[发明专利]基于G-W距离的3D图形匹配方法

摘要

本发明公开了一种基于G‑W距离的3D图形匹配方法，涉及计算机图形、计算机视觉、机器人领域，包括：第一步，对两个原始待匹配的真实图形X和Y进行预处理，提取出顶点坐标及面片信息；第二步，根据第一步所得的数据，利用最远点采样法对每个图形进行采样；第三步，利用第二步所得的采样点代表原来的真实图形，计算两个图形之间的G‑W距离，将其视为二次优化问题的目标函数；第四步，构造松弛约束条件；第五步，将第三步中构建的G‑W距离作为目标函数，根据第四步中松弛的约束条件，采用投影的梯度算法对其进行优化求解；第六步，根据第五步所求得的解进行两个图形之间的匹配。本发明更接近理论最优解，提高了精确率、匹配率及其稳定性，因而更具应用价值。

主权项

一种基于G‑W距离的3D图形匹配方法，其特征在于，所述基于G‑W距离的方法包括：步骤100，对两个原始待匹配的真实图形X和Y进行预处理，提取出顶点坐标及面片信息；步骤200，根据步骤100所得的数据，利用最远点采样法对每个图形进行采样；步骤300，利用步骤200所得的采样点代表原来的真实图形，两个图形的采样点个数可以不同，计算两个图形之间的G‑W距离，将其视为二次优化问题的目标函数；步骤400，构造松弛约束条件，包括以下过程：由联合测度的定义式得出约束条件：Σj=1mμ(xi,yj)=μX(xi)Σi=1nμ(xi,yj)=μY(yj)---(3)]]>其中，U是一个n×m维矩阵，Uij＝μ(xi,yj)；矩阵U的行和、列和分别为采样点yj和采样点xi的测度，是定值；将约束条件松弛，只保留式(3)中的一部分，得到松弛的约束条件：Σj=1mμ(xi,yj)=μX(xi)---(4)]]>或者约束条件：Σi=1nμ(xi,yj)=μY(yj)---(5)]]>上述两种松弛的约束条件是相互独立的，也是等价的；步骤500，将步骤300中构建的G‑W距离作为目标函数，根据步骤400中松弛的约束条件，采用投影的梯度算法对其进行优化求解；步骤600，根据步骤500所求得的解进行两个图形之间的匹配，包括以下过程：步骤500求出的解是矩阵U的元素U(i,j)，其理论意义是图形X中第i个点和图形Y中第j个点为匹配点的概率；对步骤500求出的解按从大到小的顺序排列，选出最大值，也就是匹配可能性最大的一对点，之后将这两个采样点剔除，在剩余的点对中选出下一对匹配点，以此类推一一进行筛选即可。