基于3D-SIFT与4PCS融合的大数据量点云快速配准方法

doi:10.3969/j.issn.1006-2475.2024.02.001

计算机与现代化 ›› 2024, Vol. 0 ›› Issue (02): 1-6.doi: 10.3969/j.issn.1006-2475.2024.02.001

• 算法分析与设计 • 下一篇

基于3D-SIFT与4PCS融合的大数据量点云快速配准方法

（1.上海交通大学机械与动力工程学院，上海 200240； 2.绍兴市特种设备检测院，浙江绍兴 312071）

出版日期:2024-02-19 发布日期:2024-03-19
作者简介: 作者简介：李家乐（1999—），男，河南周口人，硕士研究生，研究方向：金属件视觉定位，E-mail： lijiale@sjtu.edu.cn；李哲润（1999—），男，福建莆田人，硕士研究生，研究方向：变形零件测量，E-mail： leonard0@sjtu.edu.cn；赵勇（1984—），男，上海人，副研究员，博士，研究方向：视觉测量，E-mail： default1984@126.com；通信作者：张杨（1985—），男，上海人，副教授，博士，研究方向：机器人与计算机集成系统，数字化测量技术与装备，E-mail： meyzhang@sjtu.edu.cn。
基金资助:
上海市自然科学基金资助项目（22ZR1435200）

A Fast Registration Method for Massive Point Clouds Based on 3D-SIFT and 4PCS

（1. School of Mechanical Engineering， Shanghai Jiao Tong University， Shanghai 200240， China；
2. Shaoxing Special Equipment Testing Institute， Shaoxing 312071， China）

Online:2024-02-19 Published:2024-03-19

摘要/Abstract

摘要： 摘要：测量点云与模型点云的配准是视觉定位的关键。针对测量点云数据量大且与CAD模型点云重叠率低造成视觉定位精度差、算法效率低的问题，提出一种基于三维尺度不变特征变换（3D-SIFT）与4点快速鲁棒匹配算法（4PCS）融合的测量点云与模型点云配准方法。首先利用深度相机对零件进行点云提取并对提取到的测量点云进行降噪和滤波处理；接着利用3D-SIFT特征点提取算法对测量点云和CAD模型点云进行特征点提取；最后把提取的特征点作为4PCS算法的初始值进行2种点云数据的配准。与常用的4PCS算法、Super-4PCS算法相比，在算法仿真与实际应用实验结果表明，本文算法在保证配准精度的前提下将配准速度提高30%以上。

关键词: 关键词：测量点云, 模型点云, SIFT, 4PCS算法, 点云配准

Abstract: Abstract： The registration of measurement point cloud and model point cloud is the key of visual positioning. Aiming at the problems of poor visual positioning accuracy and low algorithm efficiency caused by large amount of measurement point cloud data and low overlap rate with CAD model point cloud， a registration method of measurement point cloud and model point cloud based on the fusion of 3D scale invariant feature transform （3D-SIFT） and four point fast robust matching algorithm （4PCS） is proposed. Firstly， the depth camera is used to extract the point cloud of the part， and the extracted measurement point cloud is denoised and filtered； Then 3D-SIFT feature point extraction algorithm is used to extract feature points from measurement point cloud and CAD model point cloud； Finally， the extracted feature points are used as the initial values of the 4PCS algorithm to achieve the registration of the two point cloud data. Compared with the commonly used 4PCS algorithm and Super-4PCS algorithm， the algorithm simulation and experimental results show that the proposed algorithm can improve the registration speed by more than 30% on the premise of ensuring the registration accuracy.

Key words: Key words： measurement point cloud, model point cloud, SIFT, 4PCS, point cloud registration

中图分类号:

TP391

李家乐1, 李哲润1, 赵勇2, 张杨1. 基于3D-SIFT与4PCS融合的大数据量点云快速配准方法[J]. 计算机与现代化, 2024, 0(02): 1-6.

LI Jia-le1, LI Zhe-run1, ZHAO Yong2, ZHANG Yang1. A Fast Registration Method for Massive Point Clouds Based on 3D-SIFT and 4PCS[J]. Computer and Modernization, 2024, 0(02): 1-6.

参考文献

［1］ GAO M Y， LI X， HE Z W， et al. An automatic assembling system for sealing rings based on machine vision［J］. Journal of Sensors， 2017，2017. DOI: 10.1155/2017/4207432.
［2］王亚彪. 面向工业装配演示编程的零件识别与位姿估计［D］. 杭州：浙江大学， 2016.
［3］韩博. 基于双目立体视觉的工件识别与定位关键技术研究［D］. 哈尔滨：哈尔滨工业大学， 2018.
［4］王乐，周庆华，王磊，等. 改进卷积神经网络算法在机械零件实时识别与定位中的应用［J］. 智能计算机与应用， 2019，9（1）：36-41.
［5］ ZANUTTIGH P， MARIN G， DAL MUTTO C D， et al. Time-of-Flight and Structured Light Depth Cameras［M］. Springer， 2016.
［6］ PEI X H， REN M J， WANG X， et al. Profile measurement of non-Lambertian surfaces by integrating fringe projection profilometry with near-field photometric stereo［J］. Measurement， 2022，187. DOI: 10.1016/j.measurement.2021. 110277.
［7］ DROST B， ULRICH M， NAVAB N， et al. Model globally， match locally： Efficient and robust 3D object recognition［C］// 2010 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. 2010：998-1005.
［8］马聪聪. 逆向工程中散乱点云配准算法研究［D］. 武汉：武汉理工大学， 2019.
［9］侯彬，金尚忠，王赟，等. 点云配准方法在粗配准中的比较［J］. 激光与光电子学进展， 2020，57（8）：286-293.
［10］ FISCHLER M A， BOLLES R C. Random sample consensus： A paradigm for model fitting with applications to image analysis and automated cartography［J］. Readings in Computer Vision， 1987：726-740.
［11］ AIGER D， MITRA N J， COHEN-OR D. 4-points congruent sets for robust pairwise surface registration［J］. ACM Transactions on Graphics， 2008，27（3）：1-10.
［12］ MELLADO N， AIGER D， MITRA N J. Super 4PCS fast global pointcloud registration via smart indexing［J］. Computer Graphics Forum， 2014，33（5）：205-215.
［13］ MELLADO N， DELLEPIANE M， SCOPIGNO R. Relative scale estimation and 3D registration of multi-modal geometry using growing least squares［J］. IEEE Transactions on Visualization and Computer Graphics， 2016，22（9）：2160-2173.
［14］ CHEN B， PAN B. Camera calibration using synthetic random speckle pattern and digital image correlation［J］. Optics and Lasers in Engineering，2020，126. DOI: 10.1016/j.opt-
laseng. 2019.105919.
［15］荆路，武斌，方锡禄. 基于SIFT特征点结合ICP的点云配准方法［J］. 激光与红外， 2021，51（7）：944-950.
［16］ MOHAMAD M， AHMED M T， RAPPAPORT D， et al. Super generalized 4PCS for 3D registration［C］// 2015 International Conference on 3D Vision. 2015：598-606.
［17］ LOWE D G. Distinctive image features from scale-invariant keypoints［J］. International Journal of Computer Vision， 2004，60（2）：91-110.
［18］ BANSAL M， KUMAR M， KUMAR M. 2D object recognition： A comparative analysis of SIFT， SURF and ORB feature descriptors［J］. Multimedia Tools and Applications， 2021，80（12）：18839-18857.
［19］ LIU M M， LI X D， DEZERT J， et al. Generic object recognition based on the fusion of 2D and 3D SIFT descriptors［C］// 2015 18th International Conference on Information Fusion （Fusion）. 2015：1085-1092.
［20］ WANG L Y， XU Y， LI Y. Aerial lidar point cloud voxelization with its 3D ground filtering application［J］. Photogrammetric Engineering & Remote Sensing， 2017，83（2）：95-107.

[1]	吴迎. 基于SIFT和最邻近匹配的商品图像相似度算法[J]. 计算机与现代化, 2020, 0(10): 69-75.
[2]	陈凯扬1,罗志灶2,王建兴2. 基于Kinect三维重构的特征点提取改进[J]. 计算机与现代化, 2019, 0(11): 34-.
[3]	朱珊，艾丽华. 基于Hadoop的大规模图像存储与检索[J]. 计算机与现代化, 2017, 0(6): 61-66+83.
[4]	胡晨1，江泽涛2. 一种SIFT像素点筛选预处理降维双向匹配方法[J]. 计算机与现代化, 2016, 0(9): 54-59+72.
[5]	刘子才,胡谷雨,罗健欣. 基于特征匹配的关联投影纹理映射[J]. 计算机与现代化, 2016, 0(1): 64-68.
[6]	王琪1，杜娟1，程彬2，徐国清1. 基于协作式标注图像数据的垃圾标签检测方法[J]. 计算机与现代化, 2015, 0(6): 41-45.
[7]	周丽芬. 基于SIFT的图像匹配算法[J]. 计算机与现代化, 2014, 0(7): 63-67.
[8]	隋建凯1，刘惠义1，严烁2. 一种基于随机森林的特征匹配方法[J]. 计算机与现代化, 2014, 0(4): 81-85.
[9]	陈坤王璐储珺. 月球表面图像的SIFT特征提取与匹配[J]. 计算机与现代化, 2011, 7(7): 20-23.

基于3D-SIFT与4PCS融合的大数据量点云快速配准方法

A Fast Registration Method for Massive Point Clouds Based on 3D-SIFT and 4PCS

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 9

编辑推荐

Metrics

本文评价