引用本文

徐思雨, 祝继华, 田智强, 李垚辰, 庞善民. 逐步求精的多视角点云配准方法. 自动化学报, 2019, 45(8): 1486-1494. doi: 10.16383/j.aas.c170556

XU Si-Yu, ZHU Ji-Hua, TIAN Zhi-Qiang, LI Yao-Chen, PANG Shan-Min. Stepwise Refinement Approach for Registration of Multi-view Point Sets. ACTA AUTOMATICA SINICA, 2019, 45(8): 1486-1494. doi: 10.16383/j.aas.c170556

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c170556

关键词

多视角配准，逐步求精，迭代最近点算法，非重叠区域，三维模型重建 

摘要

针对多视角点云配准问题，本文设计了一个合理的目标函数，便于将多视角配准问题分解成多个双视角配准问题，并考虑了两个要素：1）各帧点云均具有其他所有点云所未覆盖的区域；2）基准帧点云的重要程度高于其他点云.为了求解该目标函数，本文提出了逐步求精的解决策略：根据给定的配准初值构造初始模型，依次取出基准帧以外的每帧点云，利用所提出的双视角配准算法计算该帧点云的配准参数，并修正模型，以便进一步计算后续点云的配准参数.遍历完全部点云构成一次完整的循环，多次循环后可获得精确的多视角配准结果.公开数据集上的实验结果表明，本文所提出的方法能够精确、可靠地实现多视角点云配准.

文章导读

点云配准是计算机视觉[1-2]、移动机器人[3-4]、计算机图形学[5-6]和医学图像处理[7-8]等领域的一项关键技术, 其实质是计算非基准帧点云与基准帧点云之间的变换关系.根据待配准点云的帧数, 该问题可分为双视角点云配准和多视角点云配准两类子问题.通常情况下, 多视角点云配准问题的复杂度要远高于双视角点云配准问题.

目前, 已有多种解决双视角点云配准问题的算法, 其中最流行的是迭代最近点算法[9], 它通过交替地建立待配准点云之间的点对关系和更新刚体变换来实现配准.虽然迭代最近点算法具有高效率和高精度的特点, 但它并未考虑待配准点云之间的非重叠区域.为此, 国外学者提出了裁剪迭代最近点算法[10-11], 该算法通过引入变量衡量待配准点云之间的重叠百分比, 以便利用重叠区域点对计算点云之间的刚体变换.为了获得最优配准结果, 粒子滤波[12-13]和遗传算法[14]均可被用于搜索全局最优解.目前, 已有多种算法能有效地解决具有中等重叠百分比的双视角点云配准问题.

由于多视角点云配准问题需要求解大量的配准参数, 其复杂程度要远高于双视角配准问题.为了解决多视角点云配准问题, 有学者提出了顺序配准法[15].该方法不断地对两帧点云进行配准及合并, 直到全部点云被合并成一个整体.顺序配准法虽然简单直观, 但存在众所周知的误差累积问题.为了改善误差累积问题, 有学者提出一种改进的多视角配准方法[16].针对非基准帧外的每帧点云, 该方法通过建立该帧点云与其他各帧点云之间的点对关系, 来计算该帧点云的配准参数.由于需要建立大量的点对关系, 该方法的计算复杂度较高.

近年来, 多视角点云配准问题逐渐受到学术界的关注, 并出现了一些有效的解决方法.为了提高多视角配准精度, Mateo等[17]将点云之间点的对应关系视为隐变量, 以利用期望最大化法实现多视角点云配准.与此同时, Evangelidis等[18]也提出了基于期望最大化算法的多视角点云配准方法.该方法将每个点视作是从高斯混合模型里抽取的一个样本, 从而将多视角配准问题转换成聚类问题, 并通过期望最大化方法计算高斯混合模型参数和配准参数, 以获得多视角点云配准结果.此类方法虽然精度较高, 但计算量惊人.为了提高配准效率, Tang等[19]提出了层次多视角配准方法, 该方法通过检测闭环, 以便不断地对小闭环所涉及的点云进行多视角配准及合并, 直到全部点云合并成一个模型.层次配准法可提高配准的精度和效率, 但需要解决闭环检测这个难题.与此同时, Govindu等[20]将每个双视角配准结果视为多视角配准问题中的一组约束方程, 并利用他们自己所提出的运动平均算法从多组约束方程中计算出多视角配准结果.为了获得精确的多视角配准结果, 运动平均法要求所有的双视角配准结果都是准确可靠的.近年来, Arrigoni等[21]提出了基于低秩稀疏矩阵分解的多视角配准方法.该方法可将计算得到的双视角配准结果组成一个近似矩阵, 然后利用低秩稀疏矩阵分解法对近似矩阵进行补全以恢复出多视角配准结果.该方法允许存在不可靠的双视角配准结果, 但要求近似矩阵的非零元素必须达到一定的比例.

由此可知, 多视角点云配准仍然是一个有待解决的问题.为此, 本文拟设计一种有效的多视角点云配准方法.给定多视角配准的初始值, 该方法通过构建粗糙的物体模型, 并借助所提出的双视角配准算法顺序地计算每帧点云的配准参数, 修正物体模型, 以便进一步计算后续点云的配准参数.通过交替地计算双视角配准结果和修正重建模型, 该方法可实现多视角点云配准.

本文的后续安排如下:第1节简要地介绍迭代最近点算法, 第2节给出本文所提出的多视角点云配准方法, 并在第3节利用公开数据集对所提出的方法进行实验测试和对比分析, 最后在第4节给出本文的结论.

图 1  从兔子模型上采集得到的多视角点云

图 2  逐步求精的多视角点云配准方法原理图

图 3  逐步求精的多视角点云配准方法原理图

本文提出了一种逐步求精的多视角点云配准方法.该方法根据初始参数构造粗糙模型并设计合理的目标函数, 将多视角点云配准问题分解为多个双视角配准问题.随后循环遍历各帧点云, 利用权重迭代最近点算法计算各帧点云的配准参数修正模型, 并通过循环迭代的方式实现多视角配准参数的逐步求精.公开数据集上的实验结果表明, 该方法能可靠地实现多视角点云的精确配准.后续的研究将关注配准初值的分析, 并参考文献[1]设计全局收敛的求解方法, 实现无序点云的自主配准.

作者简介

徐思雨

西安交通大学软件学院硕士研究生.主要研究方向为计算机视觉与机器学习.E-mail:xsy_xjtu@163.com

田智强  

西安交通大学软件学院副教授.主要研究方向为计算机视觉和机器学习.E-mail:zhiqiangtian@xjtu.edu.cn

李垚辰   

西安交通大学软件学院讲师.主要研究方向为计算机视觉和模式识别.E-mail:yaochenli@xjtu.edu.cn

庞善民  

西安交通大学软件学院副教授.主要研究方向为计算机视觉, 模式识别和图像处理.E-mail:pangsm@xjtu.edu.cn

祝继华   

西安交通大学软件学院副教授.2011年获得西安交通大学模式识别与智能系统博士学位.主要研究方向为计算机视觉, 移动机器人与机器学习.本文通信作者.E-mail:zhujh@xjtu.edu.cn