点云全局配准
国内外现状及问题
(1)4pcs,搜索的计算量太大,不适合工程化应用。
(2)sift特征,128维,维度太高得到的特征点太少,最要命的还不是搜索量大,而是计算出来的特征点太少,不适合重叠率低的对象。
(3)FPFH,方向直方图,spin image,都相当依赖于法线计算的准确性,需要建立局部坐标系,需要点云分布相对均匀,自己动手实现效果不佳,转而用开源的也不行,且不抗噪,维度过高搜索量大,维度低不具备区分性,这几个最低的维度33维,最高能过到一二百维。
(4)extend Gaussian image,也过份依赖法线和点云分布的均匀性而且只能算R,对于T还得另外想法办法(当然也有人提出了解决办法)。
(5)Rotational Projection Statistics国防科大的Yulan Guo,同(3)一样的 问题。
(6)依赖曲率的,用径向基函数拟合二次曲面,计算量大,不抗噪声。
除此之外,当然还有其它的如香港权龙教授。
自研算法
做这个算法花费了近一个月的时间,由于个人能力的限制,在这短短的一个月时间内能全部看懂和实现上述论文是不可能的(大概过了二三十篇文章),因此理解上可能有错误,导致效果不行。在总结了这些算法优劣的基础上,找到了一种全新的描述子,该描述子具备以下特性:
(1)相当的稳健,相比其它具备更稳健的仿射变换不变性。
(2)使用了15维的描述,相较其它特征描述,维度相当的低。
(3)对点云分布无任何要求。
(4)抗噪表现良好(只是为了进一步的说明描述子的稳健,实际扫描点云不会出现这种 噪声的数据,使用了 Qinyi Zhou的噪声数据集进行了测试)
效果图
对于一般的情况下的数据,表现相当优秀,下面给出几级测试结果:
(1)不同的采样点数
(2)不同的重叠率
(3)不同特征的数据(即特征是否明显)
图4.1 小天使原始数据
为了说明本方法满足上述特性,使用GeoMagic对待配准的原始数据集进行不同点数的采样,采样点数分别为5000个点和20000个点,由于原始数据点云数量不同,所能表征点云的表面积也不同,使用固定点数对待配准的两个数据进行采样,得到的点云的密度也将会有差异,从而对应的点距也存在差异,满足上述所述特性。
图4.2小天使5000点
说明由于使用的是Geomagic的固定点数采样,所以采样点数只是接近预计点数。
图4.3小天使5000点配准结果(Validated Pairwise:477)
4.1.2小天使采样20000个点全局配准
图4.4小天使20000点
图4.5小天使20000点配准结果(Validated Pairwise:3105)
图4.14 空间零散原始数据
图4.16空间零散数据5000点配准结果(Validated Pairwise:151)
极端情况
图4.6 大天使原始数据
图4.7大天使5000点
图4.8 大天使5000点配准结果(Validated Pairwise:130)配准失败
图4.8-a 大天使5000点(更改参数后)配准结果(Validated Pairwise:196)配准成功
目前测试结果:对于正确扫描件还未出现问题表现良好,可以给ICP很好的初值,只有自设的这些特征不明显的数据或者极端情况会存在问题,这个好像克服不了,因为特征不明显,换而言之每个点的相信度太高。