，文獻(xiàn)2對該系統(tǒng)的裝置及數(shù)據(jù)點的轉(zhuǎn)換參數(shù)進(jìn)行了啟發(fā)式的探討，文獻(xiàn)3則給出了該模型的一般表達(dá)形式。對同一物體的多視點云，一直有兩種處理方法：一是對點進(jìn)行處理，即直接對點云進(jìn)行拼合，再重構(gòu)出原型；二是對各視圖進(jìn)行局部構(gòu)造幾何形體，最后拼合這些幾何形體。基于點拼合的最大優(yōu)點是能對物體所求得的各個面有總體上的了解和把握，能獲得拓?fù)渖弦恢碌臄?shù)據(jù)結(jié)構(gòu)，盡管該數(shù)據(jù)結(jié)構(gòu)可能是龐大的，但這種一致性是基于面的拼合難以達(dá)到的。下面簡要介紹一下目前將相對運(yùn)動方式與點或圖形處理方法結(jié)合的幾種拼接技術(shù)。1相關(guān)拼接相關(guān)拼接4,5技術(shù)是利用數(shù)字拼接干涉儀，根據(jù)物體的相同區(qū)域具有相同信息這一邊界條件產(chǎn)生的，基本思想是在拼接區(qū)提取相關(guān)信息將多次測量結(jié)果拼接起來，得到被測物體的全部信息。拼接干涉儀減小了像素尺寸，增加了干涉儀的空間截止頻率。現(xiàn)在商業(yè)化的干涉儀很容易達(dá)到0.2mm像素尺寸，而大尺寸干涉儀僅能達(dá)到1.21.6mm，不可能測到小于2.43.2mm周期變化的面形。而對于特殊要求的光學(xué)元件，測出此變化周期的面形是非常重要的。同時，拼接干涉儀對測量中的溫度變化、環(huán)境振動等的抑制能力比標(biāo)準(zhǔn)尺寸的干涉儀要好。目前國內(nèi)外在研制變波長干涉儀的同時，也在積極研制拼接干涉儀。最早提出的相關(guān)拼接模型是基于齊次坐標(biāo)變化，利用這種拼接模型做了很多工作，取得了一些積極成果。進(jìn)一步，又引入了映射的概念，提出了圓柱坐標(biāo)系下對回轉(zhuǎn)體的拼接模型。相關(guān)拼接技術(shù)一般利用數(shù)字干涉儀實現(xiàn)面形測量，應(yīng)用于檢測大口徑面形或光學(xué)系統(tǒng)，先用子孔徑檢測，每次僅檢測整個孔徑的一部分，并使各子孔徑間稍有重疊，然后以此為基礎(chǔ)實現(xiàn)兩兩拼接的方法，從原理上實現(xiàn)對大口徑鏡面的數(shù)字干涉測量。由于在拼接過程中存在誤差積累，對全孔徑拼接精度有很大的影響，不同的拼接模式對結(jié)果的影響也很大。從而結(jié)果求解具有不確定性。因此，這種方法是對應(yīng)一定的物理模型。相關(guān)拼接測量技術(shù)，對擴(kuò)大空間測量范圍、保持高空間分辨力、高測量精度和低成本有重要意義。2回轉(zhuǎn)拼接在利用投影柵線法進(jìn)行大物體或回轉(zhuǎn)體三維表面形狀測量時，由于投影角度、攝像角度或物體形狀本身的限制等因素，使得整個物體表面的形狀測量無法通過一次投影及攝像來解決，需要從不同角度投影及拍攝多幅投影柵線圖，并對測試數(shù)據(jù)進(jìn)行拼接才能獲得整個物體表面的形狀。一般將被測物體放置在精密的、可以360度旋轉(zhuǎn)的轉(zhuǎn)動臺上，還要預(yù)先制作高精度的、可以垂直放置的參考平板。檢測拼接流程一般按下述步驟操作：(1)調(diào)整檢測光路、建立坐標(biāo)體系、標(biāo)定檢測系統(tǒng)的三個參數(shù)；(2)檢測參考平面內(nèi)柵線像的位相分布參，檢測物表面柵線像的位相分布物，求出A=物-參，求出由高度差引起的CCD靶面內(nèi)柵線的移動量；(3)求出物表面上任一點的高度及其坐標(biāo)，進(jìn)行坐標(biāo)變換和數(shù)據(jù)拼接；(4)求出整個物表面的形狀?；剞D(zhuǎn)拼接6,7技術(shù)是一種基于柱坐標(biāo)變換的三維形狀測量的數(shù)據(jù)拼接法，對多幅投影柵線圖的測量數(shù)據(jù)拼接，較好地解決了大物體或回轉(zhuǎn)體三維物體表面的形狀測量問題。3條紋圖形拼接考慮孔徑拼接與圖形的相關(guān)性解決大平面的干涉測量問題，推廣至莫爾法和調(diào)制光場分析法，用多幅條紋圖形拼接法，進(jìn)行大物體的面形測量。不涉及復(fù)雜的數(shù)據(jù)處理，實時處理，面形擬合、采用最小二乘法來求解非線性方程組得出A，B，C項。對于一些復(fù)雜的面形，采取分段擬合面形的方法，提高了擬合精度，從而提高求解的精度。還允許適當(dāng)?shù)剡x擇拼接模式、拼接區(qū)的大小，以進(jìn)行最佳拼接，并將參考坐標(biāo)系從直角坐標(biāo)轉(zhuǎn)換為極坐標(biāo)，將條紋圖形拼接法8推廣到了360度物體面形的測量。條紋圖形拼接最大的誤差因素在于面形擬合階次，它直接影響著拼接算法求解的結(jié)果，在考慮測量精度要求和運(yùn)算時間的前提下，擬合階次在57范圍內(nèi)選取，以獲取較佳拼接效果，當(dāng)拼接孔徑數(shù)目在兩個以上時，拼接模式的選取對其拼接方法測量的結(jié)果有很大的影響。為了得到較高的拼接測量精度，應(yīng)盡量使最大拼接次數(shù)N最少，在拼接次數(shù)N不能改變的情況下，使相對位置處于水平的孔徑拼接，然后再考慮旋轉(zhuǎn)拼接。4基于神經(jīng)網(wǎng)絡(luò)的無縫圖形拼接無縫圖形拼接是采用普通照相機(jī)拍出照片，并不采用專門設(shè)備，使一系列相互重疊的照片拼在一起形成全景圖?；谏窠?jīng)網(wǎng)絡(luò)的無縫拼接，采用ART網(wǎng)絡(luò)進(jìn)行向量模式識別，根據(jù)存儲的模式對輸入向量進(jìn)行分類，當(dāng)存儲的模式中有和輸入模式相匹配時，代表該存儲模式的參數(shù)就被調(diào)整以更接近輸入模式。反之，如果在存儲模式中，沒有發(fā)現(xiàn)和輸入模式相匹配時，輸入模式作為新的模式被存儲到網(wǎng)絡(luò)中，其他的存儲模式保持不變。ART網(wǎng)絡(luò)由比較和識別兩層神經(jīng)元組成，增益控制1，增益控制2和復(fù)制用來控制網(wǎng)絡(luò)的學(xué)習(xí)和分類。通過學(xué)習(xí)把每一個用照片拼接成的全景圖在一個ART網(wǎng)絡(luò)中，可以把所需的全景圖存入網(wǎng)絡(luò)，過程相當(dāng)快。這種方法省去了三維幾何建模的繁瑣過程，實現(xiàn)的虛擬現(xiàn)實環(huán)境真實感強(qiáng)，可以應(yīng)用于拼接效果圖，也可以被多視拼接借鑒和參考。5簽定位拼接多視標(biāo)簽定位拼接9是利用經(jīng)過高精度標(biāo)定的結(jié)構(gòu)光或激光掃描系統(tǒng)獲取多視點數(shù)據(jù)以及它們之間的原始變換關(guān)系，來進(jìn)行數(shù)據(jù)間的配準(zhǔn)計算，預(yù)先在獲得的多視點云數(shù)據(jù)中設(shè)置特征標(biāo)志點，直接點云集對點云集拼接的方法。采用特征標(biāo)志點識別和點云拼接方法，測量頭移動，工件也可以移動的方式。由于預(yù)先設(shè)置特征點，可以獲得物體的比較完整的拓?fù)浣Y(jié)構(gòu)，如果采用比較成熟的算法，穩(wěn)定性和精度得到保證，具有拓?fù)淙我庑?，局部支撐性，整體連續(xù)靈活性，是目前廣泛應(yīng)用的可以實際工程化的拼接方法。1.2.2 拼接算法的現(xiàn)狀在二十世紀(jì)在八十年代中期，很多學(xué)者開始對點云數(shù)據(jù)的精確配準(zhǔn)10進(jìn)行了大量研究。1986年Faugeras和Hebert首次提出點集與點集的四元數(shù)匹配方法，主要是通過一個點集中一個點與另一個點集中對應(yīng)點進(jìn)行點集與點集坐標(biāo)系的匹配。1987年Horn和Arun等人也同樣用四元數(shù)法提出點集對點集配準(zhǔn)方法PSTP(Point Set to Point Set)，這種點集與點集坐標(biāo)系匹配算法通過實踐證明是一個解決復(fù)雜配準(zhǔn)問題的關(guān)鍵方法。1992年計算機(jī)視覺研究者Besl等介紹了一種高層次的基于自由形態(tài)曲面的拼接方法，也稱為迭代最近點法ICP。該算法是基于四元數(shù)的點集到點集配準(zhǔn)方法，從測量點集中確定其對應(yīng)的最近點點集后，運(yùn)用Faugera和Hebert提出的方法計算新的最近點點集，進(jìn)行迭代計算，直到殘差平方和所構(gòu)成的目標(biāo)函數(shù)值不變，結(jié)束迭代過程。算法的基本思想是：給定目標(biāo)點集P(需要進(jìn)行坐標(biāo)變換的對象)和參考點集Q，為了使P能夠和Q對齊，首先對P中的每一個點在Q中找一個與之距離最近的點，建立點對的映射關(guān)系，然后通過最小二乘法計算一個最優(yōu)的坐標(biāo)變換(記作M)，并令P=M(Q)，進(jìn)行迭代求解，直到滿足精度為止，最終的坐標(biāo)變換即為每次變換的合成。這是目前解決多視定位問題的一種基本算法，ICP算法的缺點是只適用于存在明確對應(yīng)關(guān)系的點集之間的定位，而且由于每次迭代都需要計算目標(biāo)點集中每個點在參考點集中的對應(yīng)點，并不能真正解決測量點云數(shù)據(jù)的多視定位，并且最大的問題是可能會陷入局部最小解，往往需要在迭代開始前有一個不錯的初始位姿估計。Chen等提出了Point-to-Plane搜索最近點的精確配準(zhǔn)方法。把點到點的距離簡化為點到模型的最近點處的切平面距離，這樣兩個視圖中的點無需一一對應(yīng)，但是要求解一個非線性最小二乘問題，速度較慢；Mihailo等采用的方法是直接對參考模型按給定的原則進(jìn)行三角網(wǎng)格劃分，將測量數(shù)據(jù)點和參考模型之間最短距離的計算簡化為測量數(shù)據(jù)點和三角網(wǎng)格頂點之間的距離計算，并且采用了自適應(yīng)窗口搜索方法加快計算的速度，但是該算法還不能有效解決比較復(fù)雜的多視拼合問題。點到面的方法在局部3D曲面的配準(zhǔn)上有很好的精度，但是在計算源控制點到目標(biāo)曲面的交點上十分復(fù)雜，實時性不好，為此，Rusinkiewicz和Levoy提出了Point-to-Projection搜索最近點的快速配準(zhǔn)方法；Soon-Yang22等改進(jìn)了這種方法，提出了Contrative-Projection-Point(CPP)搜索最近點的配準(zhǔn)方法，但是仍不能解決復(fù)雜的多視定位問題。Li在ICP基礎(chǔ)上提出了ICL(Iterative Closest Line)和ICT(Iterative Closest Triangle)算法，該算法直接對兩個數(shù)據(jù)點集中的點進(jìn)行連線或三角化處理，然后根據(jù)一定的準(zhǔn)則近似找到兩個視圖中對應(yīng)的線段或?qū)?yīng)的三角片，建立一個目標(biāo)方程，采用四元數(shù)法求解出旋轉(zhuǎn)矩陣。該算法的優(yōu)點是對兩個視圖初始位置無任何要求，缺點是無法實現(xiàn)準(zhǔn)確定位，而且其用于尋找對應(yīng)關(guān)系的準(zhǔn)則的穩(wěn)定性還有待進(jìn)一步驗證。上文中可看出，拼接方法中轉(zhuǎn)換矩陣計算方法從開始簡單但并不精確的三點法、四點法，到后來的ICP算法。雖然這幾種方法都是基本標(biāo)志點的基礎(chǔ)上進(jìn)行計算，但是ICP和SVD算法具有更高的精度，更是有效地解決了復(fù)雜的多視拼接問題。1.3 論文主要內(nèi)容本文中所研究的點云拼接計算方法主要是利用重疊區(qū)域的數(shù)據(jù)點位置信息，運(yùn)用數(shù)值優(yōu)化技術(shù)計算坐標(biāo)變換來實現(xiàn)精確定位。算法的基本原理是首先尋找對應(yīng)的特征量(點、邊、平面、二次曲面等)，然后用三點法或奇異值分解等方法來求解運(yùn)動參數(shù)。本文主要的研究內(nèi)容為：第一：主要介紹了拼接的基本原理和拼接過程的平移向量和旋轉(zhuǎn)矩陣。還說明了標(biāo)志點的選擇和標(biāo)志點二維圖形的預(yù)處理，以及標(biāo)志點的標(biāo)定和匹配。第二：分別介紹了兩種基于標(biāo)志點的拼接方法：三點法、SVD。分析、比較兩種方法的優(yōu)缺點，利用現(xiàn)有數(shù)據(jù)庫中的數(shù)據(jù)通過仿真實驗比較每種方法的準(zhǔn)確度。第三：在現(xiàn)有測量系統(tǒng)硬件的基礎(chǔ)上，編制了測量軟件，在實驗室環(huán)境下進(jìn)行了簡單的三維測量與拼接實驗。并比較兩種方法的視覺效果和量化效果。第2章 標(biāo)志點圖像預(yù)處理與標(biāo)志點檢測得到精確的特征標(biāo)志點三維數(shù)據(jù)是三維點云拼接的前提。三維數(shù)據(jù)的獲取主要采用光柵投影的方式，與二維圖像的處理和三維轉(zhuǎn)換的數(shù)學(xué)模型緊密相關(guān)，對二維標(biāo)志點圖像進(jìn)行精確的求取將直接決定三維轉(zhuǎn)換坐標(biāo)數(shù)據(jù)的精確度。采用光柵投影掃描拍攝得到的物體二維圖像，一幅圖像至少需要三個標(biāo)志點及以上，保證可以有重疊區(qū)可以拼接。通過圖像采集卡捕獲存儲，設(shè)計軟件讀取所拍攝圖像，進(jìn)行圖像濾波、閾值化、邊緣檢測與跟蹤等圖像處理過程為求取標(biāo)志點，轉(zhuǎn)為三維特征數(shù)據(jù)做準(zhǔn)備。2.1 標(biāo)志點圖像預(yù)處理2.1.1 標(biāo)志點選擇特征標(biāo)志點是指具有一定幾何尺寸能起到標(biāo)識作用的物體上的一點；目前常用的特征標(biāo)志點分為編碼與非編碼兩種。本文采用非編碼標(biāo)志點。標(biāo)志點為黑底白面，貼點本身是一個高精度，無反光的貼紙，這個貼紙本身也是數(shù)據(jù)準(zhǔn)確的圓。在被測物體表面上布置單向反光標(biāo)記點，不干膠帖紙形式，以這些圓心坐標(biāo)作為標(biāo)志特征點群，運(yùn)用結(jié)構(gòu)光或激光掃描，融入測量數(shù)據(jù)，根據(jù)各個小部分的不同坐標(biāo)系的點云集拼接按照對應(yīng)的特征點群拼接轉(zhuǎn)換成目標(biāo)整體點云。多視特征點拼接方法預(yù)先標(biāo)出區(qū)域中的特征定位點，可以有效的控制整個重構(gòu)點云的拓?fù)浣Y(jié)構(gòu)，并隨時可以對拼接結(jié)果做出迅速的調(diào)整和修改。2.1.2 預(yù)處理圖像的預(yù)處理11是在處于最低抽象層次的圖像上所進(jìn)行的操作，處理的輸入和輸出用圖像函數(shù)值的矩陣表示的亮度圖像。讀入原始圖像都存在一定的噪聲和干擾，有必要進(jìn)行圖像的預(yù)處理，抑制與圖像處理任務(wù)無關(guān)的信息，改善圖像數(shù)據(jù)，抑制不需要的變形或者增強(qiáng)某些對于后續(xù)處理重要的圖像特征。1圖像平滑圖像平滑利用圖像數(shù)據(jù)的冗余性，抑制圖像噪聲。新值的計算是基于某個鄰域中亮度數(shù)值的平均，僅僅使用鄰域中與被處理的點有相似性質(zhì)的那些點做平均。消除噪聲更為常用的是中值濾波。中值濾波是一種減少邊緣模糊的非線性平滑方法，它的思想是用鄰域中亮度的中值代替圖像當(dāng)前的點。鄰域中亮度的中值不受個別噪聲毛刺的影響，相當(dāng)好地消除了沖激噪聲。更進(jìn)一步，由于中值濾波并不明顯地模糊邊緣，可以迭代使用。矩形鄰域中值濾波的主要缺點是圖像中的細(xì)線和顯著角點會遭到損壞，如果使用其他形狀的鄰域是可以避免的。2圖像閾值分割圖像閾值化是指把灰度圖像轉(zhuǎn)換成僅包含黑(灰度值為0)白(灰度值為255)的二值圖像?；叶燃夐撝祷潜容^簡單的一種圖像分割處理技術(shù)。很多物體或圖像區(qū)域表征為不變的反射率或其表面光的吸收率，可以確定一個亮度常量(閾值)來分割物體和背景。閾值化計算代價小速度快，被廣泛使用。3邊緣檢測與跟蹤圖像的邊緣是圖像的最基本的特征。邊緣是指其周圍像素灰度有階躍變換或者屋頂變化的那些像素的集合。待處理的標(biāo)志點圖像，二值化后其邊緣處灰度值明顯不同，是階躍性的邊緣。如果一個像素落在圖像中某一個物體的邊界上，那么它的鄰域?qū)⒊蔀橐粋€灰度級的變化帶。對這種變化最有用的兩個特征是灰度的變化率和方向，它們分別以梯度向量的幅度和方向來表示。邊緣檢測算子檢查每個像素的鄰域并對灰度變化率進(jìn)行量化，也包括方向的確定。針對標(biāo)志點圖像的特點采用基于方向?qū)?shù)掩模求卷積的方法。選擇最合適的邊緣檢測需要分析圖像本身的特點。標(biāo)志點的圖像采用掃描處理，邊緣都是階躍性邊緣，其噪聲很小，對階躍性邊緣比較適合采用梯度算子。在小區(qū)域局部范圍內(nèi)，圖像規(guī)則的形狀判別，還可以采用輪廓跟蹤的方法直接獲取標(biāo)志點的外部輪廓特征。方法是根據(jù)某些嚴(yán)格的“探測準(zhǔn)則”找出目標(biāo)物體輪廓上的像素，再根據(jù)這些像素的某些特征用一定的“跟蹤準(zhǔn)則”找出目標(biāo)物體上的其他像素?？紤]到處理效率本課題采用邊界點旋轉(zhuǎn)搜索的跟蹤準(zhǔn)則，避免了對每個邊界像素周圍八個點進(jìn)行判斷，降低了判斷計算量。2.2 標(biāo)志點提取與匹配2.2.1 標(biāo)志點提取標(biāo)志點準(zhǔn)確快速地定位是保證拼接準(zhǔn)確的前提。根據(jù)獲得的標(biāo)志點邊界求取標(biāo)志點點心，求取的精度對下面的點云的操作，特征的識別，拼接等工作有著直接的影響。為了提高精度，本文采用最小二乘的擬合方法來擬合點心。標(biāo)志點的邊緣數(shù)學(xué)模型為橢圓方程，由于測量過程中不可避免的誤差影響，為了提高求取的點心精度，采用一種修正其邊緣，迭代擬合的方法。分兩步進(jìn)行：1直接求解初始位置設(shè)橢圓的一般方程為：x2+2Bxy+Cy2+2Dx+2Ey+F=0 (2-1)直接應(yīng)用上述方程對得到的標(biāo)志點的邊界離散點進(jìn)行最小二乘擬合求取點心。其均方差和為： (2-2)對上式分別對B，C，D，E取偏導(dǎo)，令每個式子為零，可以得到一個包含5個方程和5個未知數(shù)的方程組。求解出B，C，D，E，F(xiàn)確定一個橢圓的5個參數(shù)：2迭代擬合：設(shè)橢圓上任一邊緣點為P(x，y)，橢圓兩焦點位置為F1(x1，y1)和F2(x2，y2)，焦距為2c。兩個焦點位置為：F1： (2-3) (2-4)F2： (2-5) (2-6)理想橢圓上的點到兩焦點距離之和為常數(shù)(2a)，實際中，由于不可避免的誤差影響，設(shè)v為殘差，有： (2-7)進(jìn)一步可以寫為： (2-8)理論上，可以由上式對所有橢圓邊緣的離散點進(jìn)行最小二乘擬合可求得橢圓的5個待求參量的估計，由于該式是非線性的，必須先進(jìn)行線性化，再迭代求解。設(shè)： (2-9) (2-10)式(2-10)中對PF1，PF2，對x1，y1，x2，y2的偏導(dǎo)數(shù)。于是，我們可以得到式(2-11)的線性化觀測方程： (2-11)上述方程中x10，y10；x20，y20分別為焦點F1，F(xiàn)2的坐標(biāo)初值，且滿足如下關(guān)系： (2-12) (2-13) (2-14)將前面直接求解初始位置的結(jié)果作為初值，則觀測方程應(yīng)用于所有邊緣的離散點進(jìn)行最小二乘擬合，并逐步迭代可最終獲得所有待求參數(shù)(x1，y1；x2，y2；a)。一般經(jīng)過35次后發(fā)現(xiàn)即可收斂，最后，可以得到橢圓中心擬合位置為： (2-15) (2-16)標(biāo)志點拍攝圖像如下圖2-1所示：圖2-1 標(biāo)志點拍攝圖像用Matlab編程得到標(biāo)志點的坐標(biāo)如表2-1所示：表2-1 標(biāo)志點的二維坐標(biāo)點序1234567x/mm84.042094.6412104.5000113.5741122.3689130.4149138.0000y/mm864.6084716.0153577.5000448.0648327.0485213.4362106.5000點序891011121314x/mm234.1565239.5692244.5000249.2500253.3922257.4409261.1954y/mm864.6054715.9538577.5000448.1574327.0000213.3871106.4713點序15161718192021x/mm384.5000384.5000384.5000384.5000384.5000384.5000384.5000y/mm864.5000106.5000213.3696327.0000448.0000577.5000716.0000點序22232425262728x/mm507.8046511.5591515.6078519.7500524.5000529.4308534.8435y/mm106.4713213.3871327.0000448.1574577.5000715.9538864.6054點序29303132333435x/mm631.0000638.5851646.6311655.4259664.5000674.3588684.9580y/mm106.5000213.4362327.0485448.0648577.5000716.0153864.60842.2.2 標(biāo)志點匹配不同視場下的標(biāo)志點空間三維坐標(biāo)匹配的實質(zhì)，便是將不同坐標(biāo)系下測量得到的三維深度數(shù)據(jù)進(jìn)行坐標(biāo)變換(旋轉(zhuǎn)與平移)轉(zhuǎn)化到統(tǒng)一的坐標(biāo)系下。對于兩個視場標(biāo)志點的對應(yīng)搜索，主要應(yīng)用歐式距離12在空間剛體變換不變性原理來完成，具體算法采用點模式匹配算法。該方法根據(jù)任意兩點間距離的剛體不變性質(zhì)，在歐式距離變換下要在對應(yīng)點集中找到盡可能多的對應(yīng)點對，使得它們在一定的誤差容限下一致滿足同一個歐氏距離變換關(guān)系。然后得到了對應(yīng)點集中的匹配團(tuán)，此時的匹配團(tuán)是一致匹配團(tuán)，通常，通過預(yù)處理，可將每幅圖像中彼此靠得很近的點合并為一個點，這樣就找了匹配的點。2.3 本章小結(jié)本章主要介紹兩部分內(nèi)容：首先介紹標(biāo)志點的選擇和對二維標(biāo)志點圖像的預(yù)處理。主要包括圖像平滑、圖像閾值分割、邊緣檢測與跟蹤。然后介紹的是標(biāo)志點的標(biāo)定與匹配。標(biāo)志點的標(biāo)定方法分為兩步：直接求解初始位置和迭代擬合；并通過Matlab編程得到標(biāo)志點的二維坐標(biāo)。標(biāo)志點的匹配是通過利用歐氏距離在空間剛體變換不變性原理來完成。找出匹配對，再計算其轉(zhuǎn)換關(guān)系，就可以實現(xiàn)兩個視場的坐標(biāo)轉(zhuǎn)換，通過這些預(yù)處理和標(biāo)定可以使標(biāo)志點的輪廓清晰，更容易與背景分離。第3章 拼接算法分析及仿真近幾年來，國內(nèi)外計算機(jī)視覺應(yīng)用及工業(yè)制造等領(lǐng)域的學(xué)者對多視角下的點云數(shù)據(jù)拼接做了大量的研究。所以本章先簡要介紹拼接原理和幾何坐標(biāo)變換，重點介紹了兩種快速拼接方法，并通過仿真實驗比較兩種方法。3.1 多視角的坐標(biāo)變換原理1拼接原理三維坐標(biāo)變換13是二維坐標(biāo)變換的簡單推廣。二維坐標(biāo)變換在齊次坐標(biāo)系空間中可用33的變換矩陣表示，類似的三維坐標(biāo)變換在齊次坐標(biāo)系空間中可用44的變換矩陣表示。三維圖形的坐標(biāo)變換矩陣可用 A= (3-1)表示從變換功能上講A可分為4個子矩陣：其中 (1) R= 產(chǎn)生比例、旋轉(zhuǎn)、錯切等幾何變換(2) T= 產(chǎn)生平移變換(3) 產(chǎn)生投影變換(4) 產(chǎn)生整體比例變換由于本文中采用的坐標(biāo)變換是剛性變換：故有：=1，= (3-2)若點p在第一塊點云中的坐標(biāo)為p1=(x1，y1，z1)，在第二塊點云中對應(yīng)的坐標(biāo)為p2=(x2，y2，z2)，則兩者關(guān)系可表示為：p1=Rp2+T。2幾何坐標(biāo)變換多視點云拼合過程可以歸結(jié)為根據(jù)特征分別構(gòu)建兩片點云的局部坐標(biāo)系，然后通過旋轉(zhuǎn)和平移變換的方式將兩個局部坐標(biāo)系下的數(shù)據(jù)統(tǒng)一到一個坐標(biāo)系下。不論是哪種拼合方式都是通過局部坐標(biāo)系的平移和旋轉(zhuǎn)來實現(xiàn)的，整個拼合過程就是尋找平移和旋轉(zhuǎn)矩陣。三維坐標(biāo)點(x，y，z)的齊次坐標(biāo)定義為：(x，y，z，h)，其中h為不等于零的任意常數(shù)，本文為簡單起見，取(x，y，z，1)為(x，y，z)的齊次坐標(biāo)。(1)平移變換幾何體的剛體平移指的是物體上每一點在都給定方向上移動相同的距離，得到三維平移變換矩陣： (3-3)其中三維平移矩陣：A= (3-4)(2)比例變換幾何體的比例變換指的是物體上每一點在都有相應(yīng)的比例變換，得到三維平移變換矩陣：= (3-5)其中三維比例變換矩陣為：A= (3-6)(3)旋轉(zhuǎn)變換物體的旋轉(zhuǎn)變換包括繞坐標(biāo)軸的旋轉(zhuǎn)和繞任意軸的旋轉(zhuǎn)。在右手坐標(biāo)系下相對坐標(biāo)系原點繞坐標(biāo)軸旋轉(zhuǎn)角的變換公式為：a：繞x軸旋轉(zhuǎn) (3-7)b：繞y軸旋轉(zhuǎn) (3-8)c：繞z軸旋轉(zhuǎn) (3-9)3.2 快速拼接算法下面主要介紹兩種快速拼接算法：三點法和SVD法，這兩種算法都是基于三個點進(jìn)行計算，所以參與計算的數(shù)據(jù)較少，提高了計算速度，同時也能保證一定的精度。3.2.1 拼接原理數(shù)據(jù)拼接實現(xiàn)的前提是在規(guī)劃測量方案時，相鄰子區(qū)域必須存在公共重疊區(qū)域，所以先介紹數(shù)據(jù)拼接的原理14。O-XYZ為測量系統(tǒng)的世界坐標(biāo)系(WCS-Word Coordinate System)，測量對象為歐式空間的任意曲面S(x，y，z)，o-uvw為的局部坐標(biāo)系，S(x，y，z)上的幾何要素與o-uvw的空間位置不受S(x，y，z)移動及分解的影響，也就是說o-uvw和S(x，y，z)是一種剛性關(guān)系。若將S(x，y，z)劃分成兩個包含部分重疊區(qū)域R(x，y，z)子曲面S1(x，y，z)和S2(x，y，z)并分別進(jìn)行視覺三維測量，為了保證兩塊子曲面的測量質(zhì)量，要求在測量坐標(biāo)系O-XYZ中他們的姿態(tài)和位置的調(diào)整可能不盡相同，這就導(dǎo)致S1(x，y，z)和S2(x，y，z)的局部坐標(biāo)系o1-u1v1w1和o2-u2v2w2不重合。測量完成后，曲面S(x，y，z)在世界坐標(biāo)系中被離散為分別對應(yīng)于S1(x，y，z)和S2(x，y，z)的兩組不具相關(guān)性的數(shù)據(jù)點集P1i(x，y，z)|P1i(x，y，z)S1(x，y，z);i=1,2,n，P2j(x，y，z)|P2j(x，y，z)S2(x，y，z);j=1,2,m，它們都包含對應(yīng)于公共區(qū)域R(x，y，z)的測量點集Qk(x，y，z)R(x，y，z);k=1,2,l，為了實現(xiàn)P1i(x，y，z)和P2j(x，y，z)的坐標(biāo)歸一化，就必須在測量坐標(biāo)系中變換o2-u2v2w2和P2j(