论文部分内容阅读
三维重建技术构建数字植株是图形学和农业领域的研究热点。由于扫描设备视野有限以及植株的自遮挡,三维点云配准成为重建数字植株中亟需解决的问题。树是植株中的重要组成成分,在我国经济生态建设中发挥着重要的作用。然而树枝叶较多,互相遮挡,从不同角度采集的树点云不完整,重叠率低,含有噪声,导致现有的树点云配准算法存在稳健性低,效率不高的问题,同时针对树点云配准的研究相对较少。基于此,本文提出了一种基于快速伪特征点的树点云配准方法,该方法在一定程度上对优化树木重构和可视化效果起到关键作用,分为初始配准和精配准,主要内容如下:(1)构建树点云采集与预处理方案。利用Kinect 2.0获取室外玉兰树,苹果树有叶,无叶时期以及红枫无叶时期的多个角度的点云数据;针对点云数据中存在的背景信息、噪声和离群点,使用直通和统计滤波器对树点云进行预处理,数据去除率平均为37.39%,为后续的配准研究提供良好的树点云模型。(2)针对树点云伪特征点提取效率低的问题,本文提出一种快速提取树点云伪特征点的算法。利用树的空间形态结构特点,对其进行水平分簇,DBSCAN(Density-Based Spatial Clustering of Applications with Noise)分簇和计算伪特征点等步骤完成树点云伪特征点的获取。实验结果表明,本文提取伪特征点的方法与现有的方法相比效率提高约91.46%,数量少约79.36%,能够保持关键部位的提取,具有一定抵抗离群点的能力。(3)提出基于快速伪特征点的树点云配准方法。针对配准效率低的问题,初始配准基于稀疏伪特征点,利用三对匹配点对快速计算变换矩阵;精配准使用KD树(K Dimensional Tree)搜索对应点对,进一步提高配准效率。针对配准稳健性低的问题,稀疏点云中,利用簇约束和邻域夹角约束匹配规则,扩大配准适用角度范围;稠密点云中引入M估计,使用Tukey函数优化目标函数,减弱约20%较大残差点对的影响。(4)利用实际获取的树点云数据完成本配准方法的性能测试。使用有叶无叶,有离群点和多角度差的树点云分别进行配准测试;实验结果表明,本方法在有叶无叶,有离群点和多角度差的树点云数据下配准效果良好,与改进SICP(Sparse ICP),CPD(Coherent Point Drift)算法相比效率提高37.16%,99.29%,与IRLS-ICP(Iteratively Re-weighed Least Squares ICP)相比,精度提高31.07%,同时本方法扩大配准适用角度范围到180~?,稳健性能提高。