[发明专利]一种用于三维重建的点云配准方法

摘要

本发明公开了一种用于三维重建的点云配准方法包括：S101、获得多视角三维点云，取两视角三维点云分别作为源点集和目标点集；S102、构建KD‑tree；S103、求取源点集中各点的法向量；S104、计算法向量夹角平均值；S105、将源点集中的点分级并设置最大分辨率，初始时分辨率为1；S106、计算当前分辨率下源点集中每一级的采样比例并提取采样点；S107、基于本发明中的匹配度求采样点在目标点集的匹配点；S108、使用四元数法计算旋转矩阵和平移矩阵；S109、对源点集变换，得到新的源点集；S110、重复步骤S107到S109直到目标函数最小；S111、若满足预设条件，则结束，否则将当前分辨率加1，并返回步骤S106。本发明利用低分辨率匹配点对迅速完成配准，高分辨率匹配点对提高精度，并利用匹配度查找匹配点，大大提高了大规模点云的配准速度及精度。

主权项

一种用于三维重建的点云配准方法，其特征在于，包括以下步骤：S101、用三维扫描仪从不同视角扫描物体表面，获得至少两个视角三维点云，取两个视角三维点云分别作为源点集P和目标点集Q；S102、对P和Q构建KD‑tree；S103、基于KD‑tree求取P中每个点的k_1个近邻点，并计算P中每个点的法向量；S104、计算P中每个点的法向量夹角平均值；S105、基于P中每个点的法向量夹角平均值对P中的点分级并设置最大分辨率，初始时分辨率为1；S106、计算当前分辨率下P中每一级的采样比例并提取采样点；S107、基于KD‑tree求P中各采样点在Q中的k_3个近邻点，并基于本发明中的匹配度求各采样点与其k_3个近邻点的匹配值，计算匹配度时若某点无曲率信息，则求取其曲率信息并存储，取匹配值最小的点作为该采样点的匹配点；S108、根据获得的匹配点对，使用四元素法计算旋转矩阵和平移矩阵；S109、使用获得的旋转矩阵和平移矩阵对源点集P进行变换，得到转换后的点云集P1，并将P1作为新的源点集P；S110、重复步骤S107到S109直到使目标函数最小；S111、若分辨率满足预设条件或目标函数的均方根误差满足预设条件，则结束，否则将当前分辨率加1，并返回步骤S106。