[发明专利]基于重选点策略和人工蜂群优化的三维图像配准方法

说明书

本发明公开基于重选点策略和人工蜂群优化的三维图像配准方法，包括：(1)对动态点云采样，得到采样点集；(2)产生一定数量蜂群，初始化蜂群个体的位置；(3)确定每个蜜蜂的欧式变换矩，根据欧式变换矩阵对采样点集进行位置变换；(3)由欧式变换矩对采样点集进行变换并计算目标函数值；(5)比较最优目标函数值的变化量，若连续多次小于阈值，则重选点操作，得到新采样点集，否则进入步骤(6)；(6)若达到最大进化代数，进入步骤(7)，否则返回步骤(3)；(7)由种群的最优解得到最优的欧式变换矩；并移动动态点云，完成图像配准。本方法将重选点策略引入采样过程，结合蜂群算法，有效降低了图像配准完成的时间，提高了性能。

技术领域

本发明涉及三维图像配准技术领域，尤其涉及一种基于重选点策略和人工 蜂群优化的三维图像配准方法。

背景技术

三维成像是指由多传感器在不同视角采集三维物体深度图像数据，并形成 被测物体的三维完整形貌的过程。三维图像配准(IR)是三维成像领域的关键 技术，其任务是找到三维空间的最优变换，将多传感器采集到的多片深度图像 统一到同一坐标系下，最终恢复出完整的三维物体。

目前为了提高三维图像配准的速度及精度，结合仿生智能优化算法进行配 准的方法成为了国内外研究热点。其中主要改进是针对图像配准的各个阶段提 出相应的策略，或通过在仿生智能优化算法中引入一些学习机制与变异算子等 来有效提高算法的全局收敛能力和求解精度，进而得到高精度的图像配准算法。

然而，很多改进策略在提高了配准算法的全局收敛能力和求解精度的同时， 却额外增加了计算复杂度，从而影响了算法的实际工程应用效果，降低了配准 完成的时间。

发明内容

为了解决上述问题，本发明旨在提供一种基于重选点策略和人工蜂群优化 的三维图像配准方法(称为EBABC-RS-IR法)。该方法将一种重选点策略引入 配准过程中的采样阶段，并在人工蜂群算法的求解过程中，通过加入一个开发 性能更强的搜索方程与算法原有方程进行交叉搜索，对算法的搜索过程进行优 化和改进，从而更加有效地协调了算法的开发能力和探索能力。该方法在保证 配准结果高精度的前提下大幅缩减了配准完成的时间，且改进原理简单易于理 解，具有良好的可执行性。

为实现上述目的，本发明采用如下技术方案：

一种基于重选点策略和人工蜂群优化的三维图像配准方法，包括步骤：

步骤1，在动态点云中利用等间距随机选点方法得到用于配准的采样点集；

步骤2，随机产生一定数量的蜂群，初始化蜂群个体的位置；

步骤3，蜜蜂根据当前找到的蜜源位置确定各自的欧式变换矩阵，根据欧式 变换矩阵对采样点集进行位置变换；

步骤4，针对所有蜜源，利用Kd-tree算法找到变换位置后的采样点集在静 态点云中各自的对应点，计算所有对应点的欧式距离中值作为目标函数值，计 算得到最优蜜源位置及其对应的最优目标函数值；

步骤5，比较前后两代最优目标函数值，如果变化量连续多次小于设定值， 则在动态点云中进行重选点操作，得新的采样点集；否则，进入步骤6；

步骤6，若达到最大进化代数，则进入步骤7；否则，返回步骤3；

步骤7，根据当前最优蜜源，得到最优的欧式变换矩阵，根据最优的欧式变 换矩阵移动动态点云，完成图像配准。

所述步骤1、5中，在动态点云中得到采样点集的公式为：

N为动态点云中点的数目，为[0,1]之间的随机数，H为采样点的数目， round为四舍五入取整函数，fix为舍弃小数部分向下取整函数，D_k表示采样点 集中的第k个点。