《基于标志点的三维云拼接技术学士学位论文.doc》由会员分享，可在线阅读，更多相关《基于标志点的三维云拼接技术学士学位论文.doc（72页珍藏版）》请在三一文库上搜索。
1、基于标志点的三维点云拼接技术摘 要多视角点云数据拼接是三维形貌测量、三维重构中不可或缺的环节，本文针对实验室已组建的编码结构光三维测量系统要求的拼接速度快、拼接准确度高，研究了多视角点云数据的光学拼接方法及其关键技术。本文在总结分析三维点云拼接技术和算法的国内外现状的基础上，从理论上分析了基于特征标志点的拼接方法，设计了适用于拼接方法的特征标志点图像处理方案，并且编写程序实现标志点二维坐标的提取；再分别从视觉效果和量化效果比较三点法和SVD。具体研究内容包括：1.首先介绍了标志点的选择和匹配。本文说明了标志点的选择、灰化、平滑、阈值分割、边缘的检测与追踪、圆心定位等方法。并编写程序对标志点的二
2、维坐标进行确定，得到标志点的二维坐标。2.介绍了拼接原理和两种快速拼接算法的基本原理。并从理论上分析了三点法、SVD法两种基于标志点的拼接方法的准确度和速度。通过编程实现算法的计算过程，评价了上述拼接方法的优缺点和精度。3.介绍了拼接系统的主要结构和拼接实验。拼接系统的主要结构分为硬件结构和软件结构，并说了各部分的作用；重点分析了拼接实验的过程，通过视觉效果和量化效果两方面的实验结果比较三点法和SVD法，以标志点重合度量化评价了拼接准确度。关键词视觉测量；拼接；SVD；标志点定位Marker-based Three-dimensional Cloud Registration Techniqu
3、esAbstractMultiple-views registration point cloud data is one of the indispensible parts of 3D topography measurement and 3D reconstruction. So in this paper, according to the characteristics of encoded structured-light of 3D measurement system set up in the lab which is noted for high accuracy, fas
4、t registration speed, applying for integral measurement of industrial component, it researches on optical registration method of point cloud data and key technology.Base on summarizing domestic and overseas status of technology of obtaining point cloud data, registering point cloud data and 3D recon
5、struction, it analyses the registration method base on feature marked point in theory, and designs a plan for feature marked point image processing; And write a program to extract the two-dimensional coordinates of landmarks; and then compare the two registration algorithm. Eventually, SVD algorithm
6、 has the highest accuracy. This paper studies the specific contents include the following three aspects:1.First part is the signs point selection and matching. This article describes the selection of signs point, including ashing, smooth, threshold segmentation, edge detection and tracking, ponsitio
7、ning the center and other methods. And program to determine two-dimensional coordinates of landmarks.2.Second part describes the principle and two rapid registration algorithm of the basic principles. And it analyses the accuracy and speed of the three-point method, and SVD based on marked point. th
8、e algorithm process is finished by programming, and evaluating the advantages and disadvantages of the method.3.Third part is the systems main structure and registration experiments. The main structure is divided into hardware researches system architecture and software architecture system, and that
9、 the role of each part; focused on analyzing the process of registration experiments by visual and quantitative results of the experimental results of both three-point method and the SVD method to mark quantitative assessment of the degree of coincidence points stitching accuracy.KeywordsVision meas
10、urement, registration, SVD least squares method, marked point location毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得 及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。作 者 签 名： 日 期： 指导教师签名： 日期： 使用授权说明本人完全了解 大学关
11、于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。作者签名： 日 期： 学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签
12、名： 日期： 年 月 日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权 大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。涉密论文按学校规定处理。作者签名：日期： 年 月 日导师签名： 日期： 年 月 日指导教师评阅书指导教师评价：一、撰写（设计）过程1、学生在论文（设计）过程中的治学态度、工作精神 优 良 中 及格 不及格2、学生掌握专业知识、技能的扎实程度 优 良 中 及格 不及格3、学生综合运用所学知识
13、和专业技能分析和解决问题的能力 优 良 中 及格 不及格4、研究方法的科学性；技术线路的可行性；设计方案的合理性 优 良 中 及格 不及格5、完成毕业论文（设计）期间的出勤情况 优 良 中 及格 不及格二、论文（设计）质量1、论文（设计）的整体结构是否符合撰写规范？ 优 良 中 及格 不及格2、是否完成指定的论文（设计）任务（包括装订及附件）？ 优 良 中 及格 不及格三、论文（设计）水平1、论文（设计）的理论意义或对解决实际问题的指导意义 优 良 中 及格 不及格2、论文的观念是否有新意？设计是否有创意？ 优 良 中 及格 不及格3、论文（设计说明书）所体现的整体水平 优 良 中 及格 不及
14、格建议成绩： 优 良 中 及格 不及格（在所选等级前的内画“”）指导教师： （签名） 单位： （盖章）年 月 日评阅教师评阅书评阅教师评价：一、论文（设计）质量1、论文（设计）的整体结构是否符合撰写规范？ 优 良 中 及格 不及格2、是否完成指定的论文（设计）任务（包括装订及附件）？ 优 良 中 及格 不及格二、论文（设计）水平1、论文（设计）的理论意义或对解决实际问题的指导意义 优 良 中 及格 不及格2、论文的观念是否有新意？设计是否有创意？ 优 良 中 及格 不及格3、论文（设计说明书）所体现的整体水平 优 良 中 及格 不及格建议成绩： 优 良 中 及格 不及格（在所选等级前的内画“”
15、）评阅教师： （签名） 单位： （盖章）年 月 日哈尔滨理工大学学士学位论文教研室（或答辩小组）及教学系意见教研室（或答辩小组）评价：一、答辩过程1、毕业论文（设计）的基本要点和见解的叙述情况 优 良 中 及格 不及格2、对答辩问题的反应、理解、表达情况 优 良 中 及格 不及格3、学生答辩过程中的精神状态 优 良 中 及格 不及格二、论文（设计）质量1、论文（设计）的整体结构是否符合撰写规范？ 优 良 中 及格 不及格2、是否完成指定的论文（设计）任务（包括装订及附件）？ 优 良 中 及格 不及格三、论文（设计）水平1、论文（设计）的理论意义或对解决实际问题的指导意义 优 良 中 及格 不及
16、格2、论文的观念是否有新意？设计是否有创意？ 优 良 中 及格 不及格3、论文（设计说明书）所体现的整体水平 优 良 中 及格 不及格评定成绩： 优 良 中 及格 不及格（在所选等级前的内画“”）教研室主任（或答辩小组组长）： （签名）年 月 日教学系意见：系主任： （签名）年 月 日不要删除行尾的分节符，此行不会被打印- III -目录摘要IAbstractII第1章 绪论11.1 课题的研究目的和意义11.2 拼接技术国内外研究现状21.2.1 拼接技术的现状21.2.2 拼接算法的现状41.3 论文主要内容5第2章 标志点图像预处理与标志点检测62.1 标志点图像预处理62.1.1 标志
17、点选择62.1.2 预处理62.2 标志点提取与匹配72.2.1 标志点提取72.2.2 标志点匹配102.3 本章小结10第3章 拼接算法分析及仿真113.1 多视角的坐标变换原理113.2 快速拼接算法133.2.1 拼接原理133.2.2 三点法143.2.3 SVD法173.3 拼接算法比较183.3.1 理论比较183.3.2 仿真实验比较193.4 本章小结20第4章 拼接实验214.1 拼接系统投影214.2 实验结果及分析244.2.1 视觉效果比较244.2.2 量化比较264.3 本章小结28结论29致谢30参考文献31附录33千万不要删除行尾的分节符，此行不会被打印。在目
18、录上点右键“更新域”，然后“更新整个目录”。打印前，不要忘记把上面“Abstract”这一行后加一空行- V -第1章 绪论1.1 课题的研究目的和意义真实的客观世界是三维的，一个客观物体也有其相应的形状、尺寸、色彩及纹理信息1，我们希望用具体、逼真的手段来表现和描述物体，并进行多角度观察与分析研究，传统的二维信息包含平面上的图形、图像信息，由于不含相位信息，使其失去了立体感，如何对物体进行真实的记录、分析研究等都迫切地需要三维数字化技术。在实际应用中常使用点集模型代替其它模型来表示复杂的三维实体。而点集模型的获取过程中，还应采用多视点云数据拼接。因为在数字化测量过程中，不可能通过从一个单一的
19、角度测量，就能获得完整的物体轮廓数据，总是从不同的角度和方位对待测量物体进行测量，因此必须对同一场景有相互重叠部分测量的数据进行变换，把它们合成为同一坐标系下的一组数据，该技术称为三维图像拼接技术。在三维形貌测量中，每个单元测量所得到的都是局部的并且是以不同坐标系为基准的多视角点云数据，如果想要重构出三维的被测物体，那么重构所需要的点云数据必须完整并且统一在同一坐标系下，所以要想完整的对三维物体进行有效重构，需要在整个测量及拼接过程中，进行多视点云拼接。随着扫描技术的发展，三维图像拼接技术的应用已进入到各个领域，如文化艺术数字化保存、医学研究中的全膝置换手术、破损头骨的复原、重建下颌骨以及假肢
20、的扫描重构等方面。在逆向工程中，对全体物件的实物模型或零件进行数字化测量并在此基础上建立CAD(Computer Aided Design)模型等。另外在航空航天、建筑测绘、人工关节模型的建立等领域也有广泛的应用，三维图像拼接技术还用在对大型文物的保护和修复、建立数字博物馆中。目前，现阶段使用的许多多视点云数据拼接技术的结论与方法，都要归功于国内外许多专家学者们对此深入的研究。美国的Standford大学、英国的Brunel大学等都相继开展了这方面的研究。国内的浙江大学、中科院计算所等开展了敦煌壁画的保护研究工作，北大的查红彬教授对龙门和云冈石窟的真三维数学化工程也进行了深入研究。总结前文，拼
21、接方法在医学、文化等领域有很实际的应用，而且通过三维点集模型来代表复杂的三维实体，可以更真实的表现了实体的信息，但是现阶段的研究仍然存在着诸多急需攻克的难题，尤其是我国的研究，在复杂三维形貌测量的自动化、自适应及精度等问题上还有很大的提高空间。所以，研究一种即能保证精度符合又具备低成本、快速的基于多视角的点云数据的拼接方法显得很具有实际意义。1.2 拼接技术国内外研究现状1.2.1 拼接技术的现状系统拼接软件主要完成对三维点云的多视拼接。对三维形体拼接方案的选择与三维检测处理方法密切相关。基于结构光或激光扫描的多视点云的获取常常是基于两种相对运动来获得的，一是样件放于工作台面，扫描测头在坐标系
22、统的带领下绕样件旋转；二是坐标系统不动，样件相对于测头摆放不同的姿态。而对于这两种常见方式而言，样件上同一点相对于不同参考系而言，都需要进行坐标转换。它是一个涉及到光学、机械运动等多方面的几何模型，文献2对该系统的装置及数据点的转换参数进行了启发式的探讨，文献3则给出了该模型的一般表达形式。对同一物体的多视点云，一直有两种处理方法：一是对点进行处理，即直接对点云进行拼合，再重构出原型；二是对各视图进行局部构造几何形体，最后拼合这些几何形体。基于点拼合的最大优点是能对物体所求得的各个面有总体上的了解和把握，能获得拓扑上一致的数据结构，尽管该数据结构可能是庞大的，但这种一致性是基于面的拼合难以达到
23、的。下面简要介绍一下目前将相对运动方式与点或图形处理方法结合的几种拼接技术。1相关拼接相关拼接4,5技术是利用数字拼接干涉仪，根据物体的相同区域具有相同信息这一边界条件产生的，基本思想是在拼接区提取相关信息将多次测量结果拼接起来，得到被测物体的全部信息。拼接干涉仪减小了像素尺寸，增加了干涉仪的空间截止频率。现在商业化的干涉仪很容易达到0.2mm像素尺寸，而大尺寸干涉仪仅能达到1.21.6mm，不可能测到小于2.43.2mm周期变化的面形。而对于特殊要求的光学元件，测出此变化周期的面形是非常重要的。同时，拼接干涉仪对测量中的温度变化、环境振动等的抑制能力比标准尺寸的干涉仪要好。目前国内外在研制变
24、波长干涉仪的同时，也在积极研制拼接干涉仪。最早提出的相关拼接模型是基于齐次坐标变化，利用这种拼接模型做了很多工作，取得了一些积极成果。进一步，又引入了映射的概念，提出了圆柱坐标系下对回转体的拼接模型。相关拼接技术一般利用数字干涉仪实现面形测量，应用于检测大口径面形或光学系统，先用子孔径检测，每次仅检测整个孔径的一部分，并使各子孔径间稍有重叠，然后以此为基础实现两两拼接的方法，从原理上实现对大口径镜面的数字干涉测量。由于在拼接过程中存在误差积累，对全孔径拼接精度有很大的影响，不同的拼接模式对结果的影响也很大。从而结果求解具有不确定性。因此，这种方法是对应一定的物理模型。相关拼接测量技术，对扩大空
25、间测量范围、保持高空间分辨力、高测量精度和低成本有重要意义。2回转拼接在利用投影栅线法进行大物体或回转体三维表面形状测量时，由于投影角度、摄像角度或物体形状本身的限制等因素，使得整个物体表面的形状测量无法通过一次投影及摄像来解决，需要从不同角度投影及拍摄多幅投影栅线图，并对测试数据进行拼接才能获得整个物体表面的形状。一般将被测物体放置在精密的、可以360度旋转的转动台上，还要预先制作高精度的、可以垂直放置的参考平板。检测拼接流程一般按下述步骤操作：(1)调整检测光路、建立坐标体系、标定检测系统的三个参数；(2)检测参考平面内栅线像的位相分布参，检测物表面栅线像的位相分布物，求出A=物-参，求出
26、由高度差引起的CCD靶面内栅线的移动量；(3)求出物表面上任一点的高度及其坐标，进行坐标变换和数据拼接；(4)求出整个物表面的形状。回转拼接6,7技术是一种基于柱坐标变换的三维形状测量的数据拼接法，对多幅投影栅线图的测量数据拼接，较好地解决了大物体或回转体三维物体表面的形状测量问题。3条纹图形拼接考虑孔径拼接与图形的相关性解决大平面的干涉测量问题，推广至莫尔法和调制光场分析法，用多幅条纹图形拼接法，进行大物体的面形测量。不涉及复杂的数据处理，实时处理，面形拟合、采用最小二乘法来求解非线性方程组得出A，B，C项。对于一些复杂的面形，采取分段拟合面形的方法，提高了拟合精度，从而提高求解的精度。还允
27、许适当地选择拼接模式、拼接区的大小，以进行最佳拼接，并将参考坐标系从直角坐标转换为极坐标，将条纹图形拼接法8推广到了360度物体面形的测量。条纹图形拼接最大的误差因素在于面形拟合阶次，它直接影响着拼接算法求解的结果，在考虑测量精度要求和运算时间的前提下，拟合阶次在57范围内选取，以获取较佳拼接效果，当拼接孔径数目在两个以上时，拼接模式的选取对其拼接方法测量的结果有很大的影响。为了得到较高的拼接测量精度，应尽量使最大拼接次数N最少，在拼接次数N不能改变的情况下，使相对位置处于水平的孔径拼接，然后再考虑旋转拼接。4基于神经网络的无缝图形拼接无缝图形拼接是采用普通照相机拍出照片，并不采用专门设备，使
28、一系列相互重叠的照片拼在一起形成全景图。基于神经网络的无缝拼接，采用ART网络进行向量模式识别，根据存储的模式对输入向量进行分类，当存储的模式中有和输入模式相匹配时，代表该存储模式的参数就被调整以更接近输入模式。反之，如果在存储模式中，没有发现和输入模式相匹配时，输入模式作为新的模式被存储到网络中，其他的存储模式保持不变。ART网络由比较和识别两层神经元组成，增益控制1，增益控制2和复制用来控制网络的学习和分类。通过学习把每一个用照片拼接成的全景图在一个ART网络中，可以把所需的全景图存入网络，过程相当快。这种方法省去了三维几何建模的繁琐过程，实现的虚拟现实环境真实感强，可以应用于拼接效果图，
29、也可以被多视拼接借鉴和参考。5签定位拼接多视标签定位拼接9是利用经过高精度标定的结构光或激光扫描系统获取多视点数据以及它们之间的原始变换关系，来进行数据间的配准计算，预先在获得的多视点云数据中设置特征标志点，直接点云集对点云集拼接的方法。采用特征标志点识别和点云拼接方法，测量头移动，工件也可以移动的方式。由于预先设置特征点，可以获得物体的比较完整的拓扑结构，如果采用比较成熟的算法，稳定性和精度得到保证，具有拓扑任意性，局部支撑性，整体连续灵活性，是目前广泛应用的可以实际工程化的拼接方法。1.2.2 拼接算法的现状在二十世纪在八十年代中期，很多学者开始对点云数据的精确配准10进行了大量研究。19
30、86年Faugeras和Hebert首次提出点集与点集的四元数匹配方法，主要是通过一个点集中一个点与另一个点集中对应点进行点集与点集坐标系的匹配。1987年Horn和Arun等人也同样用四元数法提出点集对点集配准方法PSTP(Point Set to Point Set)，这种点集与点集坐标系匹配算法通过实践证明是一个解决复杂配准问题的关键方法。1992年计算机视觉研究者Besl等介绍了一种高层次的基于自由形态曲面的拼接方法，也称为迭代最近点法ICP。该算法是基于四元数的点集到点集配准方法，从测量点集中确定其对应的最近点点集后，运用Faugera和Hebert提出的方法计算新的最近点点集，进行
31、迭代计算，直到残差平方和所构成的目标函数值不变，结束迭代过程。算法的基本思想是：给定目标点集P(需要进行坐标变换的对象)和参考点集Q，为了使P能够和Q对齐，首先对P中的每一个点在Q中找一个与之距离最近的点，建立点对的映射关系，然后通过最小二乘法计算一个最优的坐标变换(记作M)，并令P=M(Q)，进行迭代求解，直到满足精度为止，最终的坐标变换即为每次变换的合成。这是目前解决多视定位问题的一种基本算法，ICP算法的缺点是只适用于存在明确对应关系的点集之间的定位，而且由于每次迭代都需要计算目标点集中每个点在参考点集中的对应点，并不能真正解决测量点云数据的多视定位，并且最大的问题是可能会陷入局部最小解
32、，往往需要在迭代开始前有一个不错的初始位姿估计。Chen等提出了Point-to-Plane搜索最近点的精确配准方法。把点到点的距离简化为点到模型的最近点处的切平面距离，这样两个视图中的点无需一一对应，但是要求解一个非线性最小二乘问题，速度较慢；Mihailo等采用的方法是直接对参考模型按给定的原则进行三角网格划分，将测量数据点和参考模型之间最短距离的计算简化为测量数据点和三角网格顶点之间的距离计算，并且采用了自适应窗口搜索方法加快计算的速度，但是该算法还不能有效解决比较复杂的多视拼合问题。点到面的方法在局部3D曲面的配准上有很好的精度，但是在计算源控制点到目标曲面的交点上十分复杂，实时性不好
33、，为此，Rusinkiewicz和Levoy提出了Point-to-Projection搜索最近点的快速配准方法；Soon-Yang22等改进了这种方法，提出了Contrative-Projection-Point(CPP)搜索最近点的配准方法，但是仍不能解决复杂的多视定位问题。Li在ICP基础上提出了ICL(Iterative Closest Line)和ICT(Iterative Closest Triangle)算法，该算法直接对两个数据点集中的点进行连线或三角化处理，然后根据一定的准则近似找到两个视图中对应的线段或对应的三角片，建立一个目标方程，采用四元数法求解出旋转矩阵。该算法的优点
34、是对两个视图初始位置无任何要求，缺点是无法实现准确定位，而且其用于寻找对应关系的准则的稳定性还有待进一步验证。上文中可看出，拼接方法中转换矩阵计算方法从开始简单但并不精确的三点法、四点法，到后来的ICP算法。虽然这几种方法都是基本标志点的基础上进行计算，但是ICP和SVD算法具有更高的精度，更是有效地解决了复杂的多视拼接问题。1.3 论文主要内容本文中所研究的点云拼接计算方法主要是利用重叠区域的数据点位置信息，运用数值优化技术计算坐标变换来实现精确定位。算法的基本原理是首先寻找对应的特征量(点、边、平面、二次曲面等)，然后用三点法或奇异值分解等方法来求解运动参数。本文主要的研究内容为：第一：主
35、要介绍了拼接的基本原理和拼接过程的平移向量和旋转矩阵。还说明了标志点的选择和标志点二维图形的预处理，以及标志点的标定和匹配。第二：分别介绍了两种基于标志点的拼接方法：三点法、SVD。分析、比较两种方法的优缺点，利用现有数据库中的数据通过仿真实验比较每种方法的准确度。第三：在现有测量系统硬件的基础上，编制了测量软件，在实验室环境下进行了简单的三维测量与拼接实验。并比较两种方法的视觉效果和量化效果。第2章 标志点图像预处理与标志点检测得到精确的特征标志点三维数据是三维点云拼接的前提。三维数据的获取主要采用光栅投影的方式，与二维图像的处理和三维转换的数学模型紧密相关，对二维标志点图像进行精确的求取将
36、直接决定三维转换坐标数据的精确度。采用光栅投影扫描拍摄得到的物体二维图像，一幅图像至少需要三个标志点及以上，保证可以有重叠区可以拼接。通过图像采集卡捕获存储，设计软件读取所拍摄图像，进行图像滤波、阈值化、边缘检测与跟踪等图像处理过程为求取标志点，转为三维特征数据做准备。2.1 标志点图像预处理2.1.1 标志点选择特征标志点是指具有一定几何尺寸能起到标识作用的物体上的一点；目前常用的特征标志点分为编码与非编码两种。本文采用非编码标志点。标志点为黑底白面，贴点本身是一个高精度，无反光的贴纸，这个贴纸本身也是数据准确的圆。在被测物体表面上布置单向反光标记点，不干胶帖纸形式，以这些圆心坐标作为标志特
37、征点群，运用结构光或激光扫描，融入测量数据，根据各个小部分的不同坐标系的点云集拼接按照对应的特征点群拼接转换成目标整体点云。多视特征点拼接方法预先标出区域中的特征定位点，可以有效的控制整个重构点云的拓扑结构，并随时可以对拼接结果做出迅速的调整和修改。2.1.2 预处理图像的预处理11是在处于最低抽象层次的图像上所进行的操作，处理的输入和输出用图像函数值的矩阵表示的亮度图像。读入原始图像都存在一定的噪声和干扰，有必要进行图像的预处理，抑制与图像处理任务无关的信息，改善图像数据，抑制不需要的变形或者增强某些对于后续处理重要的图像特征。1图像平滑图像平滑利用图像数据的冗余性，抑制图像噪声。新值的计算
38、是基于某个邻域中亮度数值的平均，仅仅使用邻域中与被处理的点有相似性质的那些点做平均。消除噪声更为常用的是中值滤波。中值滤波是一种减少边缘模糊的非线性平滑方法，它的思想是用邻域中亮度的中值代替图像当前的点。邻域中亮度的中值不受个别噪声毛刺的影响，相当好地消除了冲激噪声。更进一步，由于中值滤波并不明显地模糊边缘，可以迭代使用。矩形邻域中值滤波的主要缺点是图像中的细线和显著角点会遭到损坏，如果使用其他形状的邻域是可以避免的。2图像阈值分割图像阈值化是指把灰度图像转换成仅包含黑(灰度值为0)白(灰度值为255)的二值图像。灰度级阈值化是比较简单的一种图像分割处理技术。很多物体或图像区域表征为不变的反射
39、率或其表面光的吸收率，可以确定一个亮度常量(阈值)来分割物体和背景。阈值化计算代价小速度快，被广泛使用。3边缘检测与跟踪图像的边缘是图像的最基本的特征。边缘是指其周围像素灰度有阶跃变换或者屋顶变化的那些像素的集合。待处理的标志点图像，二值化后其边缘处灰度值明显不同，是阶跃性的边缘。如果一个像素落在图像中某一个物体的边界上，那么它的邻域将成为一个灰度级的变化带。对这种变化最有用的两个特征是灰度的变化率和方向，它们分别以梯度向量的幅度和方向来表示。边缘检测算子检查每个像素的邻域并对灰度变化率进行量化，也包括方向的确定。针对标志点图像的特点采用基于方向导数掩模求卷积的方法。选择最合适的边缘检测需要分
40、析图像本身的特点。标志点的图像采用扫描处理，边缘都是阶跃性边缘，其噪声很小，对阶跃性边缘比较适合采用梯度算子。在小区域局部范围内，图像规则的形状判别，还可以采用轮廓跟踪的方法直接获取标志点的外部轮廓特征。方法是根据某些严格的“探测准则”找出目标物体轮廓上的像素，再根据这些像素的某些特征用一定的“跟踪准则”找出目标物体上的其他像素。考虑到处理效率本课题采用边界点旋转搜索的跟踪准则，避免了对每个边界像素周围八个点进行判断，降低了判断计算量。2.2 标志点提取与匹配2.2.1 标志点提取标志点准确快速地定位是保证拼接准确的前提。根据获得的标志点边界求取标志点点心，求取的精度对下面的点云的操作，特征的
41、识别，拼接等工作有着直接的影响。为了提高精度，本文采用最小二乘的拟合方法来拟合点心。标志点的边缘数学模型为椭圆方程，由于测量过程中不可避免的误差影响，为了提高求取的点心精度，采用一种修正其边缘，迭代拟合的方法。分两步进行：1直接求解初始位置设椭圆的一般方程为：x2+2Bxy+Cy2+2Dx+2Ey+F=0 (2-1)直接应用上述方程对得到的标志点的边界离散点进行最小二乘拟合求取点心。其均方差和为： (2-2)对上式分别对B，C，D，E取偏导，令每个式子为零，可以得到一个包含5个方程和5个未知数的方程组。求解出B，C，D，E，F确定一个椭圆的5个参数：2迭代拟合：设椭圆上任一边缘点为P(x，y)
42、，椭圆两焦点位置为F1(x1，y1)和F2(x2，y2)，焦距为2c。两个焦点位置为：F1： (2-3) (2-4)F2： (2-5) (2-6)理想椭圆上的点到两焦点距离之和为常数(2a)，实际中，由于不可避免的误差影响，设v为残差，有： (2-7)进一步可以写为： (2-8)理论上，可以由上式对所有椭圆边缘的离散点进行最小二乘拟合可求得椭圆的5个待求参量的估计，由于该式是非线性的，必须先进行线性化，再迭代求解。设： (2-9) (2-10)式(2-10)中对PF1，PF2，对x1，y1，x2，y2的偏导数。于是，我们可以得到式(2-11)的线性化观测方程： (2-11)上述方程中x10，y
43、10；x20，y20分别为焦点F1，F2的坐标初值，且满足如下关系： (2-12) (2-13) (2-14)将前面直接求解初始位置的结果作为初值，则观测方程应用于所有边缘的离散点进行最小二乘拟合，并逐步迭代可最终获得所有待求参数(x1，y1；x2，y2；a)。一般经过35次后发现即可收敛，最后，可以得到椭圆中心拟合位置为： (2-15) (2-16)标志点拍摄图像如下图2-1所示：图2-1 标志点拍摄图像用Matlab编程得到标志点的坐标如表2-1所示：表2-1 标志点的二维坐标点序1234567x/mm84.042094.6412104.5000113.5741122.3689130.4149138.0000y/mm864.6084716.0153577.5000448.0648327.0485213.4362106.5000点序891011121314x/mm234.1565239.5692244.5000249.2500253.3922257.4409261.1954y/mm864.6054715.9538577.5000448.