论文部分内容阅读
随着近几年光学技术的发展和普及,获取高精度的点云数据变得非常容易,但是依然存在结构和曲面较为复杂的物体由于自身限制而导致扫描数据不完整的情况,因此需要利用点云配准技术将物体在各个视角下获取到的点云数据进行处理从而形成完整的几何模型,以便后续操作。但是利用现有的点云配准算法对复杂点云数据配准,即对结构曲面复杂的物体所获取的点云数据进行配准,缺乏针对性从而导致配准精度并不理想。因此本文针对复杂点云数据,按点云数据集规模大小分类,分别对配准算法进行有针对性的改进。主要研究工作如下:(1)针对复杂大规模点云数据,提出基于自适应高斯混合模型的配准方法。通过引进自适应高斯混合模型,将点云数据表示为两个自适应高斯函数,将其相似度概率作为目标函数,使用期望最大化算法(Expectations-Maximization,EM)和高斯快速变换矩阵估算坐标变换矩阵,完成配准。通过实验验证,该算法不仅有效提高了配准的精度,并在一定程度上降低了算法时间复杂度。(2)针对复杂小规模点云数据配准,分为初始配准和精确配准两个阶段进行配准。在初始配准阶段,采用曲率不变特征和归一化零均值来构造有效的对应点对,然后应用四元数法进行坐标变换;精确配准阶段提出了基于混合距离的迭代最近法(Iterative Closest Point,ICP)算法,该配准算法使用混合距离函数作为目标函数,引入智能人工蜂群算法(Artificial Bee Colony,ABC)搜索最近点,然后进行刚体变换,完成配准。实验证明,该算法不仅提高了配准的精度,同时降低了计算成本。(3)构建了点云配准软件系统,该系统支持点云数据进行预处理的同时,还能有效完成复杂点云数据的配准操作,并将配准结果输出。