最美情侣中文字幕电影,在线麻豆精品传媒,在线网站高清黄,久久黄色视频

歡迎光臨散文網(wǎng) 會(huì)員登陸 & 注冊(cè)

一種用于三維物體建模的精確、魯棒的距離圖像配準(zhǔn)算法

2020-12-09 15:59 作者:3D視覺工坊  | 我要投稿

作者:仲夏夜之星

來源:微信公眾號(hào)|3D視覺工坊(系投稿)

「3D視覺工坊」技術(shù)交流群已經(jīng)成立,目前大約有12000人,方向主要涉及3D視覺、CV&深度學(xué)習(xí)、SLAM、三維重建、點(diǎn)云后處理、自動(dòng)駕駛、CV入門、三維測量、VR/AR、3D人臉識(shí)別、醫(yī)療影像、缺陷檢測、行人重識(shí)別、目標(biāo)跟蹤、視覺產(chǎn)品落地、視覺競賽、車牌識(shí)別、硬件選型、學(xué)術(shù)交流、求職交流、ORB-SLAM系列源碼交流、深度估計(jì)等。工坊致力于干貨輸出,不做搬運(yùn)工,為計(jì)算機(jī)視覺領(lǐng)域貢獻(xiàn)自己的力量!歡迎大家一起交流成長~

添加小助手微信:CV_LAB,備注學(xué)校/公司+姓名+研究方向即可加入工坊一起學(xué)習(xí)進(jìn)步。

論文標(biāo)題:An Accurate and Robust Range Image Registration Algorithm for 3D Object Modeling

作者:Yulan Guo, Ferdous Sohel, Mohammed Bennamoun, Jianwei Wan, and Min Lu

譯者:仲夏夜之星

論文下載地址

在公眾號(hào)「計(jì)算機(jī)視覺工坊」后臺(tái)回復(fù)「圖像配準(zhǔn)算法」,即可獲得論文。

摘要:距離圖像配準(zhǔn)是三維物體建模和識(shí)別的基礎(chǔ)研究課題。在本文中,提出了一種精確、魯棒的多視點(diǎn)距離圖像配準(zhǔn)算法。首先從一組距離圖像中提取一組旋轉(zhuǎn)投影統(tǒng)計(jì)(RoPS)特征進(jìn)行特征匹配。然后使用一種變換估計(jì)方法和一種變體對(duì)兩幅距離圖像進(jìn)行配準(zhǔn)迭代最近點(diǎn)(ICP)算法的研究?;诔蓪?duì)配準(zhǔn)算法,提出了一種基于形狀增長的多視圖配準(zhǔn)算法。種子形狀與選定的范圍圖像進(jìn)行初始化,然后通過在自身和輸入范圍圖像之間進(jìn)行成對(duì)的配準(zhǔn)順序更新。所有的輸入范圍圖像在形狀增長過程中迭代登記錄,并進(jìn)行廣泛的實(shí)驗(yàn)來測試算法的性能。本文提出的兩兩配準(zhǔn)算法對(duì)小的重疊區(qū)域、噪音和變化的網(wǎng)格分辨率具有較高的準(zhǔn)確性和魯棒性,提出的多視圖配準(zhǔn)算法也非常準(zhǔn)確。與現(xiàn)有算法的相比,表明了該算法的優(yōu)越性。

一 引言

三維(3D)模型通常用于描述物體的形狀,可以使用計(jì)算機(jī)輔助設(shè)計(jì)(CAD)工具或三維掃描設(shè)備建立模型。3D掃描技術(shù)是處理自由形式對(duì)象時(shí)的最佳選擇。然而,獲得的范圍圖像從單一的角度來看,不能表示物體的完整形狀。因此,提出了一種三維物體建模技術(shù)需要對(duì)從不同視點(diǎn)獲取的距離圖像集進(jìn)行配準(zhǔn)和積分。距離圖像配準(zhǔn)是任何三維物體建模系統(tǒng)的關(guān)鍵步驟。根據(jù)輸入的距離圖像的數(shù)量配準(zhǔn)算法可分為兩兩配準(zhǔn)和多視圖配準(zhǔn)。這兩種方法都涉及到粗配準(zhǔn)和精配準(zhǔn)兩個(gè)步驟。粗配準(zhǔn)的目的是估計(jì)兩個(gè)距離圖像之間的初始變換,然后進(jìn)一步細(xì)化產(chǎn)生的初始轉(zhuǎn)換使用精細(xì)的配準(zhǔn)算法。粗配準(zhǔn)可以手動(dòng)或自動(dòng)實(shí)現(xiàn),人工算法需要人工干預(yù)(例如,校準(zhǔn)掃描儀和轉(zhuǎn)盤,或附加的標(biāo)記)確定任意兩個(gè)重疊范圍圖像之間的初始變換。由于對(duì)象必須放置在完全受控的環(huán)境中所以它們的應(yīng)用會(huì)受到嚴(yán)格限制。相比之下,基于匹配的自動(dòng)算法直接從數(shù)據(jù)中估計(jì)初始變換,更適用于現(xiàn)實(shí)世界與手動(dòng)場景。在此基礎(chǔ)上,本文的研究重點(diǎn)是基于局部特征的全自動(dòng)化距離圖像配準(zhǔn)。

二 相關(guān)工作


圖1 三維物體建??蚣?/p>

成對(duì)配準(zhǔn)算法

  1. 粗配準(zhǔn):全自動(dòng)粗配準(zhǔn)通常是通過局部特征的匹配來查找點(diǎn)的對(duì)應(yīng)關(guān)系而完成的。

  2. 精配準(zhǔn):對(duì)兩幅距離圖像之間的變換進(jìn)行估計(jì),為了得到更精確的估計(jì)采用了兩兩配準(zhǔn)算法。Besl和McKay[1]提出了一個(gè)ICP算法最小化兩個(gè)距離圖像之間最近點(diǎn)對(duì)的平均點(diǎn)對(duì)點(diǎn)距離。然而,原有的ICP算法要求距離圖像有明顯的重疊,對(duì)異常值缺乏魯棒性。

多視點(diǎn)配準(zhǔn)算法

  1. 粗配準(zhǔn):多視圖粗配準(zhǔn)算法涉及兩個(gè)任務(wù)。第一個(gè)任務(wù)是恢復(fù)輸入范圍圖像之間的重疊信息,第二個(gè)任務(wù)是在任意兩個(gè)重疊的范圍圖像之間計(jì)算剛性變換,首先將基于自旋圖像的兩兩粗配準(zhǔn)算法應(yīng)用于所有對(duì)范圍圖像,構(gòu)造了一種基于自旋圖像的粗糙配準(zhǔn)算法模型圖,然后在這個(gè)圖中搜索生成樹,它是姿態(tài)一致的全局表面一致的,最后利用該生成樹對(duì)多視點(diǎn)范圍圖像進(jìn)行配準(zhǔn)。

  2. 精配準(zhǔn):基于多視圖粗配準(zhǔn)結(jié)果的多視圖精配準(zhǔn)算法目的最小化所有重疊范圍圖像的配準(zhǔn)誤差。Benjemaa和Schmitt[2]擴(kuò)展了Neugebauer[3]將Chen和Medioni的ICP算法從成對(duì)精細(xì)配準(zhǔn)擴(kuò)展到多視點(diǎn)好登記。Williams和Bennamoun[4]提出了對(duì)Arun等人提出的擴(kuò)展配準(zhǔn)算法[5],同時(shí)配準(zhǔn)多個(gè)對(duì)應(yīng)的點(diǎn)集。

三.成對(duì)距離圖像配準(zhǔn)

成對(duì)配準(zhǔn)算法應(yīng)該是自動(dòng)和準(zhǔn)確的。它還應(yīng)該對(duì)小的重疊區(qū)域穩(wěn)健,噪音,變化的網(wǎng)格分辨率和其他麻煩。在本節(jié)中,將介紹一種基于RoPS的成對(duì)注冊(cè)滿足這些條件的算法。該算法包括四個(gè)部分:RoPS特征提取、特征匹配、魯棒變換估計(jì)和精細(xì)配準(zhǔn)。

RoPS特征提取

給定范圍圖像或由此生成的點(diǎn)云,必須將其轉(zhuǎn)換為三角形網(wǎng)格,因?yàn)楹罄m(xù)的特征點(diǎn)檢測和特征描述算法都是針對(duì)網(wǎng)格數(shù)據(jù)的。這可以通過Delaunay三角化實(shí)現(xiàn)。然后檢測一組特征點(diǎn),并使用之前提出的RoPS特征描述符來表示這些點(diǎn)為了檢測獨(dú)特的、可重復(fù)的特征點(diǎn),網(wǎng)格首先被簡化為低分辨率網(wǎng)格中最接近的頂點(diǎn)作為候選點(diǎn)。這些候選點(diǎn)然后被分辨率控制技術(shù)過濾去冗余點(diǎn)。邊界點(diǎn)也是刪除這些候選點(diǎn),以提高其穩(wěn)定性。


特征匹配

和分別為網(wǎng)格的兩組RoPS特征和。對(duì)于來自的特征,可以找出與其最近的特征來自:


這一對(duì)被認(rèn)為是對(duì)應(yīng)特征,它們的關(guān)聯(lián)點(diǎn)被認(rèn)為是一個(gè)點(diǎn)對(duì)應(yīng)。對(duì)于給定的,中可能有多個(gè)最接近的特征。在這種情況下,可以為特征生成多個(gè)對(duì)應(yīng)點(diǎn),本文使用k-d樹算法降低特征匹配的計(jì)算復(fù)雜度。中的所有特征都與這些特征進(jìn)行匹配,在中,得到一組點(diǎn)對(duì)應(yīng),對(duì)于每個(gè)點(diǎn)對(duì),剛性變換可以使用點(diǎn)來計(jì)算位置和LRFs,也就是:


魯棒變換估計(jì)

讓作為網(wǎng)格對(duì)和的點(diǎn)對(duì)應(yīng)集,是基于點(diǎn)對(duì)應(yīng)的估計(jì)變換。對(duì)于每個(gè)估計(jì)的轉(zhuǎn)換,會(huì)找出點(diǎn)對(duì)應(yīng)的估計(jì)變換與相似。具體地說,首先轉(zhuǎn)換每個(gè)旋轉(zhuǎn)矩陣變換成三個(gè)歐拉角,然后用歐拉角之間的距離da和平移之間的距離dt來測量任意兩個(gè)變換之間的差值向量。這個(gè)變換,它的角度距離da到小于a和平移距離的閾值dt, 當(dāng)k小于一個(gè)閾值時(shí),選擇該閾值形成一組一致的對(duì)應(yīng)關(guān)系。

精細(xì)配準(zhǔn)

一旦確定了初始變換,就使用ICP算法的一種變體來進(jìn)行精細(xì)配準(zhǔn)。從初始變換開始,ICP算法迭代細(xì)化通過在兩個(gè)網(wǎng)格中反復(fù)生成最近點(diǎn)對(duì)和最小化殘差的剛性變換誤差。這種變異與最初的不同ICP算法的幾個(gè)方面。首先,采用由粗到細(xì)的抽樣方法來提高其計(jì)算能力效率,而不是使用所有的點(diǎn)來搜索他們的最近點(diǎn)在,只取一部分第m次迭代時(shí)的點(diǎn)。由于基于隨機(jī)子抽樣和均勻子抽樣的ICP算法有一個(gè)非常相似的配準(zhǔn)性能。


圖2 形狀成長過程的圖解。(a)種子的形狀。(b)輸入網(wǎng)格,其中紅色點(diǎn)表示將要被更新到種子形狀的點(diǎn)。(c)更新后的形狀。藍(lán)色的點(diǎn)表示輸入網(wǎng)格和更新后的形狀之間的對(duì)應(yīng)點(diǎn)(最好以顏色顯示)。

參考文獻(xiàn)

[1] P. Besl and N. McKay, “A method for registration of 3-D shapes,” IEEE Transactions on Pattern Analysis and Machine Intelligence,vol. 14, no. 2, pp. 239–256, 1992.

[2] R. Benjemaa and F. Schmitt, “A solution for the registration of multiple 3D point sets using unit quaternions,” in European Conference on Computer Vision. Springer, 1998, pp. 34–50.

[3] P. J. Neugebauer, “Reconstruction of real-world objects via simultaneous registration and robust combination of multiple range images,” International Journal of Shape Modeling, vol. 3, no. 01n02, pp. 71–90, 1997.

[4] J. Williams and M. Bennamoun, “Simultaneous registration of multiple corresponding point sets,” Computer Vision and Image Understanding, vol. 81, no. 1, pp. 117–142, 2001.

[5] Y. Guo, M. Bennamoun, F. Sohel, M. Lu, and J. Wan, “3D object recognition in cluttered scenes with local surface features: A survey,”IEEE Transactions on Pattern Analysis and Machine Intelligence. In press, 2014.

本文僅做學(xué)術(shù)分享,如有侵權(quán),請(qǐng)聯(lián)系刪文。


一種用于三維物體建模的精確、魯棒的距離圖像配準(zhǔn)算法的評(píng)論 (共 條)

分享到微博請(qǐng)遵守國家法律
修水县| 宣城市| 福安市| 江达县| 西藏| 萨嘎县| 东海县| 磴口县| 增城市| 屏山县| 沙坪坝区| 寻甸| 西乌珠穆沁旗| 庆阳市| 诸暨市| 斗六市| 东辽县| 华安县| 深泽县| 嘉荫县| 右玉县| 乌兰浩特市| 宜州市| 阳新县| 沁阳市| 湖北省| 凤冈县| 双流县| 凤山县| 叙永县| 宜昌市| 临邑县| 临安市| 汶川县| 滨州市| 唐河县| 肇源县| 镇远县| 长岛县| 岑溪市| 辽宁省|