[发明专利]一种基于标定球的点云自配准方法

说明书

本发明公开一种基于标定球的点云自配准方法，采用基于标定球的方法进行点云配准，以标定球作为同名控制点，使用Kinectv3深度传感器多角度拍摄目标物体及标定球，获取表面点云信息，通过点云处理，最终实现目标物体模型建立。本发明基于公共重叠区域的配准方法比较，能够进行大角度的点云配准，对两片点云重叠度要求不高，适合在复杂多变的环境作业，且提出了可以自动的匹配同名点的方法，省去了人工操作，使得整个配准过程更加的自动化。

技术领域

本发明属于点云处理技术领域，特别是涉及一种基于标定球的点云自配准方法。

背景技术

目前点云获取的方法有三种，分别是双目视觉、飞行时间、结构光。(1)双目视觉是三类中唯一的被动测量装置，它本质上是两个完全相同的相机，摆放在不同的角度拍摄同一场景，因其放置位置不同，拍摄的图像有略微的区别，然后通过解析两个场景之间的差异，最终推得图像中各点的深度信息。双目视觉装置价格便宜，但精度很低，在理想情况下，想要得出像素点的空间位置，需要对这两个相机进行完美的校准，但事实上，这种校准工作在现实情况下是无法实施的，光线、角度、透镜光心等因素影响都会使其失效。此外，由于双目视觉算法在运行之初需要检测图像中的感兴趣点，对于纹理简单、场景单一的对象，结果不理想。(2)飞行时间传感器的工作原理是主动发射一段光脉冲或者光线，经物体反射后，对光脉冲或者光线进行接收由于光速是已知的常数，所以只需计算好时间就可以获得物体的深度信息，这类传感器受光照影响小，结果比较精确。运用此原理的常见的产品有激光雷达、TOF摄像机等。激光雷达经高速旋转，逐点扫描场景。结果相当的精确，但同时也非常的昂贵。近几十年来，在气象学、建筑学等不同的领域得到了广泛的运用，并且激光雷达可以安装在卫星、飞机或机器上。TOF摄像机不像激光雷达那样逐点扫描，而是使用一系列光脉冲像网一样打在物体身上，每一帧打一次，其测量精度约为1cm；(3)结构光传感器的工作方式是在场景中投射出网格状的光线，当从不同角度接收光线时，就会出现光格扭曲的现象，通过解析这种“失真”便可以得出深度信息，重建出表面。

在上个世纪80年代，点云配准技术开始兴起。ICCV(International Conferenceon Computer Vison)在2005年为点云配准的研究单独开设了题目。点云配准从步骤上来区分，分为粗配准和精配准。点云的粗配准方法分为两类：第一，基于标定物的点云配准；第二，基于重叠区域的点云配准。第一种方法将标定物作为特征点，通过提取各角度标定物确定特征点对，从而解出旋转平移矩阵。第二种方法不需要标定物，而是目标点云的几何特征确定与源点云的对应关系，利用特征对应关系解出旋转平移矩阵。点云的精配准是在源点云与目标点云有一定的初始位姿后执行，进一步配准点云，得到一个最优化的配准结果。在点云精配准领域最经典的算法是由Besl等人提出的最近点迭代算法(Iterative ClosestPoint,ICP)。该算法为基于最小二乘法的最优估计算法，在目标点集和源点集之间重复搜寻最优刚体变换，直到满足收敛条件。

三维点云经深度传感器扫描过后的数据量巨大，整个配准过程仍然会消耗较长时间；基于特征配准的源点云与目标点云之间，需要有较大的公共重叠区域，才能使得结果良好；基于标定物进行三维点云配准的方法中，在提取了标定物的特征后，缺乏自动匹配特征点对的方法，整体流程不够自动化。

发明内容

为了解决上述技术问题，本发明提供一种基于标定球的点云自配准方法，具体包括以下步骤：

S1、构建用于驱动Kinect v3深度传感器的点云采集平台，然后使用Kinect v3深度传感器多角度拍摄目标物体及标定球，并利用所述点云采集平台获取目标物体表面原始点云数据；

S2、对采集的原始点云数据进行预处理；

S3、基于随机抽样一致性算法，在滤波后的点云数据中提取出标定球球面的点云；

S4、采用最小二乘法得到所述标定球的球心坐标；

S5、基于距离信息的点集自动匹配方法，自动匹配不同角度的相同球的球心坐标；