三維激光掃描作為一種可以直接獲取目標表面三維信息的傳感技術，在目標檢測、識別和重建等方面具有獨特的技術優(yōu)勢。將基于不同視角下激光掃描設備采集到的多組三維點云進行旋轉平移，把它們拼接為完整的三維點云模型，即三維點云配準技術。三維點云配準技術在計算機輔助技術、自動駕駛、城市建模、文物保護、醫(yī)療等領域應用廣泛。點云配準作為點云處理中的一個舉足輕重的環(huán)節(jié)，已發(fā)展成為近年來的熱門研究領域，國內外學者針對點云配準提出許多算法。然而，由于激光雷達、Kinect傳感器等現有掃描器件在獲取完整的物體表面信息時，掃描得到的點云數據量龐大；而且受掃描環(huán)境影響，點云數據通常含有大量噪聲；同時由于掃描視角、物體遮擋和設備型號等限制，使點云數據存在缺失及尺寸放縮等缺陷，導致現有配準方法配準效率低、精度差，無法滿足現實工程應用要求?，F有的三維點云配準算法大多是基于統計學提出的，包括獨立成分分析、高斯核函數、主成分分析等，算法性能參差不齊，且僅針對特定方向提高點云配準性能，無法滿足各領域的配準需求。如何提高點云配準精度與效率是目前亟待解決的問題。因此，本書針對點云配準算法在實際工程中的應用難點，以提高點云配準算法精度為出發(fā)點，基于經典點云配準算法，圍繞點云配準算法中的關鍵技術問題開展相關研究工作。首先，基于數理統計相關性，提出了一種基于核典型相關分析的點云配準算法。該算法以統計學中對來自同一物體的多組變量計算相關性的方法為基礎，以最大化相關系數為目標，從而對點云剛性變換關系進行求解。采用FPFH算法在源點云中搜尋目標點云的對應點云，使得源點云幾何形態(tài)與目標點云盡量一致。采用核典型相關分析方法估算出源點云與目標點云的變換矩陣，并根據變換矩陣求解出旋轉矩陣，進而求解出平移向量。利用開源數據與現場掃描數據在不同條件下同幾種傳統算法的配準結果進行對比，分析了基于核典型相關分析的點云配準算法在多種條件下的優(yōu)點與缺陷。其次，基于點云數據的概率分布特性，提出了一種基于柯西混合模型的點云配準算法。該算法不考慮兩點云數據的對應屬性，只需要根據點云數據本身的概率分布對剛性變換的幾何關系進行求解。選用相同階數的柯西混合模型分別對源點云與目標點云數據的概率分布進行擬合，將剛性變換下的點云配準模型拓展為柯西混合模型。根據貝葉斯公式和琴生不等式構造出極大似然函數，并采用期望最大化算法對混合模型中的各項參數進行更新直至收斂。利用最大權重對應模型的協方差矩陣求解旋轉矩陣，進而求解出平移向量，并根據對應模型的中心點估算出放縮比例。利用開源數據與現場掃描數據在不同條件下同幾種傳統算法的配準結果進行對比，分析了該算法的特點，驗證了該算法能有效地配準仿射情況下的點云，且具備良好的抗噪能力。再次，提出了基于多種群遺傳算法的點云數據配準。以基于遺傳算法的點云數據配準方法為指導，首先通過多種群遺傳算法將待配準點云數據進行分割，然后將分割得到的5組數據利用遺傳算法進行優(yōu)秀點集篩選，針對5組數據依據實驗經驗設定每組數據的遺傳因子和移民算子值，最后將得到的5組優(yōu)秀點集集合成下一代精華點集并代入ICP算法進行點云配準。通過實驗證明了MPGAICP算法針對不同形變和點云數據條件下的配準魯棒性較好，針對不同情況的點云數據仍能有效地提升點云配準的精度。最后，提出了雙通道最優(yōu)選擇模型DCOS，解決單一算法泛化性能弱的問題。通過求解2種單一點云配準算法的配準誤差，計算算法權重，構建最優(yōu)模型。在二維剛性、三維剛性、三維非剛性等不同類型點云數據中，根據實際需求，選擇符合要求的算法，送入DCOS模型進行配準，并將其配準結果與單一點云配準算法比較。實驗結果表明，DCOS相較于所選任意2種單一算法的配準誤差均有所下降，證明了DCOS算法可以有效地提升點云配準精度，具有較強的魯棒性。本書基于點云的統計特性提出了基于核典型相關分析和基于柯西混合模型的2種新型點云配準算法，并基于多種群遺傳算法改進了經典的點云配準算法，最后針對實際工程應用難點，提出了雙通道最優(yōu)選擇模型，彌補單一算法泛化性能差的缺陷，為點云配準的實際工程應用提供了新思路。本書由劉明哲主持撰寫，劉明哲負責第1章、第2章、第8章的撰寫，并對全書進行了校訂，李冬芬撰寫本書的第3章、第4章，王濤撰寫本書的第5章、第6章，李博撰寫本書的第7章。由于編者水平有限，盡管在撰寫中力求準確，但不足之處在所難免，有待改進和提高，敬請讀者批評指正。
鄂公網安備 42010302001612號 