三维重建过程中的点云数据配准算法的研究

论文摘要

真实物体的三维重建是计算机视觉领域的一个重要课题,有着广泛的应用前景。通常,在进行三维模型的重建时,由于受观察方向和物体自身形状的限制,需要分别从不同角度获取物体表面的三维数据。因此,不同视角间的三维数据配准显得尤为重要,它直接关系到三维重建的重建精度及自动化程度。目前,应用最普遍的数据配准算法是最近点迭代(ICP)算法,它采用迭代方式逐渐逼近最佳结果。但ICP配准算法的收敛速度较慢,且不能保证收敛到全局最优点。在数据集初始位置差异较大时,ICP算法可能出现错误的配准结果。因此,选择合适的粗配准方法,使数据集能够获得一个相对良好的初始位置,是决定ICP算法配准结果的一个关键因素。本论文针对三维重建过程中的点云数据配准问题,进行了深入的研究。选择基于仿射不变量的RANSAC配准算法,作为粗配准算法。在算法实现上,提出了一种简单的提取共面四点的方法,并通过改进寻找共面一致四点集的方法,加快了算法的配准速度。实验结果表明该算法快速稳定,且有较高的鲁棒性。在ICP精确配准过程中,选择ICP不同阶段的不同方法,形成了一种简单且快速的ICP算法。实验结果表明,该算法收敛速度较快。论文把RANSAC粗配准算法与ICP精确配准算法相结合,具有较高的收敛速度和鲁棒性。实验开发了基于仿射不变量的RANSAC粗配准算法及ICP精确配准算法的三维点云数据配准软件,该软件简单易用,框架清晰简单,支持标准ply格式的三维点云数据,给今后的理论研究提供了有力的软件平台支撑。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 真实物体三维重建过程概述
• 1.3 三维数据配准算法研究现状
• 1.4 本文工作及贡献
• 1.5 本文章节组织结构
• 第二章 三维数据配准原理
• 2.1 数据配准基本问题
• 2.1.1 变换矩阵
• 2.1.2 控制点数量
• 2.1.3 变换矩阵求解
• 2.1.4 目标函数
• 2.2 四元数方法
• 2.2.1 目标函数最小化分析
• 2.2.2 四元数表示法
• 2.2.3 旋转矩阵的求解
• 2.2.4 正定矩阵N 的构造
• 2.2.5 四元数求解步骤
• 2.3 本章小结
• 第三章 基于仿射不变量的 RANSAC配准算法
• 3.1 RANSAC 配准算法
• 3.1.1 RANSAC 配准算法
• 3.1.2 RANSAC 配准算法参数分析
• 3.2 基于仿射不变量的RANSAC 配准算法
• 3.2.1 仿射不变量
• 3.2.2 一致共面四点集
• 3.2.3 基于相似不变量的RANSAC 配准算法
• 3.2.4 算法实现详细说明
• 3.3 仿真实现及结果分析
• 3.3.1 实验仿真结果
• 3.3.2 实验结果分析
• 3.4 本章小结
• 第四章 ICP精确配准算法
• 4.1 ICP 配准算法
• 4.1.1 ICP 算法简介
• 4.1.2 ICP 算法收敛性分析
• 4.2 ICP 配准算法分析
• 4.2.1 重采样方法
• 4.2.2 对应点匹配策略
• 4.2.3 匹配点的赋权
• 4.2.4 错误匹配点的剔除
• 4.2.5 目标函数的选择及最小化方法
• 4.3 仿真实现及结果分析
• 4.3.1 ICP 算法的选择
• 4.3.2 实验仿真结果
• 4.3.3 实验结果分析
• 4.4 由粗到细的配准策略
• 4.5 本章小结
• 第五章 工作总结及展望
• 5.1 实验开发配准软件简介
• 5.2 下一步工作展望
• 致谢
• 参考文献