[发明专利]一种基于扩展高斯图像的点云配准方法

说明书

一种基于扩展高斯图像的点云配准方法，本发明涉及图像的点云配准方法。本发明的目的是为了解决现有点云配准领域常用的粗配准算法SAC‑IA算法开销过大，基于EGI算法将高斯球等分为多面体或经纬度，花费时间较长，以及基于EGI算法计算旋转矩阵时直接在可行域内搜索最优解，难以平衡效率和精度的双重要求的问题。过程为：将法线在各自本体坐标系下的坐标集合记为N^T和N^S；对高斯扩展图像进行网格化分；将初步匹配后的网格按照网格内法线数量降序排序；得到修正后的网格；计算旋转矩阵；输出iter、Corr和M。本发明用于计算机图形学和机械加工技术的交叉领域。

技术领域

本发明属于计算机图形学和机械加工技术的交叉领域，具体涉及图像的点云配准方法。

背景技术

工件加工过程中常常先使用铸造进行毛胚制造，之后利用车削、磨削等减材加工方式将零件加工成最终形状。这个过程中需要对铸件情况进行检测，确定余量的分布，之后进一步优化余量的分布，便于下一步切削加工。激光扫描仪因其便于表面点云数据迅速，时间成本低，精度较高的特性，较之人工更适于对铸件的检测。在扫描仪获取到组件的点云数据之后，使用点云配准算法，将该点云与CAD软件中设计的模型进行配准和对比，这种方法能够高效率的、可靠的分析之后机械加工的余量。

点云配准领域针对于各种不同情景及不同外形的点云配准做了很多相关研究。点云配准领域常用的粗配准算法SAC-IA，通过迭代的方式，最小化目标点云及模型点云之间的距离，完成配准。该算法开销过大。有文献提到使用Extended Gaussian Images(EGI)估计旋转矩阵联合使用ICP算法完成配准的一类算法，将高斯球等分为多面体或经纬度，每个面面积相同，然而得到多面体的每一个棱角的具体坐标较为困难，同时当法线数量较为庞大时，需要逐个面判断计算每一个法线是否指向该面，花费时间较长。计算旋转矩阵时直接在可行域内搜索最优解，难以平衡效率和精度的双重要求。

EGI为扩展高斯图像；

发明内容

本发明的目的是为了解决现有点云配准领域常用的粗配准算法SAC-IA算法开销过大，基于EGI算法将高斯球等分为多面体或经纬度，花费时间较长，以及基于EGI算法计算旋转矩阵时直接在可行域内搜索最优解，难以平衡效率和精度的双重要求的问题，而提出一种基于扩展高斯图像的点云配准方法。

一种基于扩展高斯图像的点云配准方法具体过程为:

步骤一、将模型点云和毛坯点云中的法线在各自本体坐标系下的坐标集合记为N^T和N^S(得到法线位置)；

步骤二、分别对模型点云和毛坯点云生成的高斯扩展图像(EGI)进行网格化分；

步骤三、基于步骤二对网格P_i^T、和网格P_i^s、进行初步匹配，将初步匹配后的网格P_i^T、和网格P_i^s、按照网格内法线数量降序排序，记为P₁^T″、和P₁^s″、

其中，P_i^S为中法线数量最多的网格；P_i^T为中法线数量最多的网格；

为中法线数量最多的网格；为中法线数量最多的网格；

为毛坯点云生成的高斯扩展图像的第i个基础网格，为模型点云生成的高斯扩展图像的第i个基础网格，

为毛坯点云生成的高斯扩展图像的第j个基础网格，为模型点云生成的高斯扩展图像的第j个基础网格；

i＝1,2,...,12；j＝i+1,i+2,...,12；i≠j；