1.基于平面特征匹配的点云粗拼接方法,其特征在于,包括如下步骤:a 提取点云中的平面
a.1 种子平面的参数获取及生长
a.11 以人机交互的方式,选中点云数据中某一平面上的部分数据作为种子平面,记作P0,利用特征值法计算出种子平面的参数方程:a0x+b0y+c0z-d0=0;
其中,(a0,b0,c0)为平面的单位法向量,d0为坐标原点至平面的距离;
a.12 设置种子平面生长的阈值dmax;
a.13 选中的范围在三维空间内的方向扩大一倍,自动选中更多的点云数据;
a.14 判断被选中进入的点云数据到平面P0的距离dk,若:dk=|a0xk+b0yk+c0zk-d0|≤dmax,k≥1,则将此点视为有效点并加入到点集n0,反之将此点剔除;其中,(xk,yk,zk)表示被选中进入的点云数据中各点的三维坐标;
a.15 若有效点的数量不再增加,则结束生长,否则返回步骤a.13;
a.2 利用随机抽样一致性算法对平面进行优化处理a.21 规定迭代次数I,确定有效阈值e以及有效点比例阈值p;
a.22 在点集n0中随机选择三个不共线的点,直接计算对应平面方程:a1x+b1y+z=d1,然后计算点云至该平面距离:dk=|a1xk+b1yk+zk-d1|;
其中,(a1,b1,1)表示平面的法向量,d1表示原点到平面的距离;
a.23 若dk≤e,则被认为是有效点,否则为无效点;
a.24 统计得出平面M1的有效点比例f,若f≥p,M1为有效平面,否则为无效平面;
a.25 根据迭代次数I,得出有效平面M1′…Ml′,l≥1;通过比较上述有效平面选出有效点比例最高的平面作为匹配面;
a.26 利用特征值法对步骤a.25中选取的匹配平面重新进行计算,得出匹配平面的参数方程:Ax+By+Cz=D,则单位法向量为(A,B,C);
利用步骤a.2描述的方法在两片点云上选取m对不相互平行的匹配平面,计算其法向量,其中,m≥4;
b 基于匹配面法向量的坐标转换
b.1 转换模型
在选取匹配面的过程中,计算得到的一对匹配平面的参数方程分别表示为:P1:A1x+B1y+C1z=D1,P1′:A1′x+B1′y+C1′z=D1′;
其中,(A1,B1,C1)和(A1′,B1′,C1′)表示匹配平面的法向量,记作n1和n1′,D1和D1′分别表示原点到匹配平面的距离;由计算机图形学知识,可得到转换模型为:将上式分块并展开得到:n1=Rn1′,D1=t·n1′+D1′;其中,t为偏移量;
b.2 利用法向量计算旋转矩阵R
b.21 利用罗德里格矩阵求旋转矩阵的初值旋转矩阵的初始值R0由罗德里格矩阵3个独立参数a、-b、c表示,其中,a、-b、c相互独立;
R0由反对称矩阵S构成罗德里格矩阵:其中,E是单位矩阵,根据任意两对匹配平面的法向量及罗德里格矩阵性质构建方程组,整理可得:求解a、-b、c,得到旋转矩阵的初始值R0;
b.22 利用最小二乘求解旋转矩阵的平差值b.221 四元数表示法
一个四元数q表示为一个四维向量(λ0,λ1,λ2,λ3)T,旋转矩阵R用一个唯一的单位四元数q来表示,即:任意一对对应匹配平面的法向量(A1,B1,C1)和(A1′,B1′,C1′)满足:b.222 建立平差模型
b.2221 以匹配平面的法向量为观测值列出的观测方程及约束条件方程:其中, 和 为对应匹配
平面法向量的平差值,i为平面编号,vi′、vi分别为ni′和ni的改正数;
为λj的近似值, 为λj的平差值, 为λj的改正数;
b.2222 Gauss-Helmert平差模型的一般形式为:其中,为未知参数,A为对未知参数求一阶偏导后的设计矩阵,v表示观测值的改正数,B为对观测量求一阶偏导后的设计矩阵,w为闭合差向量;
对观测方程 线性化得Gauss-Helmert模型:式中,
当有m对匹配平面时,
对约束条件方程线性化得:
b.2223 根据Gauss-Helmert平差模型和测量平差的原理可知:其中, P为单位权阵;
将 和 代入 即可得到λ0、λ1、λ2、λ3的平差值,得到旋转矩阵的平差值;
b.3 计算平移量t
由式D1=t·n1′+D1′可得Di=t·ni′+Di′,其中i为平面编号;利用m对匹配平面,由平差知识得到:t=(NTN)-1NTL;
式中,