基于多尺度特征提取的3D点云匹配的4PCS算法

论文摘要

近年来,三维曲面重建技术在医学影像、文物复原等领域得到了广泛的应用。至今为止,三维模型的准确重建依然存着许多技术性难题,例如3D点云匹配问题。Dior Arger等人针对此问题提出了四点快速鲁棒匹配算法(即4PCS算法),该方法不需要初始迭代估计,且对含噪声和扰动的数据有很好的效果,不过在实际应用中它的速度和匹配效果经常不尽人意。本文针对4PCS算法提出了一个改进方案,将基于曲面变分的多尺度特征提取方法作为一个预处理步骤,使得点云数据具有多尺度特征,并可根据由此提取出有效的特征点集,再在特征点集上应用4PCS算法进行匹配。这一改进的优点是:1.降低了搜索算法和匹配算法的时间复杂度,提高了算法效率;2.提高了匹配的准确度;3.新算法鲁棒性好,且能检测出曲率非常低的粗尺度特征。

论文目录

• 提要
• 第一章 绪论
• 1.1 背景
• 1.1.1 RANSAC算法
• 1.1.2 随机匹配算法
• 1.2 本文的主要工作
• 第二章4PCS算法
• 2.1 近似全等四点
• 2.1.1 回顾
• 2.1.2 点集的仿射不变量
• 2.1.3 在3D中提取全等4 点
• 2.2 四点快速鲁棒匹配算法（4PCS算法）
• 2.2.1 算法概述
• 2.2.2 算法总结
• 第三章 对4PCS算法的改进——多尺度特征提取算法
• 3.1 多尺度特征介绍
• 3.1.1 尺度空间
• 3.1.2 多尺度曲面变分
• 3.2 多尺度特征提取方法概述
• 3.2.1 决定特征权值
• 3.2.2 自动选择尺度
• 3.2.3 由持久性出发选择特征值
• 3.2.4 由邻域大小限制出发选择特征值
• 第四章 基于多尺度特征提取的四点快速匹配算法
• 4.1 算法框架
• 4.2 三维空间的邻近点搜索算法
• 4.2.1 基本原理
• 4.2.2 算法改进
• 4.2.3 结果分析
• 4.2.4 算法总结
• 4.3 多尺度特征提取
• 4.3.1 点的多尺度特征
• 4.3.2 特征点集的选取——阈值的选取
• 4.3.3 不同阈值下所提取的特征点集的效果图
• 4.4 寻找匹配基础点的算法研究
• 4.4.1 共面四点搜寻算法
• 4.4.2 四边形的凹凸性
• 4.4.3 特征比例的计算
• 4.5 寻找近似全等四点集合的算法研究
• 4.5.1 计算两点间的距离
• 4.5.2 搜索共面近似全等4 点集合
• 4.6 正交刚性变换和最佳变换的选择
• 第五章 总结和展望
• 参考文献
• 致谢
• 摘要
• Abstract