一种基于多视点图像三维建模的点云几何数据的自动拼接算法
【技术领域】
[0001] 本发明涉及计算机建模技术领域，具体涉及一种基于多视点图像三维建模的点云 几何数据的自动拼接算法。
【背景技术】
[0002] 在多视点图像三维几何建模系统中对三维外形构建的过程中，相邻视点图像之间 的几何建模仅仅能够获取被测物体表面局部区域的几何点云几何数据，要想获得整个三维 外形数据需要进行多视点获取图像，同时针对每两个相邻视点进行几何建模，这导致不同 视点下计算得到的点云几何数据的几何坐标系不同。
[0003] 为了得到被测物体表面的整个三维外形几何数据，需要将不同坐标系下的局部几 何数据变换到同一个统一坐标系下。多个相邻视点图像建模得到的不同坐标系下的三维点 云几何数据的自动拼接和配准一直是一个棘手的问题。现有的方法主要包括以下几种：
[0004] 1)通过在被测量的物体表面粘贴辅助的标记点，对几次不同测量的标记点进行搜 索构建匹配的标记点对，同时保证在两个视点间至少有三个以上的共同标记点，然后通过 这些匹配的共同标记点，计算多次不同视点测量得到的点云几何数据之间的坐标变换关 系，从而实现多视点点云几何数据的自动拼接。
[0005] 但是在被测量物体表面粘贴辅助标记点不但会破坏被测量物体表面的纹理信息， 同时无法对标记点粘贴覆盖处的被测量物体表面几何和纹理数据进行建模。此外该方法不 适合在某些特殊的被测量物体(例如历史文物表面)上粘贴标记点，因此其使用具有一定的 范围限制性。
[0006] 2)利用一些云台确定被测量物体与多视点之间的位置变化关系，通过云台的运动 参数直接计算多视点下点云几何数据之间的坐标变化关系。
[0007] 该方法稳定可靠，而且有较高的精度，但需要附加的高精度机械设备，从而导致多 视点获取设备结构复杂，不能对较大的物体进行测量。
[0008] 3)手工选取匹配的特征点进行预先匹配，接着通过现有的商业软件处理算法完成 对点云几何数据的拼接。
[0009] 此类方法首先需通过人工预先干预实现数据的匹配，但人工匹配误差过大无法达 到理想的拼接效果，无法实现对多视点图像三维建模后的点云几何数据的全自动拼接。
【发明内容】
[0010] 本发明提供了一种基于多视点图像三维建模的点云几何数据的自动拼接算法，无 需借助机械硬件辅助设备，也不需要在建模的三维物体表面粘贴辅助标记点，即可完成多 视点图像三维建模的点云几何数据的自动拼接和匹配，简单可靠，易于实现，能够提供较高 的建模精度，具有广泛的适用性和实用性。
[0011] -种基于多视点图像三维建模的点云几何数据的自动拼接算法，包括：
[0012] 步骤1，在不同视点下，计算需要建模的三维物体的点云几何数据，并构建点云几 何数据的特征匹配点对；
[0013] 步骤2,随机选取一个视点作为参考视点，利用点云几何数据的特征匹配点对，计 算表征各个视点与参考视点相对位置关系的关系对应矩阵；
[0014] 步骤3,对关系对应矩阵进行奇异值分解，求取各个视点(不包括参考视点）与参考 视点之间特征匹配点对的关系平移向量和关系旋转向量；
[0015] 步骤4,依据关系平移向量和关系旋转向量，将各个视点中的点云几何数据在参考 视点坐标系下进行表示，完成点云几何数据的自动拼接。
[0016] 不同视点的数目越多，自动拼接和匹配后得到的点云几何数据越准确，但相应计 算量也会大大地增加，优选地，不同视点的数目至少为6个。
[0017] 在不同视点中随机选取一个视点作为参考视点，将其他视点下的点云几何数据转 换为在参考视点坐标系下表示。
[0018] 步骤3中对关系对应矩阵进行奇异值分解后，可以得到特征匹配点对的关系平移 向量和关系旋转向量，特征匹配点对的关系平移向量和关系旋转向量也即所有点云几何数 据的关系平移向量和关系旋转向量。
[0019] 不同视点下的点云几何数据通过关系平移向量和关系旋转向量可以转换为参考 视点的坐标系下表示。
[0020] 作为优选，特征匹配点对的数目为100~120个。进一步优选，特征匹配点对的数目 为100个。
[0021 ]在计算关系对应矩阵时，由除参考视点之外的其他视点与参考视点的点云几何数 据的特征匹配点对中随机选取100个特征匹配点对进行计算。（每个视点选取100个特征匹 配点对）
[0022]对η个不同的视点分别进行编号，依次为1，2,3......η，参考视点，即η= 1，计算第 k(k = 2,3......η)个视点与参考视点之间的相对几何关系时，从第k(k = 2,3……η)个视点 与参考视点的点云几何数据的特征匹配点对中随机选取100个特征匹配点对，进行计算。 [0023]第k(k = 2,3……η)个视点与参考视点的相对几何关系共同构成关系对应矩阵M。 [0024]作为优选，所述步骤2中计算关系对应矩阵时使用优化机制。使用优化机制可以进 一步保证计算得到的关系对应矩阵的鲁棒性，增加对误特征匹配点对的容错性。
[0025]假设优化机制在特征匹配点对中进行多次随机选取，每次选取百对特征匹配点 对，对于某一视点中的图像1中的100个特征匹配点，针对这100个特征匹配点PU=1。。。。1QQ)，通 过极线几何约束关系，寻找其在该视点图像2中对应的极线L(i=u_i(xn，然后计算p(i=uo) 对应的该视点图像2中的特征点到1^=1。。。。1〇〇)的距离D(i=i。。。。·)，并计算总的距离D = Di+D2+ D3+……+D99+D1(x)，最后选取总的距离D值最小的一组匹配点对作为最终特征匹配点对。采用 这种优化方法一方面可以通过极限几何约束提高特征匹配点对的容错性，另一方面也能够 保证算法的鲁棒性。
[0026] 所述步骤3中对关系对应矩阵Μ进行奇异值分解，奇异值SVD分解(Singular Value Decomposition)可以计算两个不同视点之间的归一化的关系平移向量T和关系旋转矩阵R， 然后利用多视点中的其它各个视点与参考视点之间特征匹配点对的关系平移向量T和关系 旋转矩阵R，求出各个视点对应的点云几何数据相对参考视点的实际关系平移向量T\
[0027]本发明基于多视点图像三维建模的点云几何数据的自动拼接算法，只需利用不同 视点下的特征匹配点对，即可实现基于多视点图像三维建模的点云几何数据的自动拼接， 简单可靠，易于实现，操作方便，并能达到较高的建模精度。
【附图说明】
[0028]图1为本发明基于多视点图像三维建模的点云几何数据的自动拼接算法的流程 图。
【具体实施方式】
[0029]下面结合附图，对本发明做详细描述。
[0030] 如图1所示，一种基于多视点图像三维建模的点云几何数据的自动拼接算法，包括 如下步骤：
[0031] (1)计算关系对应矩阵Μ
[0032] 在不同视点下，拍摄得到被建模物体的多幅图像，不同视点依次标记为1，2,3…… η，随机选取一个视点为参考视点，例如取η = 1为参考视点。
[0033] 建立第k(k = 2,3……η)个视点与参考视点之间随机图像Ik和随机图像I1之间稳定 的特征匹配点对，假设随机图像I k和随机图像I1中的特征点在各自视点的相机坐标系下对 应的图像坐标分别为ι^ι1，利用三维向量分别表示为(ιΛιΑιΑ,α/,ιΛι/)。
[0