返回 >>>>>> PCL-3D點(diǎn)云總目錄

點(diǎn)云配準(zhǔn)需求場(chǎng)景

?隨著計(jì)算機(jī)輔助設(shè)計(jì)技術(shù)的發(fā)展，通過(guò)實(shí)物模型產(chǎn)生數(shù)字模型的逆向工程技術(shù)獲得了越來(lái)越廣泛的應(yīng)用，與此同時(shí)，硬件設(shè)備的日趨完善也為數(shù)字模型操作提供了足夠的技術(shù)支持。

由于三維掃描儀設(shè)備受到測(cè)量方式和被測(cè)物體形狀的條件限制，一次掃描往往只能獲取到局部的點(diǎn)云信息，進(jìn)而需要進(jìn)行多次掃描，然后每次掃描時(shí)得到的點(diǎn)云都有獨(dú)立的坐標(biāo)系，不可以直接進(jìn)行拼接。在逆向工程、計(jì)算機(jī)視覺(jué)、文物數(shù)字化等領(lǐng)域中，由于點(diǎn)云的不完整、旋轉(zhuǎn)錯(cuò)位、平移錯(cuò)位等，使得要得到完整點(diǎn)云就需要對(duì)多個(gè)局部點(diǎn)云進(jìn)行配準(zhǔn)。為了得到被測(cè)物體的完整數(shù)據(jù)模型,需要確定一個(gè)合適的坐標(biāo)變換 ，將從各個(gè)視角得到的點(diǎn)集合并到一個(gè)統(tǒng)一的坐標(biāo)系下形成一個(gè)完整的數(shù)據(jù)點(diǎn)云，然后就可以方便地進(jìn)行可視化等操作，這就是點(diǎn)云數(shù)據(jù)的配準(zhǔn)。

點(diǎn)云配準(zhǔn)方法

點(diǎn)云配準(zhǔn)步驟上可以分為粗配準(zhǔn)（Coarse Registration）和精配準(zhǔn)（Fine Registration）兩個(gè)階段。

粗配準(zhǔn)是指在點(diǎn)云相對(duì)位姿完全未知的情況下對(duì)點(diǎn)云進(jìn)行配準(zhǔn)，找到一個(gè)可以讓兩塊點(diǎn)云相對(duì)近似的旋轉(zhuǎn)平移變換矩陣，進(jìn)而將待配準(zhǔn)點(diǎn)云數(shù)據(jù)轉(zhuǎn)換到統(tǒng)一的坐標(biāo)系內(nèi)，可以為精配準(zhǔn)提供良好的初始值。常見(jiàn)粗配準(zhǔn)算法：

• 基于特征匹配(PFH)的配準(zhǔn)算法：
  • SAC-IA 采樣一致性初始配準(zhǔn)算法（Sample Consensus Initial Alignment）PCL庫(kù)已實(shí)現(xiàn)，基于FPFH
• 基于窮舉搜索的配準(zhǔn)算法：
  • 4PCS 四點(diǎn)一致集配準(zhǔn)算法（4-Point Congruent Set）
  • Super4PCS

精配準(zhǔn)是指在粗配準(zhǔn)的基礎(chǔ)上，讓點(diǎn)云之間的空間位置差異最小化，得到一個(gè)更加精準(zhǔn)的旋轉(zhuǎn)平移變換矩陣。該算法的運(yùn)行速度以及向全局最優(yōu)化的收斂性卻在很大程度上依賴于給定的初始變換估計(jì)以及在迭代過(guò)程中對(duì)應(yīng)關(guān)系的確立。所以需要各種粗配準(zhǔn)技術(shù)為ICP算法提供較好的位置，在迭代過(guò)程中確立正確對(duì)應(yīng)點(diǎn)集能避免迭代陷入局部極值，決定了算法的收斂速度和最終的配準(zhǔn)精度。最常見(jiàn)的精配準(zhǔn)算法是ICP及其變種。

• ICP 迭代最近點(diǎn)算法（Iterative Cloest Point）
  • GICP
  • NICP
  • MBICP
• NDT 正態(tài)分布變換算法（Normal Distributions Transform）

其他配準(zhǔn)：

• 依賴平臺(tái)設(shè)備：將被測(cè)物體放在平臺(tái)上，利用控制器對(duì)平臺(tái)進(jìn)行控制，使之按照指定角度轉(zhuǎn)動(dòng)，通過(guò)多次測(cè)量可以得到不同視角下的點(diǎn)云，由于提前獲知了距離及角度信息，則可以直接對(duì)所有點(diǎn)云進(jìn)行配準(zhǔn)。
• 輔助標(biāo)志點(diǎn)：通過(guò)在被測(cè)物體表面粘貼標(biāo)簽，將這些標(biāo)簽作為標(biāo)志點(diǎn)，對(duì)多次測(cè)量得到的點(diǎn)云數(shù)據(jù)進(jìn)行配準(zhǔn)時(shí)，對(duì)這些有顯著特征的標(biāo)簽進(jìn)行識(shí)別配準(zhǔn)，代替了對(duì)整體點(diǎn)云的配準(zhǔn)，提高效率，精確度。

自動(dòng)配準(zhǔn)技術(shù)

?通常所說(shuō)的點(diǎn)云配準(zhǔn)就是指自動(dòng)配準(zhǔn)，點(diǎn)云自動(dòng)配準(zhǔn)技術(shù)是通過(guò)一定的算法或者統(tǒng)計(jì)學(xué)規(guī)律，利用計(jì)算機(jī)計(jì)算兩塊點(diǎn)云之間的錯(cuò)位，從而達(dá)到把兩片點(diǎn)云自動(dòng)配準(zhǔn)的效果。本質(zhì)上就是把不同坐標(biāo)系中測(cè)量得到的數(shù)據(jù)點(diǎn)云進(jìn)行坐標(biāo)變換，從而得到整體的數(shù)據(jù)模型。

? 即求得坐標(biāo)變換參數(shù) R（ 旋轉(zhuǎn)矩陣）和 T（平移向量）,使得兩視角下測(cè)得的三維數(shù)據(jù)經(jīng)坐標(biāo)變換后的距離最小。配準(zhǔn)算法按照實(shí)現(xiàn)過(guò)程可以分為整體配準(zhǔn)和局部配準(zhǔn)。

PCL實(shí)現(xiàn)的配準(zhǔn)算法

上圖中給出了示例，使用傾斜的2D激光設(shè)備獲取了六個(gè)獨(dú)立數(shù)據(jù)集。由于每個(gè)單獨(dú)的掃描僅代表周圍世界的一小部分，因此必須找到將它們配準(zhǔn)在一起的方法，從而創(chuàng)建完整的點(diǎn)云模型，如下圖所示。

PCL提供的配準(zhǔn)庫(kù)算法是通過(guò)在給定的輸入數(shù)據(jù)集中找到正確的點(diǎn)對(duì)應(yīng)關(guān)系，并將每個(gè)單獨(dú)的數(shù)據(jù)集轉(zhuǎn)換為一致的全局坐標(biāo)系的剛性變換。理想情況下，如果在輸入數(shù)據(jù)集中完全知道點(diǎn)對(duì)應(yīng)關(guān)系，則該配準(zhǔn)范式可以輕松解決。這意味著一個(gè)數(shù)據(jù)集中選定的關(guān)鍵點(diǎn)列表必須與另一個(gè)數(shù)據(jù)集中的點(diǎn)列表“重合”。此外，如果估計(jì)的對(duì)應(yīng)關(guān)系“完美”匹配，則注冊(cè)問(wèn)題具有封閉式解決方案。 PCL包含一組功能強(qiáng)大的算法，這些算法可以估算多組對(duì)應(yīng)關(guān)系，排除不良對(duì)應(yīng)關(guān)系，從而以可靠的方式估算轉(zhuǎn)換關(guān)系方法。以下將分別描述它們：

兩兩配準(zhǔn)

兩兩配準(zhǔn)（pairwise registration）：我們稱一對(duì)點(diǎn)云數(shù)據(jù)集的配準(zhǔn)問(wèn)題為兩兩配準(zhǔn)（pairwise registration）。通常通過(guò)應(yīng)用一個(gè)估算得到的表示平移和旋轉(zhuǎn)的 4 × 4 剛體變換矩陣來(lái)使一個(gè)點(diǎn)云數(shù)據(jù)集精確地與另一個(gè)點(diǎn)云數(shù)據(jù)集(目標(biāo)數(shù)據(jù)集)進(jìn)行完美配準(zhǔn)。

具體實(shí)現(xiàn)步驟如下 :

首先從兩個(gè)數(shù)據(jù)集中按照同樣的關(guān)鍵點(diǎn)選取標(biāo)準(zhǔn)，提取關(guān)鍵點(diǎn)。

對(duì)選擇的所有關(guān)鍵點(diǎn)分別計(jì)算其特征描述子。

結(jié)合特征描述子在兩個(gè)數(shù)據(jù)集中的坐標(biāo)的位置，以兩者之間特征和位置的相似度為基礎(chǔ)，估算它們的對(duì)應(yīng)關(guān)系，初步估計(jì)對(duì)應(yīng)點(diǎn)對(duì)。

假定數(shù)據(jù)是有噪聲的，除去對(duì)配準(zhǔn)有影響的錯(cuò)誤的對(duì)應(yīng)點(diǎn)對(duì)。

利用剩余的正確對(duì)應(yīng)關(guān)系來(lái)估算剛體變換，完成配準(zhǔn)。
整個(gè)配準(zhǔn)過(guò)程最重要的是關(guān)鍵點(diǎn)的提取以及關(guān)鍵點(diǎn)的特征描述，以確保對(duì)應(yīng)估計(jì)的準(zhǔn)確性和效率，這樣才能保證后續(xù)流程中的剛體變換矩陣估計(jì)的無(wú)誤性。接下來(lái)我們對(duì)單次迭代的每一步進(jìn)行解讀：

1.關(guān)鍵點(diǎn)提取

關(guān)鍵點(diǎn)是在場(chǎng)景中具有“特殊屬性”的興趣點(diǎn)，例如書(shū)的一角或書(shū)上寫(xiě)有“ PCL”的字母“ P”。 PCL中有許多不同的關(guān)鍵點(diǎn)提取技術(shù)，如NARF，SIFT和FAST。另外，您也可以將每個(gè)點(diǎn)或子集作為關(guān)鍵點(diǎn)。如果不進(jìn)行關(guān)鍵點(diǎn)提取，直接“將兩個(gè)kinect數(shù)據(jù)集執(zhí)行對(duì)應(yīng)估計(jì)”會(huì)產(chǎn)生的問(wèn)題是：每幀中有300k點(diǎn)，因此可以有300k^2個(gè)對(duì)應(yīng)關(guān)系，這個(gè)數(shù)量太龐大不利于計(jì)算。

2.特征描述符

基于找到的關(guān)鍵點(diǎn)，我們必須提取特征，在此我們封裝解析點(diǎn)云數(shù)據(jù)并生成向量以相互比較。同樣，有許多特征描述符提取技術(shù)可供選擇，例如NARF，FPFH，BRIEF或SIFT。

3. 對(duì)應(yīng)關(guān)系估計(jì)

對(duì)應(yīng)關(guān)系估計(jì)(correspondences estimation)

假設(shè)我們已經(jīng)得到由兩次掃描的點(diǎn)云數(shù)據(jù)獲得的兩組特征向量，在此基礎(chǔ)上，我們必須找到相似特征再確定數(shù)據(jù)的重疊部分才能進(jìn)行配準(zhǔn)。根據(jù)特征的類型，PCL 使用不同方法來(lái)搜索特征之間的對(duì)應(yīng)關(guān)系。

• 進(jìn)行點(diǎn)匹配時(shí)(使用點(diǎn)的 xyz 三維坐標(biāo)作為特征值)，針對(duì)有序點(diǎn)云數(shù)據(jù)和無(wú)序點(diǎn)云數(shù)據(jù)有不同的處理策略：
  • 窮舉配準(zhǔn)( brute force matching）簡(jiǎn)稱BFMatching，或稱野蠻匹配。
  • kd-tree最近鄰查詢，Fast Library for Approximate Nearest Neighbors.( FLANN )。
  • 在有序點(diǎn)云數(shù)據(jù)的圖像空間中查找。
  • 在無(wú)序點(diǎn)云 數(shù)據(jù)的索引空間中查找。
• 進(jìn)行特征匹配時(shí)，有以下幾種方法(不使用點(diǎn)的坐標(biāo)，而是某些由查詢點(diǎn)鄰域確定的特征，如法向量、局部或全局形狀直方圖等)：
  • 窮舉配準(zhǔn)( brute force matching）簡(jiǎn)稱BFMatching，或稱野蠻匹配。
  • kd-tree最近鄰查詢，Fast Library for Approximate Nearest Neighbors.( FLANN )。
• 除了查詢之外，對(duì)應(yīng)估計(jì)也區(qū)分了兩種類型：
  • 直接對(duì)應(yīng)估計(jì)(默認(rèn))：為點(diǎn)云 A 中的每一個(gè)點(diǎn)搜索點(diǎn)云 B 中的對(duì)應(yīng)點(diǎn),確認(rèn)最終對(duì)應(yīng)點(diǎn)對(duì)。
  • “相互”( Reciprocal )對(duì)應(yīng)估計(jì) : 首先為點(diǎn)云 A 中的點(diǎn)到點(diǎn)云 B 搜索對(duì)應(yīng)點(diǎn) ，然后又從點(diǎn)云 B 到點(diǎn)云 A 搜索對(duì)應(yīng)點(diǎn)，最后只取交集作為對(duì)應(yīng)點(diǎn)對(duì)。

所有這些在 PCL 類設(shè)計(jì)和實(shí)現(xiàn)中都以函數(shù)的形式讓用戶可以自由設(shè)定和使用。

4. 對(duì)應(yīng)關(guān)系去除

對(duì)應(yīng)關(guān)系去除(correspondences rejection)

? 由于噪聲的影響，通常并不是所有估計(jì)的對(duì)應(yīng)關(guān)系都是正確的 。由于錯(cuò)誤的對(duì)應(yīng)關(guān)系對(duì)于最終的剛體變換矩陣的估算會(huì)產(chǎn)生負(fù)面的影響，所以必須去除它們，于是我們使用隨機(jī)采樣一致性( Random Sample Consensus , RANSAC )估算或者其他方法剔除錯(cuò)誤對(duì)應(yīng)關(guān)系，最終只保留一定比例的對(duì)應(yīng)關(guān)系，這樣即能提高變換矩陣的估算精度也可以提高配準(zhǔn)速度。? 遇到有一對(duì)多對(duì)應(yīng)關(guān)系的特例情況，即目標(biāo)模型中的一個(gè)點(diǎn)在源中有若干個(gè)點(diǎn)與之對(duì)應(yīng)。可以通過(guò)只取與其距離最近的對(duì)應(yīng)點(diǎn)或者檢查附近的其他匹配的濾波方法過(guò)濾掉其他偽對(duì)應(yīng)關(guān)系。同樣地針對(duì)對(duì)應(yīng)關(guān)系的去除，PCL 有單獨(dú)設(shè)計(jì)類與之對(duì)應(yīng) 。

5. 變換矩陣估算

最后一步就是計(jì)算實(shí)際的轉(zhuǎn)換關(guān)系

根據(jù)對(duì)應(yīng)關(guān)系評(píng)估誤差值

估算相機(jī)位姿之間的剛性變換，并最小化誤差指標(biāo)

優(yōu)化點(diǎn)的結(jié)構(gòu)

使用剛性變換將源旋轉(zhuǎn)/變換到目標(biāo)上

迭代此過(guò)程直到滿足預(yù)定的收斂標(biāo)準(zhǔn)

注：以上文字和圖片均來(lái)源于鏈接，若有侵權(quán)請(qǐng)聯(lián)系轉(zhuǎn)載方刪除。

返回 >>>>>> PCL-3D點(diǎn)云總目錄

總結(jié)

以上是生活随笔為你收集整理的3.2-点云配准原理概述的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。