[发明专利]基于改进四点快速鲁棒匹配算法的环形锻件点云配准方法

说明书

本发明提供了一种基于改进四点快速鲁棒匹配算法的环形锻件点云配准方法，该方法包括：获得环形锻件不同角度的点云数据；基于多种群果蝇算法，对不同角度的点云数据提取点云重叠区域；基于改进Harris角点检测算法，对点云重叠区域提取点云的特征角点集合；基于四点快速鲁棒匹配算法，对特征点集合进行点云初始配准，得到初始点云配准结果；基于ICP最近迭代算法，对初始配准结果进行点云精确配准。本发明可直接作用在含有大量噪声的不同角度点云上，并配准出精度较高的环形锻件点云模型。

技术领域

本发明属于计算机图形处理技术领域，特别是一种基于改进四点快速鲁棒匹配算法的环形锻件点云配准方法。

背景技术

工业上使用的环形锻件是重大机械装备的重要组成部分，大多数采用贵重的合金高温轧制而成，但受到环形锻件设备和复杂锻造环境的限制，锻件表面完整测量数据的获得往往需要通过多次测量完成，而由于每次测量得到的点云数据往往只覆盖物体部分表面，且可能出现平移错位和旋转错位的现象。因此，为获取物体完整表面的点云数据，需要对这些局部点云数据进行整合和配准。

国内外在环形锻件基于全局的点云配准算法主要有以下四种：采样一致性算法、正态分布变换、最近迭代算法、四点快速鲁棒匹配算法。但这些方法对点云初始位置要求均较高，否则容易陷入局部最优，且存在收敛速度较慢的问题。因此，寻求一种在含有大量噪声的点云且初始位置较差的情况下精确配准环形锻件不同角度的点云技术是个难点问题，但又是十分迫切且必要的。

发明内容

本发明针对上述现有技术中的缺陷，提出一种基于改进四点快速鲁棒匹配算法的环形锻件点云配准方法。该方法包括获得环形锻件不同角度的点云数据；基于多种群果蝇算法，对不同角度的点云数据提取点云重叠区域；基于改进Harris角点检测算法，对点云重叠区域提取点云的特征角点集合；基于四点快速鲁棒匹配算法，对特征点集合进行点云初始配准，得到初始点云配准结果；基于ICP最近迭代算法，对初始配准结果进行点云精确配准。本发明可直接作用在含有大量噪声的不同角度点云上，并配准出精度较高的环形锻件点云模型。

本发明提供一种基于改进四点快速鲁棒匹配算法的环形锻件点云配准方法，所述方法包括以下步骤：

S1、获得环形锻件不同角度的点云数据；

S2、基于多种群果蝇算法，对不同角度的点云数据提取点云重叠区域，所述步骤S2具体包括以下步骤：

S21、利用正平行投影实现环形锻件不同角度的点云数据的三维坐标向二维坐标的投影，同时保证点与点之间的角度关系；

S22、将点云数据进行网格化，计算网格内点云数据的中心点(x,y)；

S23、设网格内共有n个数据点，用中心点搜索代替数据的半径搜索，以中心点为坐标索引，计算每个索引对应的点与目标点(x_i,y_i)的欧氏距离d：

当源点云P中点p_m1和目标点云Q中点q_n1距离小于设定阈值时认定该点为重叠点：

d＝min[p_m1-q_n1]   (2)；

S24、在网格区域自适应引入多种群果蝇算法，基于多种群果蝇算法进行点云重叠区域寻优；

S3、基于改进Harris角点检测算法，对点云重叠区域提取点云的特征角点集合，所述步骤S3具体包括以下步骤：

S31、计算点云的Harris响应值R；

S32、以点云密度的方差的立方作为点云的角点响应阈值σ：