大型工件位姿估计中的稀疏点云配准方法

针对飞机、轮船、汽车等大型设备制造领域中大尺寸工件的精确位姿检测的问题,提出了一种用于估计具有自由曲面特征的工件空间位姿的稀疏点云数据自动配准算法。为了提高点云配准的精度和速度,着重将配准过程分为粗略配准和精确配准两个阶段实现。鉴于稀疏点云数据中的各点曲率具有旋转平移不变性,设计基于曲率特征的点云粗略配准算法;为弥补现有ICP算法的不足,提出基于距离约束的四叉树逼近算法。仿真实验表明,完成点云配准后,稀疏点云中各个点位的平均误差为0.0168 mm,均方差为0.0095 mm,说明该算法能够自动、准确、快速地实现点云数据配准。     

基于特征匹配的三维点云粗配准方法

针对无初值情况下点云配准精度不高以及配准效率低下的问题,提出一种基于特征匹配的三维点云粗配准方法。首先,利用点云局部法向量的变化描述其特征,加入特征保留权值筛选突出特征信息,提高配准效率;然后,根据保留的特征信息建立特征直方图,通过比较特征直方图描述的信息获取初始匹配的点对;最后,将刚性不变约束与随机抽样一致性算法结合筛选正确的匹配点对,再利用四元素法得到旋转矩阵和平移向量。实验结果表明,提出的算法与其他粗配准算法相比具有较高的精度和效率,为后续的点云精配准工作提供了良好的初值。     

利用平面特征和KNNS提高点云配准效率

由于人工建筑物表面存在大量平面特征,提出利用平面特征进行初始同名点的自动寻找.根据整体最小二乘对平面拟合结果,剔除远离特征平面的噪声点,对不同测站的两个平面进行中心化,通过计算平面初始中心及初始中心到平面子集包围圈的最大距离来确定初始同名点.针对最邻近点迭代算法(ICP)中同名点搜索慢的缺点,提出了利用k-最邻近点搜索算法(KNNS)进行对应点的搜索,分析了利用平面特征和KNNS进行点云配准的处理结果.结果表明:利用共面特征和KNNS不仅能够合理改善配准参数,而且还可提高点云配准效率,提出的平面特征和KNNS的ICP算法适合于具有平面特征的建筑物的配准.     

双Kinect联合扫描点云配准方法

大型场景或者大尺寸物体的三维重建无法由单台设备完成,而由多台设备采集得到的点云位置偏移较大,一般的点云配准方法无法达到三维重建所需的精度。该文提出了一种基于Kinect标定的点云配准方法。首先通过棋盘格标定算法对两台Kinect进行标定,然后利用标定得到的相机内外参数计算不同视角下点云数据间的运动参数,接着根据得到的运动参数,对原始采集的点云数据进行初始配准。在此基础上,采用改进的迭代最近点算法,对初始配准后的点云数据进行精确配准。实验结果表明,与直接采用改进的ICP算法相比,该方法配准结果无明显的错位现象,且计算速度提高了15%左右。     

V－SLAM中点云配准算法改进及移动机器人实验

针对移动机器人视觉同时定位与地图构建(visual simultaneous location and mapping,V-SLAM)中,存在帧间配准误差大造成重建精度低、位姿轨迹丢失的问题,提出一种三阶段改进点云配准的ICP算法.首先通过RANSAC(随机采样一致性)采样策略对RGB图进行点对的筛选从而获得内点完成预处理;然后采用基于刚体变换一致性的对应点双重距离阈值法完成点云初配准;在得到良好的初始位姿下,引入一种动态迭代角度因子的ICP精配准方法.在后端部分引入滑动窗口法和随机采样法相结合的关键帧筛选机制,结合g2o(general graph optimization)图优化算法优化机器人位姿轨迹,实现全局一致的VSLAM系统.采用标准点云模型对本文算法与文献算法进行点云配准实验对比,在配准精度上有明显提高;通过移动机器人在真实环境下的地图重建实验,验证了本文算法的有效性;最后基于TUM数据集的实验表明了本文算法能有效估计出机器人运行轨迹.     

基于特征点的改进ICP三维点云配准技术

三维点云配准是三维面型反求中的关键和难点。提出了一种特征点三维点云配准技术。通过引入被测物的特征点,分析了坐标变换矩阵的求解方法,利用最小二乘算法求出初始变换矩阵,得到粗略配准结果。然后采用K-D树来加速搜索最近点,用均方距离作为误差度量准则实现了改进后的最近点     

一种基于局部不变特征的SAR图像配准新算法

针对SAR图像配准中匹配效率低、误匹配对多和配准精度差的问题,提出一种基于局部不变特征的SAR图像配准新算法。首先,使用加速分割检测特征（ features from accelerated segment test, FAST）检测算法,检测 SAR图像的FAST角点;使用DAISY描述子对FAST特征进行描述,得到SAR图像不变特征。其次,采用基于KD树的欧氏距离匹配策略,实现特征点对的粗匹配;采用RANSAC算法去除误匹配,实现特征点对精匹配。然后,采用仿射变换模型,实现图像插值和图像变换,实现SAR图像粗配准。最后,建立配准精度评估反馈机制,实现配准优化。通过使用不同时相、不同工作模式HJ－1C星载SAR和不同极化、不同波段机载AIRSAR图像配准实验,提出算法与经典不变特征配准算法相比,具有适配性好、配准效率高的优点。     

基于SIFT算法的可见光宽带光谱图像配准方法研究

针对颜色与影像科学领域的可见光宽带光谱成像中存在的图像像素偏移问题,提出了基于SIFT算法的可见光宽带光谱图像配准方法。先利用SIFT算法提取图像特征点,再通过k-d树最近邻方法对特征点进行匹配,利用欧氏距离约束方法剔除错误匹配点,最后,利用均匀采样方法解决SIFT特征点容易聚集的问题,得到最优配准结果。在可见光宽带光谱图像配准实验中,基于均匀采样方法确定的最优配准结果与未经采样处理匹配点集的配准结果相比,配准之后的互信息值得到了显著提高。     

适应性距离函数与迭代最近曲面片精细配准

针对复杂曲面物体多视角激光扫描点云数据,提出从深度图像到完整几何模型的配准方法.根据空间点相对位置在刚体变换下的不变特性,利用曲率不变特征和归一化零均值互相关系数构造有效的初始匹配点对数组.基于单位四元数对匹配的特征点对进行坐标变换求解,完成数据粗略配准.探讨改正系数的确定方法与步骤,计算不同改正系数下的均值误差,得到最佳改正系数.运用适应性距离函数和改进迭代最近曲面片精细匹配技术,将不同视角点云在三维空间进行最优化匹配.根据匹配结果计算配准误差,对配准精度和速度进行统计分析.数值试验结果表明,该方法在保证配准精度的前提下能够有效地提高配准效率.     

基于KAZE特征匹配的偏振图像配准算法研究

偏振成像系统主要通过多相机或多通道成像,图像之间存在平移或旋转,偏振解析前必须进行图像配准,否则可能会产生虚假偏振信息。传统的配准算法主要有SIFT和SURF的特征配准算法,但其采用线性高斯金字塔进行多尺度分解来消除噪声和提取特征点,易造成边界模糊和细节丢失。本文从非线性尺度空间构建出发,提出一种基于KAZE特征匹配的偏振图像配准算法。首先,利用Hessian矩阵寻找特征点及其描述向量;然后以最小Hamming距离作为特征点的度量,计算单应矩阵并利用双线性插值实现不同偏振方位角图像之间的配准;最后,以FD1665P相机拍摄的图片为样本进行了实验验证。实验结果表明,本文算法相对基于SIFT和SURF特征点匹配的配准算法,归一化互信息增大、均方根误差减小,配准精度有很大提高。     

船体分段三维数字化测量数据配准

船体分段测量数据与CAD模型的配准,直接影响船体分段的制造几何误差分析和制造精度评价.针对船体分段装配工艺以及测量数据点集的分布特点,提出了一种基于单位四元数的Levenberg-Marquardt非线性迭代的最优配准算法.首先用一定的基准(肋骨对齐)对测量的角点数据进行初始变换,然后用单位四元数算法对初始变换后的数据和CAD模型进行粗配准,使变换后的船体分段测量数据与CAD模型数据处于小误差状态,最后采用基于L-M非线性迭代法求全局最优配准参数.实验结果表明,该算法能很好地反映船体分段建造中的实际情况,为船体分段的后续装配提供指导性的依据.     

特征点对引导的医学图像弹性配准方法

采用最优化方法进行弹性图像配准时,常常会因为初值选择不合适导致优化过程收敛到局部极值,从而使配准失败。针对该问题,提出了利用一对匹配的特征点来引导迭代配准过程的算法。首先,根据一对匹配的特征点确定图像初始局部配准区域;然后,在算法迭代过程中逐渐扩展局部配准区域直至覆盖整个图像。建立初始局部配准区域及局部配准区域扩展时,根据特征点对的空间位置关系,以及医学图像的形变场在统计特性上是高斯马尔可夫随机场的先验知识,来估计局部配准区域形变参数向量的初值;在对局部配准区域进行配准时,基于图像像素灰度统计信息的配准方法被用来求解局部配准区域的形变场参数向量。实验证明,该算法能够有效克服弹性配准算法容易陷入局部极值的问题。     

基于单位四元数描述的单像空间后方交会算法

针对基于旋转矩阵描述的单像空间后方交会算法在线性化过程中因舍弃高阶项而导致的对于相似变换参数初值选取要求较高的问题,立足于中心投影的构像方程(共线方程),利用单位四元数实现空间旋转变换的描述与表达,基于矩阵微分的方式实现了共线方程的微分,进而实现其线性化表达;给出了基于单位四元数描述的单向空间后方交会的详细实现思路,并对算法实现过程中所涉及的公式进行了详细推导;最后,通过实验对算法的可行性与有效性进行了论证.实验表明,基于单位四元数描述的单像空间后方交会算法有效地避免了共线方程的线性化所导致的相似变换初值选取问题,降低了其对于迭代初值的选择要求,且基于单位四元数的旋转变换表达方式还具备形式简单,易于编程实现的特点.     

改进的迭代最近点快速点云拼接算法

针对迭代最近点算法未涉及点云彩色信息且匹配速率较低的问题,提出一种改进的迭代最近点云快速拼接算法。基于NCAM光学追踪彩色与深度信息,将色彩特征点与随机采样相结合,构建彩色点云模型,进行特征点采样;采用伞曲率体积积分不变量算法对特征点进行描述,构建带色彩约束的目标函数,并通过四元数法和特征值分解法求解最优值,实现点云数据的有效拼接。实验结果表明,改进的点云数据拼接算法可以有效地提高拼接效率及拼接精度,从而提高拼接质量。     

矩阵填充与主元分析在受损图像配准中的应用

本文提出了一种有效的针对受损图像(元素丢失)的图像配准方法。利用矩阵填充技术将受损图像的丢失元素恢复,然后将主元分析法(PCA)应用于尺度不变特征变换(SIFT)中进行图像的配准。针对SIFT算法采用128维特征向量表示特征点,存储空间、匹配时间与特征点数量成正比,文本采用主元分析法对多维特征向量进行降维处理,以提高运算效率;并采用高斯加权欧氏距离代替欧氏距离进行特征点的匹配。实验结果表明,该算法具有较好的稳定性、准确率和匹配速度,针对受损图像配准具有较好的鲁棒性,可应用在基于内容的图像与视频检索等机器视觉领域。     

机载激光测深数据配准方法比较

机载激光测深(Airborne LiDAR Bathymetry, ALB)系统可以快速高效地获取海岛礁及其邻近区域的水上水下一体化数据, 但是由于测量区域大部分位于地势变化缓慢的近岸浅水水域, 点云密度低、厚度大, 配准特征稀少, 同名特征提取困难.针对机载激光测深数据的配准研究工作相对较少.本文以我国南海海域的机载激光测深点云为试验对象, 比较基于不同几何特征的ALB点云数据配准方法, 通过配准精度指标对快速点特征直方图(Fast Point Feature Histograms, FPFH)、最长公共子序列(Longest Common Subsequence, LCSS)和广义迭代最近邻点(Generalized Iterative Closest Point, GICP)三种配准方法进行评定.试验结果表明, LCSS线序列方法实现ALB点云数据配准方法的可靠性更高, 能够克服对应特征匹配过程中信息单一以及噪声问题, 提高特征曲线中对应点的稳健估计, 增强航带数据配准的鲁棒性, 是ALB数据配准的一种有效解决方案.     

面向深度相机位姿优化的帧间点云数据配准算法

TOF相机能够同时采集灰度图像和深度图像从而优化相机位姿的估计值. 应用图结构调整框架优化多帧数据采集时的相机位姿,采用帧间配准决定优化的精度和效率. 从2帧图像上提取并匹配尺度不变特征点对,二维特征点被扩展到三维空间后,利用与特征点的空间位置关系将2帧三维点云配准;逐步应用提出的算法配准参与位姿优化的多帧点云中的任意2帧点云;最后将有效配准的点云帧对作为输入数据,采用图结构算法优化位姿. 实验结果表明,提出的帧间配准算法使得位姿估计值精度显著提高,同时保证了估计效率.     

基于点云的膝关节胫骨三维CT与MRI图像配准

同时利用CT和MRI图像对膝关节及胫骨疾病进行诊断和治疗,是目前临床上的常规方法。精确配准膝关节胫骨部分三维CT和MRI图像可以更有效地利用这两种图像中的组织信息。目前,基于图像特征或者图像灰度值的方法可以实现图像间的配准,但是都存在一些配准精度低或者时间复杂度高的缺陷。针对膝关节胫骨组织的刚性特征,采用一种基于骨组织表面重建的点云配准方法。首先对数据集进行骨表面重建,通过重建后的结果提取点云数据,对点云数据进行下采样并利用重心进行初始变换,最后利用ICP算法对点云数据进行配准。对该方法进行配准结果分析及配准精度实验,表明这种方法简单可靠并且配准精度较高。     

同一物体不同视角的点云配准方法

对两幅不同视角下的点云采用面表法管理,而后对两幅不同视角下的点云采用曲率特征的ICP改进算法进行配准处理.具体处理方法为先根据获得的两幅海量点云数据进行面表法处理,然后根据获得的面表计算每幅点云中的近似曲率,对其中一幅点云的曲率按大小分类,并且每类进行随机采样.根据随机采样的结果按照曲率第一、距离第二的原则在另一幅点云中查找对应点,最后求出第一幅点云的旋转和平移矩阵从而完成配准过程.实验结果表明:在相同海量点云下,面表法的生成时间比八叉树法生成时间平均少406 ms,查找时间平均少53.5 ms;并且曲率特征的ICP算法可以迭代25次收敛到0.241 625 mm的精度,基本满足多视角点云配准的精度高、计算速度快等要求.     

基于角点特征的高精度图像配准算法

为了快速准确提取图像特征和匹配点对,提出了一种基于角点检测的高精度图像配准算法。该算法首先检测参考图和实时图的角点信息,然后采用双向迭代匹配算法对参考图和实时图的角点进行匹配,再根据基于仿射变换模型的RANSAC算法对候选的匹配点对进行筛选,消除错误匹配对,并估算出最佳仿射变换参数,最后用所得变换参数对实时图进行变换和重采样来实现图像配准。实验结果表明:该算法具有良好的配准精度。