三维激光点云配准技术

暂缺《三维激光点云配准技术》作者简介

三维激光扫描作为一种可以直接获取目标表面三维信息的传感技术，在目标检测、识别和重建等方面具有独特的技术优势。将基于不同视角下激光扫描设备采集到的多组三维点云进行旋转平移，把它们拼接为完整的三维点云模型，即三维点云配准技术。三维点云配准技术在计算机辅助技术、自动驾驶、城市建模、文物保护、医疗等领域应用广泛。点云配准作为点云处理中的一个举足轻重的环节，已发展成为近年来的热门研究领域，国内外学者针对点云配准提出许多算法。然而，由于激光雷达、Kinect传感器等现有扫描器件在获取完整的物体表面信息时，扫描得到的点云数据量庞大；而且受扫描环境影响，点云数据通常含有大量噪声；同时由于扫描视角、物体遮挡和设备型号等限制，使点云数据存在缺失及尺寸放缩等缺陷，导致现有配准方法配准效率低、精度差，无法满足现实工程应用要求。现有的三维点云配准算法大多是基于统计学提出的，包括独立成分分析、高斯核函数、主成分分析等，算法性能参差不齐，且仅针对特定方向提高点云配准性能，无法满足各领域的配准需求。如何提高点云配准精度与效率是目前亟待解决的问题。因此，本书针对点云配准算法在实际工程中的应用难点，以提高点云配准算法精度为出发点，基于经典点云配准算法，围绕点云配准算法中的关键技术问题开展相关研究工作。首先，基于数理统计相关性，提出了一种基于核典型相关分析的点云配准算法。该算法以统计学中对来自同一物体的多组变量计算相关性的方法为基础，以最大化相关系数为目标，从而对点云刚性变换关系进行求解。采用FPFH算法在源点云中搜寻目标点云的对应点云，使得源点云几何形态与目标点云尽量一致。采用核典型相关分析方法估算出源点云与目标点云的变换矩阵，并根据变换矩阵求解出旋转矩阵，进而求解出平移向量。利用开源数据与现场扫描数据在不同条件下同几种传统算法的配准结果进行对比，分析了基于核典型相关分析的点云配准算法在多种条件下的优点与缺陷。其次，基于点云数据的概率分布特性，提出了一种基于柯西混合模型的点云配准算法。该算法不考虑两点云数据的对应属性，只需要根据点云数据本身的概率分布对刚性变换的几何关系进行求解。选用相同阶数的柯西混合模型分别对源点云与目标点云数据的概率分布进行拟合，将刚性变换下的点云配准模型拓展为柯西混合模型。根据贝叶斯公式和琴生不等式构造出极大似然函数，并采用期望最大化算法对混合模型中的各项参数进行更新直至收敛。利用最大权重对应模型的协方差矩阵求解旋转矩...