三維點(diǎn)云的重建與匹配

1、CONCENTS目錄背景介紹點(diǎn)云配準(zhǔn)稀疏點(diǎn)云重建010203實(shí)驗(yàn)結(jié)果04背景介紹Vestibulum ante ipsum primis in faucibus orci luctus et ultrices Vestibulum ante ipsum primis in faucibus orci luctus et ultrices 14Vestibulum ante ipsum primis inVestibulum ante ipsum primis in faucibus orciestibulum ante ipsum primis in faucibus orcaucibus o

2、rci相關(guān)背景： 隨著數(shù)字城市不斷向前發(fā)展，大規(guī)模三維數(shù)據(jù)采集技術(shù)迅速提升，可以通過激光原理、攝影測(cè)量原理等方式產(chǎn)生多種點(diǎn)云數(shù)據(jù)。在實(shí)際獲取三維點(diǎn)云時(shí)考慮到測(cè)量設(shè)備、測(cè)量范圍的限制以及被測(cè)物體外形的復(fù)雜性等，每次掃描只能獲取當(dāng)前視點(diǎn)下的點(diǎn)云，其坐標(biāo)是相對(duì)于當(dāng)前的儀器坐標(biāo)系而言的，要得到被測(cè)物體完整的三維模型，需要從不同的視點(diǎn)對(duì)被測(cè)物體進(jìn)行掃描，并將不同視點(diǎn)獲取的三維點(diǎn)云進(jìn)行配準(zhǔn)。稀疏點(diǎn)云重建Vestibulum ante ipsum primis in faucibus orci luctus et ultrices Vestibulum ante ipsum primis in faucib

3、us orci luctus et ultrices 26稀疏點(diǎn)云重建步驟：（1）特征點(diǎn)的提取 特征點(diǎn)指的是圖像灰度值發(fā)生劇烈變化的點(diǎn)或者在圖像邊緣上曲率較大的點(diǎn)(即兩個(gè)邊緣的交點(diǎn))。當(dāng)前比較常用的特征點(diǎn)提取算法： 1）尺度不變特征變換算法（Scale Invariant Feature Transform，SIFT） 2）加速魯棒特征算法（Speeded-Up Robust Feature，SURF） 場(chǎng)景的三維重建問題可總結(jié)為：從二維空間中的點(diǎn)估計(jì)相機(jī)的位置、投影矩陣以及恢復(fù)場(chǎng)景在三維空間中的點(diǎn)。7（2）圖像特征點(diǎn)匹配 在特征點(diǎn)提取完成之后，就需要對(duì)立體圖像進(jìn)行特征匹配，當(dāng)前常用的特征點(diǎn)匹

4、配算法： 1）歸一化互相關(guān)技術(shù)（Normalized Cross Correlation Method，NCC） 2）最近鄰算法（Nearest Neighbor-NN）（3）去除誤匹配 隨機(jī)抽樣一致算法（Random Sample Consensus， RANSAC ）8（4）SFM算法 在特征點(diǎn)提取和匹配完成之后，可以用SFM算法得到稀疏的三維點(diǎn)云，SFM （structure from motion）算法是一種基于各種收集到的無序圖片進(jìn)行三維重建的離線算法?？梢栽诓恢老鄼C(jī)參數(shù)和場(chǎng)景三維信息的情況下通過迭代解出三維點(diǎn)云和相機(jī)矩陣。 9（5）利用VisualSFM得到的結(jié)果點(diǎn)云配準(zhǔn)Vest

5、ibulum ante ipsum primis in faucibus orci luctus et ultrices Vestibulum ante ipsum primis in faucibus orci luctus et ultrices 311 很多時(shí)候，由于設(shè)備的顯示，我們需要從不同角度拍攝圖像，獲取點(diǎn)云數(shù)據(jù)，從而才能得到目標(biāo)的完整的點(diǎn)云。這些點(diǎn)云需要轉(zhuǎn)換到同一坐標(biāo)系下，這個(gè)過程被稱為配準(zhǔn)過程。對(duì)于兩個(gè)點(diǎn)云來說，配準(zhǔn)的目的就在于找到一個(gè)最優(yōu)的幾何變換使得兩個(gè)點(diǎn)云數(shù)據(jù)在同一坐標(biāo)系下最大程度的對(duì)齊融合。點(diǎn)云配準(zhǔn)最常用的是最近點(diǎn)迭代（Iterative Closest Point，I

6、CP）點(diǎn)云配準(zhǔn)算法。12 ICP算法的基本原理是：分別在帶匹配的目標(biāo)點(diǎn)云P和源點(diǎn)云Q中，按照一定的約束條件，找到最鄰近點(diǎn)（pi，qi），然后計(jì)算出最優(yōu)匹配參數(shù)R和t，使得誤差函數(shù)最小。誤差函數(shù)為E（R，t）為： 其中n為最鄰近點(diǎn)對(duì)的個(gè)數(shù)，pi為目標(biāo)點(diǎn)云 P 中的一點(diǎn)，qi 為源點(diǎn)云 Q 中與pi 對(duì)應(yīng)的最近點(diǎn)，R 為旋轉(zhuǎn)矩陣，t 為平移向量。ICP算法原理13（1）在目標(biāo)點(diǎn)云P中取點(diǎn)集piP；（2）找出源點(diǎn)云Q中的對(duì)應(yīng)點(diǎn)集qiQ，使得|qi-pi|=min；（3）計(jì)算旋轉(zhuǎn)矩陣R和平移矩陣t，使得誤差函數(shù)最??；（4）對(duì)pi使用上一步求得的旋轉(zhuǎn)矩陣R和平移矩陣t進(jìn)行旋轉(zhuǎn)和平移變換，的 到新的對(duì)應(yīng)點(diǎn)集pi=pi=Rpi+t,piP；（5）計(jì)算pi與對(duì)應(yīng)點(diǎn)集qi的平均距離； （6）如果d小于某一給定的閾值或者大于預(yù)設(shè)的最大迭代次數(shù)，則停止迭代 計(jì)算。否則返回第2步，直到滿足收斂條件為止。ICP算法步驟實(shí)驗(yàn)結(jié)果Vestibulum ante ipsum primis in faucibus orci luctus et ultrices Vestibulum ante ipsum