[发明专利]一种自适应的无标志点三维点云自动拼接方法

摘要

本发明属于三维测量邻域中的点云数据拼接技术，具体为一种自适应的无标志点三维点云自动拼接方法，本发明包括几何特征点的查找，图像特征点的查找，配准算法选择模型的建立，基于RANSAC的几何特征点匹配，利用RANSAC排除误匹配图像特征点，利用SVD算法求解旋转平移矩阵RT，最后利用RT矩阵完成两片点云拼接。该方法因为利用物体特征点来代替标志点进行拼接，可用于不能粘贴标记点的测量场合；同时依靠对应特征点来计算多视点云的变换矩阵，无需依赖点云的初始姿态，且配准算法选择模型的建立使系统能自适应选择合适的配准算法，实现不同被测物体的稳定拼接。

主权项

一种自适应的无标志点三维点云自动拼接方法，该方法包括下述步骤：第1步在源点云和目标点云中利用点特征直方图法查找几何特征点；在两次拍摄图片中查找图像特征点；第2步利用查找出的几何特征点和图像特征点建立配准算法选择模型，计算配准算法判断因子D_r的值，依据该值自动选择合适的配准算法：当D_r＞0时，进入第3步，当D_r＜0时，转入第4步，当D_r＝0时，提示用户通过引入标志点进行点云拼接；所述配准算法选择模型为：$D_r=\left\{\begin{array}{cc}{w}_1(\frac{p_1-p}{p}-\frac{n_1-n}{n})+w_2(\frac{p_2-p}{p}-\frac{n_2-n}{n});& p_1>p,n_1>n\\ 1;& p_1>p,n_1\<n\\ -1;& p_1\<p,n_1>n\\ 0;& p_1\≤p,n_1\≤n\end{array}\right.$其中，p₁，p₂分别代表两幅采样点云中几何特征点数目占其采样点点数的比例；n₁，n₂分别代表两次拍摄图片中图像特征点的数目，n为预先设定的图像特征阈值；p为几何特征阈值，w₁和w₂是描述两个对比差值的权重因子；第3步对于第1步查找出的几何特征点，利用RANSAC算法进行几何特征点的匹配，得到每一个查找点对应的初匹配点集Q′，再利用SVD奇异值分解法计算旋转矩阵R和平移矩阵T，然后进入第5步；第4步对于第1步查找出的图像特征点，利用RANSAC算法查找对应点，再利用SVD奇异值分解法计算旋转矩阵R和平移矩阵T，然后进入第5步；第5步利用旋转矩阵R和平移矩阵T对目标点云进行旋转平移，完成拼接。