论文部分内容阅读
三维点云配准技术是三维重建过程中的一个重要组成部分,在各个领域都有十分广泛的应用前景。比如在工业领域中,可以用它来检测物体零部件是否存在缺陷;在医疗行业中,可以用它来模拟人体器官并找出病人的病灶所在等。近些年,随着三维扫描设备的精度不断提高,要想得到物体精确的三维模型已经变得非常容易。因此,三维点云数据配准算法的研究也逐渐成为人们研究的重点。点云数据配准的过程就是把分次测量得到的不同角度、不同参考坐标系下的两个或多个点云数据通过一定的旋转和平移变换,将它们统一到相同的坐标系下,从而获得物体的完整信息并对物体进行一系列的可视化操作。目前已有的点云配准算法主要存在两方面的问题:一方面,传统ICP(Iterative Closest Points,迭代最近点)算法虽然在一定程度上能够满足人们对实验的要求,但它在选取对应点时,简单的将两个待匹配点云中欧氏距离最近的点作为对应点,这样会造成一定的错配点产生,从而影响算法配准的精度;另一方面,当点云数据的规模较大时,配准过程中会消耗大量的时间,造成配准算法实时性较差的问题。针对这些问题,本文主要从以下几点进行研究:(1)本文深入了解了传统ICP算法及其相关改进算法的配准过程及存在的一些问题,并在此基础上提出了基于旋转图像特征描述子改进的ICP算法。该算法在配准前首先对待匹配点云进行了滤波处理,在减少点云数据量的同时还保持点云的基本形状特征。然后找出两个点云的关键点,分别求出待匹配点云关键点的旋转图像特征描述子,并根据两个特征描述子的特征相似程度来确定最近点进而完成ICP配准,得到了较好的收敛效果。(2)为了有效解决点云规模较大时,配准实时性较差的问题,本文深入了解了基于GPU(Graphics Processing Unit,图形处理单元)的点云并行配准算法。详细介绍了EM-ICP算法和Softassign算法的配准过程,并结合GPU,实现了基于GPU的EM-ICP和Softassign并行配准算法,大幅度提高了点云的配准的效率,提高了算法的实时性。(3)在本文提出的改进算法的基础上设计并实现了基于改进ICP算法的点云配准系统,并通过编程的方式详细设计和分析了该系统中的每个模块。该系统主要分为点云显示、点云滤波模块与点云配准模块,其中点云配准模块使用了本文提出的改进ICP算法。