三维测量点云与CAD模型配准算法研究-硕士论文

中国科学技术大学 硕士学位论文 三维测量点云与C A D 模型 配准算法研究 作者姓名 学科专业 导师姓名 完成时间 宋鹏飞 测试计量技术及仪器 李为民副教授 二 一六年五月十六日 万方数据 U n i v e r s i t yo fS c i e n c ea n dT e c h n o l o g yo fC h i n a Adi s s e r t a t i o nf o rM a s t e r Sd e gr e e R e s e a r c ho nt h eA l g o r i t hm f o rR e gi s t r a t i o no f 3 DP o in tC l o u da n dC A DM o d e l A u t h o r SN a m e S p e c i a l i t y S u p e r v i s o r F i n i s h e dt i m e P e n g f e iS o n g M e a s u r i n gT e c h n o l o g y a n dI n s t r u m e n t A s s o P r o f i m i nL i M a y1 6 m 2 0 1 6 万方数据 中国科学技术大学学位论文原创性声明 本人声明所呈交的学位论文 是本人在导师指导下进行研究工作所取得的 成果 除已特别加以标注和致谢的地方外 论文中不包含任何他人已经发表或 撰写过的研究成果 与我一同工作的同志对本研究所做的贡献均已在论文中作 了明确的说明 作者签名 宝碰逢堡 签字日期 垫i i 丝 中国科学技术大学学位论文授权使用声明 作为申请学位的条件之一 学位论文著作权拥有者授权中国科学技术大学 拥有学位论文的部分使用权 即 学校有权按有关规定向国家有关部门或机构 送交论文的复印件和电子版 允许论文被查阅和借阅 可以将学位论文编入 中 国学位论文全文数据库 等有关数据库进行检索 可以采用影印 缩印或扫描 等复制手段保存 汇编学位论文 本人提交的电子文档的内容和纸质论文的内 容相一致 保密的学位论文在解密后也遵守此规定 缸公开口保密 年 作者签名 猛监坠 签字日期 丝 鱼 生 导师龆堑斟 签字日期 训 疋历心 万方数据 摘要 摘要 随着社会发展和技术进步 人们对产品工业设计水平的需要日益提高 各种 曲面及其组合复杂型面在手机 家电 汽车等产品设计中得到了广泛应用 这一 变化促使零件检测从二维到三维技术快速转变 如今 基于三维C A D 模型的数字 化高精度检测已成为主要发展趋势 其中的关键技术就是点云与C A D 模型的配准 一般情况下 三维测量点云和C A D 模型不在同一坐标系 为了准确快速评价工件 的制造精度 必须对三维测量点云与工件本身的三维C A D 模型进行配准 将三 维测量点云的测量坐标系与C A D 模型所在设计坐标系转换到同一坐标系下 在 点云的各类配准算法中 应用较为普遍的是I C P 及其种种改进或变体算法 本文 经过深入研究分析发现 在点云与C A D 模型配准中 该算法依然存在局限性 主 要表现在 其一 原始I C P 算法是假设原始测量点云的欧式距离最近点为其所对 应的点 在C A D 模型点云稀疏或不均时会出现寻找对应点耗时及误差大的问题 其次 原始I C P 算法迭代步幅小 收敛过程缓慢 特别是当三维测量点云的数量 比较多时配准效率会很低 针对以上问题 本文提出了一种基于动态调节因子的I C P 配准算法实现了点 云与C A D 模型的高效与高精度匹配 该算法主要对原始I C P 算法进行以下优化 第一步 本文提出了一种基于S T L 三角网格的对应点的寻找方法 该方法利 用S T L 三角网格自身携带的法向量信息 求取测量点云到对应三角网格的最近点 并将其作为目标对应点 从而有效的解决了原始I C P 算法在点云与C A D 模型匹配 中的对应点的寻找问题 该方法可以有效避免对C A D 模型进行大规模采样 有效 的提高了配准效率 又因其属于一种点到面的对应点计算方法 求得的对应点相 对比较准确 从而有效的提高了配准精度 第二步 在第一步优化的基础上 本文提出了一种动态调节因子一一动态调 整刚体变换参数因子 将其添加到原始I C P 算法中 使得每次迭代点云刚体变换 沿原来的趋势实现超程变换 以便下次迭代时搜索到更多有效对应点 从而使迭 代步幅加大 实现I C P 算法的快速收敛 实验表明 本文提出的基于动态调节因子的I C P 配准算法 可以有效的减少 I C P 算法的迭代次数 从而提高匹配效率 且同时能提高配准精度 关键词 点云C A D 模型配准I C P 算法动态调节因子 万方数据 A b s t r a c t A B S T R A C T W i t ht h ed e v e l o p m e n to fs o c i e t ya n dt e c h n o l o g y p e o p l en e e dm o r ep r o d u c t s w i t hh i g h e rl e v e li n d u s t r i a ld e s i g n A n dv a r i o u sc u r v e ds u r f a c e sa n dc o m b i n a t i o n so f c o m p l e xs u r f a c e si nm o b i l ep h o n e s h o m ea p p l i a n c e s a u t o m o b i l e sa n do t h e rp r o d u c t s h a v eb e e nw i d e l yu s e di nt h ed e s i g n A l lt h e s ec h a n g e sp r o m p tc o m p o n e n td e t e c t i o n r a p i dt r a n s i t i o nf r o m2 Dt o3 Dt e c h n o l o g y T o d a yd i g i t a lh i g hp r e c i s i o nd e t e c t i o n b a s e do nC A Dm o d e lh a sb e c o m eam a j o rt r e n d O n eo ft h ek e yt e c h n o l o g yi st h e r e g i s t r a t i o no fp o i n tc l o u da n dC A Dm o d e l M o r eo f t e n t h ec o o r d i n a t es y s t e mo f p o i n tc l o u da n dC A D m o d e la r ed i f f e r e n t I no r d e rt oe v a l u a t et h ee r r o ro fw o r k p i e c e w em u s ta c h i e v et h er e g i s t r a t i o no fp o i n tc l o u da n dC A Dm o d e l A m o n gt h e a l g o r i t h m so ft h ep o i n tc l o u dr e g i s t r a t i o n t h eI C Pa n dv a r i a n t so fI C Ph a v eb e e n w i d e l yu s e d I nt h i sp a p e r d e p t ha n a l y s i sh a sf o u n dt h a tt h eI C Pa l g o r i t h ms t i l lh a s l i m i t a t i o ni nt h er e g i s t r a t i o no fp o i n tc l o u da n dC A Dm o d e l T h el i m i t a t i o nm a i n l y m a n i f e s t si nf o l l o w i n ga s p e c t s F i r s t l y t h eo r i g i n a lI C Pa l g o r i t h mi sb a s e do nab a s i c a s s u m p t i o nt h a tt h ec l o s e s tp o i n ti st h ec o r r e s p o n d i n gp o i n tb yE u c l i d e a nd i s t a n c e T h e r ew o u l db et h ep r o b l e mt h a ts e a r c h i n gf o rc o r r e s p o n d i n gp o i n t sa r et i m e c o n s u m i n ga n dc r u d ew h e nt h ep o i n tc l o u do fC A D m o d e la r eu n e v e no rs p a r s e S e c o n d l y t h ei t e r a t i v es t e pa n dp r o c e s so fo r i g i n a lI C Pa l g o r i t h ma r es l o w E s p e c i a l l y t h er e g i s t r a t i o ne f f i c i e n c yi sv e r yl o ww h e nt h e r ea r el a r g en u m b e r so fm e a s u r i n g p o i n t sc l o u d T os o l v et h ea b o v ep r o b l e m w ep r o p o s e dam o d i f i e dI C Pa l g o r i t h mb a s e do n d y n a m i ca d j u s t m e n tf a c t o rt os p e e du pr e g i s t r a t i o no fp o i n tc l o u da n dC A Dm o d e l w i t hh i g ha c c u r a c y T h ea l g o r i t h mc a r r i e so u tt h ef o l l o w i n go p t i m i z a t i o n so nt h eb a s e o fo r i g i n a lI C E I nt h ef n s ts t e p w ep r e s e n tan o v e ls o l u t i o nt os e a r c hf o rc o r r e s p o n d i n gp o i n t b a s e do nS T Lt r i a n g u l a rm e s hi nt h eC A Dm o d e l T h es o l u t i o nm a k e sf u l lu s eo ft h e a d v a n t a g et h a tt h eS T L f i l ei t s e l fc o n s i s t so fal i s to ff a c e td a t aa n dv e c t o ri n f o r m a t i o n o ft r i a n g u l a rm e s ht oc a l c u l a t et h ec o r r e s p o n d i n gp o i n t T h em e t h o da v o i ds a m p l i n g t h eC A Dm o d e lS Oa st oe n h a n c et h er e g i s t r a t i o ne f f i c i e n c y O n c em o r e t h em e t h o di s av a r i a n to fI C Pb e l o n g st op o i n t t o p l a n et e c h n i q u e S Oi tC a na c h i e v eh i g h e ra c c u r a c y t h a no r i g i n a lI CP I I 万方数据 A b s t r a c t I nt h es e c o n ds t e p am o d i f i e dI C Pa l g o r i t h mb a s e do nd y n a m i ca d j u s t m e n tf a c t o r i sp r e s e n t e di nt h i sp a p e rb a s e do nt h ef i r s ts t e po p t i m i z a t i o n T h ea l g o r i t h mp u t s f o r w a r dak i n do fd y n a m i ca d j u s t m e n tf a c m r t h ef a c t o ro fd y n a m i c a l l ya d j u s t i n gt h e r i g i dt r a n s f o r m a t i o np a r a m e t e r sw h i c hc a nm a k ep o i n tc l o u do v e r t r a v e lb yr i g i d t r a n s f o r m a t i o na l o n gt h eo r i g i n a lt r e n di ne a c hi t e r a t i o n W h e na d d i n gd y n a m i c a d j u s t m e n tf a c t o r t h ea l g o r i t h mc o u l ds e a r c hm o r ee f f e c t i v ec o r r e s p o n d i n gp o i n t si n n e x ti t e r a t i o n t h u sr e d u c i n gt h en u m b e ro fi t e r a t i o n sa n ds p e e d i n gu pc o n v e r g e n c eo f I C Pa l g o r i t h m E x p e r i m e n t ss h o wt h a tt h ep r o p o s e dm o d i f i e dI C Pa l g o r i t h mb a s e do nd y n a m i c a d j u s t m e n tf a c t o ri nt h i sp a p e rc a ne f f e c t i v e l yr e d u c et i m ec o n s u m i n gi nr e g i s t r a t i o n o f p o i n tc l o u da n dC A Dm o d e l m e a n w h i l ei m p r o v i n gt h er e g i s t r a t i o na c c u r a c y K e yW o r d s p o i n tc l o u d C A Dm o d e l r e g i s t r a t i o n I C Pa l g o r i t h m d y n a m i c a d j u s t m e n tf a c t o r I I 工 万方数据 目录 目录 摘要 I A B S T R A C Y I I 目录 I V 第1 章绪论 一1 1 1 研究背景及意义 1 1 1 1 课题来源 1 1 1 2 研宄背景及问题提出 1 1 2 研究现状 2 1 2 1 三维数字化测量技术的研究现状 2 1 2 2 配准技术研究现状 5 1 3 研究内容及安排 8 1 3 1 主要研究内容 8 1 3 2 论文组织安排 9 第2 章数据配准基本原理 1 0 2 1 配准的本质 1 0 2 2 刚体变换基本理论 1 0 2 2 1 刚体变换过程 一1 1 2 2 2 旋转矩阵的表示形式 一1 2 2 3 刚体变换参数求解 1 5 2 3 1 奇异值分解法 一1 5 2 3 2 四元数法 1 6 2 4 本章小结 1 7 第3 章点云与C A D 模型配准 1 8 3 1 点云与C A D 模型配准技术研究线路图 1 8 I V 万方数据 目录 3 2 三维测量点云获取与预处理 1 9 3 2 1 三维测量点云获取 1 9 3 2 2 点云预处理 2 0 3 2 3 基于k d 树的散乱三维点云数据组织管理 2 0 3 3 基于S T L 三角网格的C A D 模型 2 l 3 4 配准算法 2 3 3 4 1 粗匹配 2 3 3 4 2 精确匹配 2 4 3 5 本章小结 2 8 第4 章基于动态调节因子的I C P 配准算法 2 9 4 1 基于S T L 三角网格的对应点寻找 2 9 4 1 1 对应点的寻找方法概述 2 9 4 1 2 基于S T L 三角网格的对应点的寻找算法实现 3 0 4 1 3I C P S T L 算法收敛性能分析 3 2 4 2 基于动态调节因子的I C P 配准算法 3 3 4 2 1 提高I C P 配准算法效率方法分析 3 3 4 2 2 基于动态调节因子的I C P 算法的基本思路 3 4 4 2 3 基于动态调节因子的I C P 配准算法总结 一3 5 4 3 本章小结 3 6 第5 章系统实现与实验分析 3 7 5 1 配准系统实现 3 7 5 1 1 系统设计及实现说明 3 7 5 2 实验分析 3 8 5 2 1 模拟实验 一3 9 5 2 2 测量实验 4 2 5 2 3 附加实验 一4 4 5 3 本章小结 4 7 第6 章总结与展望 4 8 6 1 全文总结 4 8 V 万方数据 目录 6 2 研究展望 4 9 参考文献 5 0 致谢 5 3 在读期间发表的学术论文与取得的研究成果 5 4 V I 万方数据 第l 章绪论 1 1 研究背景及意义 1 1 1 课题来源 第1 章绪论 本课题来源于中国科学技术大学机器视觉实验室机器视觉方面的研究 并得 到了国家自然科学基金委员会 中国科学院天文联合基金的资助 项目批准号 U 1 3 3 1 1 0 7 1 1 2 研究背景及问题提出 随着人们个性化需求的日益增长及数字化设计与制造技术的发展 零件的加 工制造及其装配技术的精度要求对其误差检测技术提出了前所未有的挑战 例如 人们对手机 汽车 家用电器等产品的外观及其制造品质有了更高的追求 那么 必然要更先进的制造及检测技术 传统二维检测方法检测形位尺寸 费时费力 而且有些复杂曲面形体难以实现高精度检测 其检测精度及效率已经很难满足现 代工业制造技术对各种零部件的检测标准及要求 现代的基于三维C A D 模型的 数字化检测技术在逐步的代替传统检测技术 并且得到越来越广泛的应用 并成 为各种高精度复杂零部件检测的核心技术 基于三维C A D C o m p u t e rA i d e dD e s i g n 模型的数字化检测及其精度评价技 术已成为主要趋势 通常 将产品的三维数字化C A D 模型与其成品工件的三维 型面测量数据进行配准比较和误差分析 给出产品的制造精度 从而更好的指导 零件的设计 生产 制造装配等环节 随着三坐标测量机 C M M C o o r d i n a t e M e a s u r i n gM a c h i n e 和计算机三维数字化集成设计在工业制造中的普及 三维数 字化检测技术吸引了众多科研单位和公司的关注和研究 三维数字化检测一般分 为点云数据获取 点云与C A D 模型配准 偏差计算与误差分析等步骤 其中 三维测量点云与C A D 模型的配准技术是三维数字化检测技术的基础 和核心技术 一般来说 测量坐标系和设计坐标系在不同的坐标系下 要对其误 差进行评估 必须将两个坐标系经过刚体变换到一个坐标系下 从而实现配准 因此 深入点云与C A D 模型的配准算法的研究是实现高精度数字化检测的重要 课题 万方数据 第1 章绪论 1 2 研究现状 1 2 1 三维数字化测量技术的研究现状 随着零件设计手段由二维空间向三维转变 相应的公差也由二维空间向三维 转变 其检测手段也从二维空问迅速向三维发展 近年来 获取现实物体三维数 据的技术获得了持久的关注和研究并获得了很好的发展 获取点云的过程即为测 量过程 测量一般被分为两类 一类是接触式测量 另一类是非接触式钡4 量 l 接触式测量是通过测量设备的传感侧头与被测实物模型的物理接触来捕获 模型表面轮廓信息数据的方法 接触式测量方法的主要优点是对物体表面的颜色 纹理 反射特性 曲率以及光照没有特别的要求 且测量精度高 可以在人的操 作下对物体表面轮廓特征进行测量 缺点是测量速度慢 效率低 要对侧头的半 径进行适当补偿 且不易测量一些工件内部的微小构造部分 接触式测量最典型 的代表莫过于三坐标测量机 C M M C M M 是一种现在制造工业中普遍应用的 接触式数字化测量设备 它的优点是重复性好 精度高 噪声低 对被测物的表 面的色泽或材质无特别要求 但它存在测量速度慢 对使用环境要求高等缺尉2 非接触式测量一般是使用特殊设计的测量设备采集电压 电流 光照度 磁 场强度等物理量并通过特定的算法转换为被测物体表面轮廓的三维测量坐标点 云 其中 比较典型的代表有激光扫描仪 激光跟踪仪和C T 图像等 非接触式 测量具有测量速度快 效率高 测量灵活方便等优势 缺点是不容易确定轮廓边 缘 并且易受光照条件和被测实物模型表面状况的影响 目前 国内外已经研发出许多成熟的三维数字化测量设备 其中 比较著名 的国外产品有 瑞士莱卡测量系统 L e i c aG e o s y s t e m s 公司的T S c a n 手持激光 扫描仪 T P r o b e 圆轻便型三坐标测量机 德国G O M 公司的流动式光学测量系统 A T O S I I 圆 加拿大r e a f o r m 公司的H a n d yP R O B E 扫描仪 挪威迈卓诺公司 M e t r o n o r A S 开发的S O L O D U O 等系列的光笔测量仪等 如图1 1 所示T S c a n 激光扫描仪是一种非接触式测量设备 用户手持扫描 仪扫描物体表面 就可以获得物体表面点云数据 如图1 2 所示 莱卡的T p r o b e 的测量头的中心位置安装了一个反射镜 其周围分布有若干发光二极管 2 万方数据 第1 章绪论 图1 1 L e i c aT S c 锄 3 图1 2L e i c aT P r o b e 4 1 如图1 3 所示 德国G O M 公司的A T O S P L U S 测量系统 其以不同的时刻 将一组具有固定模式的光投射到需要被测量的工件的表面 同时两个相机自主拍 摄图片 后台处理软件通过特定算法快速计算并获取大量的三维测量点云 图1 3A T O S P U J S 5 国内各大科研院所及公司对三维测量设备也做了大量研究 并做出了一些较 为成熟的系统 其中 比较成功的代表是西安交通大学开发出了如图1 4 所示光 学测量系统X J T U O M 其用于不规则复杂曲面产品零件的移动便携式三维测量 其基于摄影测量的相机自标定技术实现单次获得1 3 0 万 一6 6 0 万的点云 测量精 3 万方数据 第1 章绪论 度从0 0 0 8 m m 到0 0 5 0 m m X J T U O M 维光学嚣扫攒系统 图1 4A T O S P L U S 6 在强烈的市场需求下 国内企业也开发出了一些比较成熟的测量系统 并己 在市场上销售 例如北京天远三维科技公司开发的O K I O 系列三维测量系统 包括三维扫描仪和光学三坐标测量系统 如图1 5 和1 6 所示为其部分产品 虽然近年来国内企业一直加大研发投入 提升产品性能并整合了很多解决方 案 但其依然和国外的三维测量系统公司有很大差距 特别是在后续数据处理 融合分析的软件系统和国外差距较大 目前国内针对后续数据处理的理论研究及 其产品化仍处于一个相对滞后的阶段 需广大科研工作者继续步努力 图1 5 天远光学触笔 7 图1 6O K I O 一5 M 8 4 万方数据 第1 章绪论 1 2 2 配准技术研究现状 在零件加工完成后 需要判断加工出来的零件是否合格 是否满足当时的设 计要求 那么就要和该零件的C A D 模型进行比对 首先用三维数字化测量设备 对加工的工件实施测量 得到被测工件表面轮廓的三维测量点云 一般情况下 测量得到的三维测量点云在测量坐标系下 而C A D 模型在设计坐标系下 两个 坐标系之间没有直接关系 要对零件进行误差评价 就要找到这两个不同的坐标 系之间的变换关系 即实现点云与C A D 模型配准 配准后就可以实现对零件的 各种误差评定计算及分析 一般来讲 点云与C A D 模型的配准过程分为两个阶段 粗配准和精确配准 粗配准是为了求出两个坐标系的近似欧式变换 使转换后的两组点云尽可能多的 重叠 以便缩小点云和C A D 模型之间的初始位置和方位差异 为精确配准提供 更好的迭代初值 通常在完成粗配准后进行精确配准过程 其采取逐渐逼近的方 法反复迭代计算直到点云和C A D 模型之间达到最佳的拟合状态 从而得到最优 的刚体变换参数 1 2 2 1 粗配准技术研究现状 在点云与C A D 模型的初始位置和方向差距比较大时 就需要进行粗配准 为接下来的精确配准迭代提供比较好的刚体变换参数初值 目前 针对不同的应用领域 己经有很多较为成熟的粗配准算法 例如三点 对齐法 基于R A N S A C 的配准算法 主成分分析法等 其中 最为简单就是三 点对齐法 其基本原理是分别从三维测量点云与其对应的C A D 模型中确定出三 对基准点 通过得到的三对基准点求解配准的刚体变换的参数初值 三点对齐法 虽然原理比较简单 运算速度快 但在很多实际使用的条件下很难得到三对准确 的基准点 F i s h i e r 和B o l l e s g 于1 9 8 1 年引入的一种R A N S A C R a n d o mS a m p l e C o n s e n s u s 方法 R A N S A C 用于点云的粗配准的思想是 首先随机的在所有的 备选点中挑选n 个点 然后计算出一组刚体变换参数 将剩下的点带进参数方程 去做验证 如果在一定的误差范围内有足够多的点 那么本次计算出的参数就是 最优的 否则重复之前的操作 再次进行随机采样并计算参数和评估参数 最终 选择能使最多点在我们要求的误差范围内的参数并将其作为最优解 1 0 1 C h e n 等I I l 在1 9 9 9 年第一次将R A N S A C 算法应用于三维点云匹配 此后 学者对其进行了各 种改进 例如 D A i g e r 和N J M i t r a t l 2 1 在2 0 0 8 年提出一种基于R A N S A C 的4 P C S 配准算法 其具有速度快 鲁棒性高等特点 C h u n g 和L e e l l 3 于1 9 9 8 年提出一 种基于主成分分析的配准算法 该方法利用点云的数据体积的主轴方向进行配准 5 万方数据 第1 章绪论 K i m 1 4 1 等人也应用了类似的方法 该方法 s 首先计算点云的数据集合的协方差矩 阵 然后根据求得的协方差矩阵计算点云的数据集合的主轴向量 进而得到两个 点云的数据集合间的旋转矩阵和平移矩阵或向量 主成分分析法 运算速度比较 快 效率高 但要求待配准的两个测量点云的数据集合之间有充足的重叠或交叉 区域 1 2 2 2 精确配准技术研究现状 在众多的精确配准的算法中 运用最为普遍的是由B e s e l 等f 1 6 于1 9 9 2 年提 出的最近点迭代 I t e r a t i v e C l o s e s t P o i n t I C P 算法 该方法通过逐步迭代的方法 寻找两个待匹配的点集中对应匹配点 并计算两个点集合之间的刚体变换参数 直到误差测度满足给定的收敛精度或达到最大的迭代次数 最终求得两个点集合 之间的刚体变换参数 平移和旋转参数 来完成整个配准过程 B e s l 等 1 6 提出的I C P 算法是点云配准领域的基础性算法 它为后续的基于迭 代思想的配准算法提供了基本理论和基本框架 因此 一般将B e s l 等 1 6 1 提出的 I C P 算法作为开山鼻祖 称为原始I C P 算法 本文就是在此基础上进行改进得到 新的配准算法 I C P 算法从1 9 9 2 年提出到现在 学者们针对不用的应用场景 相继提出了各种各样的I C P 变体算法 在各个层面对I C P 算法进行了各种各样 的改进 虽然原始I C P 算法得到了广泛的应用 但也有其局限性 主要表现在两点 其一 原始I C P 算法在寻找对应点时 将原始测量点集合中每个点到其目标点云 中欧式距离最近的点作为其对应点 而在现实测量过程中 两个点的集合想要完 全相同是很难保证的 因此对应点的准确寻找相当困难 使其应用受到很大限制 其二 随着数字化扫描设备的发展 测量点云的数量越来越多 原始I C P 算法 的对应点的寻找的效率较低 已经不能满足现在的要求 因此 学者们针对原始 I C P 匹配的不同阶段及不同的应用场景提出了各种不同的I C P 优化算法 例如 Z l a n 鸢 f s J 对原始的I C P 算法进行了两点改进 该算法在迭代设定了一个动态阀 值 将法向量的方向一致性作为约束标准去删除两点间距离大于给定阀值或者其 法向夹角大于一定阀值的点对 并且算法采用k d 树数据结构去加速配准过程中 对应点的搜索操作 大大减少了运行时间 T u r k 等人 1 9 则将两个待配准的点云 进行三角网格化操作 然后将三角网格当作最小单元进行匹配 S h a r p 等 2 0 提出 了一种基于欧几里得不变特征的I C P 算法 I C PU s i n gI n v a r i a n tF e a t u r e s I C P I F 引入了矩 曲率等欧几里得不变特征 利用点的位置距离和特征距离的 加权组合搜索最近点作为其对应点 上述各种I C P 算法都是在原始I C P 算法的 基础上 针对不同匹配对象的特征进行各个层面的改进而来 并且也都取得了不 R 万方数据 第l 章绪论 错的效果 在点云与C A D 模型的匹配中 运用原始的I C P 算法势必要求C A D 模型点 云分布均匀 且该点云密度要大于配准的精度要求 如果直接运用B e s l 和M c k a y 提出的基于p o i n t t o p o i n t 技术的I C P 算法就需要对C A D 模型进行大量均匀采 样 导致目标点云急剧增加 使其对应点的寻找步骤非常耗时 C h e n 等 2 1 和 B e r g e v i nR 等 2 2 提出的基于p o i n t t o p l a n e 技术的I C P 算法虽然不需再要求目标模 型点云密度 但计算点到面的距离的比较复杂 且需要用到第一片点云中所有的 点的法向量信息 此外 文献 2 3 提出的一种迭代最近投影点 i t e r a t i v ec l o s e s t p r o j e c t e dp o i n t I C P P 算法通过寻找离原始测量点云最近的三个目标点建立三角 形实现点云与C A D 模型的匹配 文献 2 4 提出一种基于计算点到三角形最近距离 法搜索对应点的点云配准算法 但其需要搜索最近的三个点 仍然需要目标点云 密度足够 随着三维打印等技术的发展 一种简单便捷的通用的S T L 模型被广 泛使用 其由大量近似三角网格面片组成 且每个三角面片包含法向量 本文根 据S T L 模型的特点 提出一种新的计算原始测量点云对应点的方法 基于C A D 模型S T L 三角网格的对应点的寻找方法 该方法利用三角网格自身携带的法向 量信息 快速求取原始测量点云到对应三角网格的最近点 并将其作为目标对应 点 有效的解决了原始I C P 算法在点云与C A D 模型匹配中对应点的寻找的问 题 针对原始I C P 算法在大量点云对应点搜索严重耗时问题 一种方法是精简 点云数量 文献 1 9 冲首先在初始部分迭代时只使用1 4 或1 5 左右的点云去参与 配准 而在末段的匹配中用所有的点云去匹配 Z Z h a n g 1 7 提出基于k d 树 2 5 1 1 2 6 1 的配准算法 以一种树状结构加快了最近点的搜索 文献 2 7 提出一种速度更快的 D V G D i s t a n c eV a r y i n gG r i d t r e e M G r e e n s p a n 和G G o d i n 2 8 提出了一种提高 原始I C P 中对应最近点搜索效率的方法 即基于球面三角形约束的最近邻近算法 S p h e r i c a lT r i a n g l eC o n s t r a i n tN e a r e s tN e i g h b o u r S T C N N 随着工业4 0 技术的提出与发展 工业制造等领域对测量匹配的精度和效率 提出了更高的要求 对如何在相同的初始条件及目标精度要求下 尽可能减少配 准算法迭代的次数并提高配准的精度的问题仍需要更加深入的研究 7 万方数据 第1 章绪论 1 3 研究内容及安排 1 3 1 主要研究内容 本课题的主要研究内容围绕三维测量点云与C A D 模型配准算法的设计与实 现展开 研究并分析了现有的各种配准算法 并找出了其中的不足 针对原始I C P 在点云与C A D 模型配准应用中的一些局限性 本文提出了一种基于动态调节因 子的I C P 配准算法实现了点云与C A D 模型的快速配准 有效的提高了配准精度 和效率 该算法主要对原始I C P 算法进行如下两步优化而来 第一步 本文提出一种基于C A D 模型的S T L 三角网格的对应点的寻找方法 其有效的解决了原始I C P 算法在点云与C A D 模型配准中的对应点的寻找困难问 题 该方法利用S T L 三角网格自身携带的法向量信息 求取测量点云到对应三 角网格的最近点 并将其作为目标对应点 因为其属于一种点到面的对应点计算 方法 所以可以求得相对准确的对应点 从而提高配准精度 同时可以避免大量 采样C A D 模型 有效提高配准效率 第二步 在第一步优化的基础上 本文提出了一种动态调节因子一一动态调 整刚体变换参数因子 将其添加到原始I C P 算法中 使得每次迭代点云刚体变换 沿原来的趋势实现超程变换 以使下次迭代时搜索到更多有效对应点 从而使迭 代步幅加大 实现I C P 算法的快速收敛 基于此 本文提出一种基于动态调节因子的I C P 配准算法 通过步长因子动 态的调整刚体变换参数 该方法的具体过程为 首先在I C P 算法的每次迭代过程 中加入一个步长因子 实现原始测量点云超程变换 然后计算每次迭代后的匹配 误差 若误差减小 则继续加大步长因子 使得下次迭代搜索到更多有效对应点 否则 步长因子归零 停止超程变换 按照上述规则反复迭代 直至算法收敛 达到预期匹配目标或迭代终止条件 实验表明 本文提出的基于动态调节因子的I C P 配准算法 可以有效减少I C P 算法的迭代次数 从而提高匹配效率 且同时能提高配准精度 最后 在附加试验中 本文亦将该动态调节因子应用到例如基于k d 树的I C P 算法和1 C P P 等算法中去进一步评估本文提出的动态调节因子的性能 实验结果 也表明该动态调节因子可以有效的提高配准算法的收敛性能 减少迭代次数 从 而提高配准效率 也就是说 该动态调节因子或许可以应用到其他I C P 变体算法 中以提高其收敛速度 8 万方数据 第1 章绪论 1 3 2 论文组织安排 本文的结构安排如下 第一章 介绍了三维测量点云与C A D 模型的配准问题的研究背景及研究现 状 简述了国内外三维数字化检测技术的发展状况 阐明了三维测量点云与C A D 模型配准技术的重要性 此外 详细分析研究了各种配准技术 并准对其存在的 问题提出了解决方案 从而确定了本文的主要研究内容 第二章 介绍了配准技术相关的基本原理 包括配准的本质和刚体变换理论 等相关知识 为后续算法研究提供良好的理论基础 第三章 全面阐述了点云与C A D 模型配准的总体思路 并对每个步骤的具 体实现过程进行了详细说明 配准的主要步骤包括 点云的获取及预处理 C A D 模型的获取 点云配准 其包含粗配准过程和精确配准过程 第四章 介绍了本文的核心研究内容 基于动态调节因子的I C P 配准算法 详细介绍了本文提出的配准算法的每一步优化过程及具体实现步骤 第五章 基于前文的研究 利用C 实现了本文的点云与C A D 模型配准系 统 并设计了模拟和实际测量配准实验 验证了本文提出的算法的有效性 第六章 对全文内容进行了回顾 总结了所做工作的主要内容 对论文中提 出的点云与C A D 模型配准算法中仍然存在的问题进行了分析整理 并对未来的 研究和改进方向做出了展望 9 万方数据 第2 章数据配准基本原理 第2 章数据配准基本原理 配准算法在图像处理 机器视觉 模式识别 机器学习 逆向工程 人工智 能等领域有比较广泛的研究与应用 其算法框架大致包括特征提取 特征表达 局部匹配 全局匹配等几个环节 然而不是所有的算法都包含着这几个步骤 在 不同的领域 特征的内涵也不尽相同 例如在图像的配准时 需要配准的主要特 征是像素点特征 本文的三维数字化检测中的特征可能就是工件的三维测量点云 数据 C A D 模型数据等几何特征 2 1 配准的本质 配准即是将不同时间 不同波段 不同系统 不同坐标系等获得同一对象的 特征 经过几何等变换使同名对象在其方位和位置上达到完全重合的操作过程 在本文研究的三维测量点云与C A D 模型的配准中 一般三坐标测量系统在测量 时都有一个测量坐标系 而工件在设计C A D 模型时又有其设计坐标系 而这两 个坐标系通常无任何关联 为了便于对工件的误差评价与计算 必须将测量坐标 系下的三维测量点云经过欧式变换到C A D 模型的设计坐标系下 即完成配准过 程 即配准的实质是计算三维测量点云所在的测量坐标系到C A D 模型所在的设 计坐标系的旋转与平移变换参数 2 2 刚体变换基本理论 在欧式空间中 如果一个物体被看作是理想情况下的刚体 那么不管是物体 的方向或位置发生变化还是我们在不同的坐标系下观察同一个物体 物体的大小 和形状都会保持不变 2 9 因此 在一个坐标的欧式变换过程中 只要物体的大小 和形状都保持不变就可以将其作为刚体的坐标变换 3 0 l 通常情况下 刚体变换 2 9 是指两个不同方面的操作 其一是计算某个刚体经过平移和旋转的变换后其所对 应的新坐标 其二是计算同一个被当成是理想刚体的物体在两个不同的坐标系下 的坐标 1 0 万方数据 第2 章数据配准基本原理 2 2 1 刚体变换过程 常见的刚体变换包括两方面的变换 其一是旋转变换 其二是平移变换 本 文研究的对象都是刚体 其各种坐标变换都可以由旋转变换和平移变换来表示 设 捌Z 坐标系下点P 的坐标为P x Y z O I w 坐标系下点Q 的坐标 为Q u v w 则坐标系X Y Z 到I W 的刚体变换为 u l R I i T c 2 其中 T t x t n t 1 是一个表示平移变换的三维向量或矩阵 其表示的 是坐标系 Y z 的坐标原点O 在口 I w 坐标系中的坐标 R 是一个表示旋 转变换的列式值等于I 的3 3 正交矩阵 即 R E r 2 1 r 1 2 2 2 h r 2 3 3 t r 3 ar 3 2r 3 3 1 J 2 l I 2 2 旋转矩阵R 包含并不是互相独立的9 个参数 其特性如下 1 R R T R T R I 因此R 一1 R T 2 I R U l I U l 3 R U R V U V 4 R U R V R UX 其中 I 是一个单位阵 大小为3 3 I 1 为向量的模 U 和V 表示两个任 意的三维向量 由以上特性可知R 虽然总共有9 个元素 但只有其中的3 个参 数是独立的 其矩阵中9 个元素满足式2 3 方程组 r 瞌 吃 吃 1 l秀 秀 吃 1 J 嚆 癌 吃 1 2 3 ln l r 2 1 r i z r z z 7 1 3 7 2 320 lr 2 1 r 3 1 I 吃2 r 3 2 r 2 3 r 3 3 0 I T 3 1 T I I r 3 z r l 2 r s s r l 3 0 式2 1 描述了 一X Y Z 坐标系到 一I w 坐标系的一个转换过程 该过 程首先旋转坐标系瞄Y z 使其方向与坐标系口 I w 相同 然后再将坐标 系D 一 5 Y z 平移到坐标系0 L X Y z 的位置 实现两个坐标系的完全重合 万方数据 第2 章数据配准基本原理 2 2 2 旋转矩阵的表示形式 旋转矩阵的常用表达方法有四元数表示法 欧拉角表示法和斜对称矩阵表示 法 这3 种表达方法的描述如下 2 2 2 1 欧拉角表示法 一般情况下 旋转矩阵R 是通过三个基本的旋转序列复合而成 且复合顺 序及方式有很多种 因此用欧拉角表示的旋转矩阵也有相当多的表现形式 如下 图2 1 所示 设右手笛卡尔坐标系的x Yz 轴的旋转分别为 0 p K 图2 1 欧拉角表示法 绕x 轴的旋转矩阵R 0 0 定义为 1 00 1 R x m 1 0C O S I 一s i n I l 2 4 os i n 1 C O S 山J 绕Y 轴的旋转矩阵R v p 定义为 C O S p0 一s i n p 1 R y P l 01o I 2 5 s i n p 0 C O S pJ 绕z 轴的旋转矩阵R K 定义为 C O S