計(jì)算機(jī)視覺中相機(jī)標(biāo)定及點(diǎn)云配準(zhǔn)技術(shù)研究.pdf

1、相機(jī)定標(biāo)和三維點(diǎn)云配準(zhǔn)是計(jì)算機(jī)視覺領(lǐng)域的兩個(gè)關(guān)鍵問題。其中，前者架起了二維圖像與三維世界轉(zhuǎn)變的橋梁，后者構(gòu)建了不同三維世界之間的聯(lián)系。這兩個(gè)問題的研究已有了較長的發(fā)展歷史。然而近年來，隨著計(jì)算機(jī)視覺的相關(guān)應(yīng)用及硬件設(shè)備逐漸走近人們的日常生活，傳統(tǒng)的相機(jī)定標(biāo)和三維點(diǎn)云配準(zhǔn)方法不再適合人們的實(shí)際使用需求。本文從實(shí)際應(yīng)用角度出發(fā)對(duì)這兩個(gè)問題進(jìn)行了研究，本文主要內(nèi)容及貢獻(xiàn)為：
　　在相機(jī)定標(biāo)問題上，傳統(tǒng)定標(biāo)算法使用的定標(biāo)物一般需要專門制作

2、，尤其在高精度應(yīng)用場合下還需購買商業(yè)定標(biāo)物，不僅昂貴，使用也很不方便。本文以日常生活隨處可見的任意工業(yè)產(chǎn)品作為定標(biāo)物，如杯子，工業(yè)零件等，提出了兩種新的標(biāo)定算法。
　　1.提出了基于相同物體間剛性變換的相機(jī)標(biāo)定方法。本算法分析了剛性變換的不變量，提出了其不變量在歐氏空間的幾何解釋：剛性變換的一對(duì)特征向量是三維歐式空間中的一對(duì)圓環(huán)點(diǎn)，它們是一對(duì)共軛復(fù)數(shù)向量，該對(duì)圓環(huán)點(diǎn)在圖像平面的投影即形成算法需要的圓環(huán)點(diǎn)投影值。利用這個(gè)性質(zhì)，本算法

3、以相同工業(yè)產(chǎn)品為定標(biāo)物，由其間剛性變換求解出相機(jī)內(nèi)外參數(shù)的線性解，完成相機(jī)的標(biāo)定。工業(yè)產(chǎn)品的精度保證了定標(biāo)物的精度，實(shí)驗(yàn)結(jié)果證明本算法具有很好的準(zhǔn)確度和魯棒性。
　　2.提出了基于相同物體對(duì)應(yīng)線段長度的相機(jī)標(biāo)定算法。本算法在視覺幾何的基礎(chǔ)上，分析了相機(jī)內(nèi)外參數(shù)之間關(guān)系，將相機(jī)外參數(shù)轉(zhuǎn)化為內(nèi)參數(shù)的表示。之后本算法利用相同物體間的微分幾何不變量——線段長度的約束對(duì)相機(jī)內(nèi)參數(shù)進(jìn)行非線性求解。本算法使用的定標(biāo)物為任意兩個(gè)相同工業(yè)產(chǎn)品，此外

4、本算法只需對(duì)定標(biāo)物拍攝兩幅圖像，使用方便。
　　在點(diǎn)云配準(zhǔn)問題上，傳統(tǒng)精細(xì)點(diǎn)云配準(zhǔn)算法只能得到局部最優(yōu)值。因此在對(duì)任意兩個(gè)點(diǎn)云配準(zhǔn)時(shí)，為獲得最佳配準(zhǔn)結(jié)果，它們通常必須先由其他粗配準(zhǔn)算法提供一個(gè)合適的初始配準(zhǔn)結(jié)果。另一方面，隨著三維點(diǎn)云獲取方式的不斷進(jìn)步，獲得的點(diǎn)云精度與密度不斷地提高，每個(gè)點(diǎn)云中包含點(diǎn)的數(shù)量級(jí)也快速地增長。傳統(tǒng)點(diǎn)云配準(zhǔn)算法在處理這些大數(shù)據(jù)量的點(diǎn)云時(shí)，其性能和效率都普遍無法滿足實(shí)際應(yīng)用的需求。為了解決上述問題，本文針

5、對(duì)不同的點(diǎn)云數(shù)據(jù)情況，提出了幾種不同的點(diǎn)云配準(zhǔn)算法。
　　1.提出了基于對(duì)應(yīng)球的精細(xì)點(diǎn)云配準(zhǔn)算法。本算法利用三維對(duì)應(yīng)球模型在點(diǎn)云中尋找近似對(duì)應(yīng)點(diǎn)。當(dāng)?shù)谝粚?duì)對(duì)應(yīng)球即基對(duì)應(yīng)球找到后，算法采用分層擴(kuò)散策略擴(kuò)散出更多的三維對(duì)應(yīng)球，擴(kuò)散對(duì)應(yīng)球很好地分布于點(diǎn)云重疊區(qū)域內(nèi)。通過找到的所有對(duì)應(yīng)球，點(diǎn)云間大量近似對(duì)應(yīng)點(diǎn)被獲得。算法使用隨機(jī)采樣一致性(RANdom SAmple Consensus, RANSAC)算法和最小二乘算法計(jì)算所有近似對(duì)應(yīng)點(diǎn)

6、間的最佳剛體變換矩陣，完成點(diǎn)云的精細(xì)配準(zhǔn)。本算法可以對(duì)位于任意初始位置的點(diǎn)云直接進(jìn)行精細(xì)配準(zhǔn)。
　　2.提出了基于平面結(jié)構(gòu)提取的點(diǎn)云配準(zhǔn)算法。對(duì)于大場景的城市三維點(diǎn)云數(shù)據(jù)，平面是其中的主要幾何元素，點(diǎn)云的配準(zhǔn)可以由平面結(jié)構(gòu)的匹配得到。為了準(zhǔn)確提取出點(diǎn)云中的平面，本算法首先提出一種同時(shí)結(jié)合數(shù)據(jù)點(diǎn)相關(guān)性和模型假設(shè)相關(guān)性的聯(lián)合聚類算法。之后本算法對(duì)平面結(jié)構(gòu)采用隨機(jī)采樣策略匹配，并通過最佳匹配平面獲得點(diǎn)云配準(zhǔn)結(jié)果。本算法僅對(duì)原點(diǎn)云采樣后的

7、稀疏點(diǎn)云計(jì)算，降低了處理過程中的數(shù)據(jù)量與復(fù)雜度，十分適合于大規(guī)模的城市點(diǎn)云配準(zhǔn)。
　　3.提出了基于圖像信息的快速點(diǎn)云配準(zhǔn)算法?，F(xiàn)有三維激光掃描設(shè)備通常配有一個(gè)同軸相機(jī)，它拍攝的掃描場景圖像可為點(diǎn)云配準(zhǔn)提供輔助信息。本算法利用視覺幾何知識(shí)，首先通過同軸相機(jī)在不同掃描站點(diǎn)拍攝的場景圖片直接計(jì)算出掃描點(diǎn)云間的旋轉(zhuǎn)變換；再使用本文提出的改進(jìn)迭代最近點(diǎn)(Iterative Closest Point,ICP)算法對(duì)平移變換進(jìn)行迭代，完成點(diǎn)