基于多个标志点自动识别的点云数据拼接方法

摘要

本发明公开了一种基于多个标志点自动识别的点云数据拼接方法，在实际点云数据拼接中，由于存在测量误差，两块点云数据中的标志点的相对位置不可能完全一致，因此得到的变换矩阵将导致被变换物体变形。为求得最佳的拼接效果，从实际应用的角度出发，针对点云数据巨大散乱的特点，为了提高灵活性和精度，实现点云拼接的自动化，考虑在输入标志点首先控制在一定精度范围的前提下，应取尽可能多的标志点作为标志点群，在前面自动搜索识别算法的基础上，自动对准标志点，实现特征群目标函数最小二乘拼接的算法，通过三维空间中的多个点求解转换矩阵，计算方法简单，拼接精度也比较高。

主权项

1.一种基于多个标志点自动识别的点云数据拼接方法，其特征在于包括如下步骤：步骤1：首先读入两块点云数据，设置目标图与待拼接图，初始化点云拼接数据；步骤2：根据标志点的空间几何关系采取特征搜索与识别算法，由程序自动找出对应标志点对，若标志点对大于3对，则将其分别存入矩阵A、B，否则不能进行拼接，如果搜索过程结束后仍然没有解，那么适宜采用递归的方法进行搜索，从外到内开展搜索，在搜索并识别出标志特征点后结束；令三维变换矩阵T_3D=[X₁X₂X₃X₄]，则有AT_3D=B；假设X_i¹满足||AX_i^1_b_i||₂=min||AX_i^1_b_i||₂(i=1,2,3,4)，则称X_i¹为方程组AX_i=b_i的最小二乘解，此方程组的最小二乘通解为X_i=A⁺b_i+(I=A⁺A)Y,YCⁿ；方程组中长度最小的解即为X_i=A⁺b_i，是唯一解，可称作极小二乘解：其中A⁺是A的广义逆，将求出的极小二乘解合并可求得T_3D=[X₁X₂X₃X4]，并能够使得最小二乘目标函数最小，即T_3D=A⁺B；步骤3：根据T_3D=A⁺B，求出T_3D，其中，A⁺=A^T(AA^T)^-1；步骤4：将一块点云数据经过T_3D坐标变换，加入另一块点云数据中，3D坐标变换矩阵[t₄₁t₄₂t₄₃]产生平移变换；[t₁₄t₂₄t₃₄]产生投影变换；[t₄₄]产生整体比例变换；由于采用的坐标变换是刚性变换，故有[t₁₄t₂₄t₃₄]^T=[000]^T，[t₄₄]=[10]，若点P在第一块点云数据中的坐标为p₁=(x₁,y₁,z₁,1)，则在第二块点云数据中的坐标为p₂=(x₂,y₂,z₂,1)，则两者关系可表示为：P₁T_3D=P₂；步骤5：若拼接未完，转为第一步，拼接完成消除重叠点，拼接结束。