基于进化算法的三维点云自由拼接研究

摘要

激光三维扫描技术是一种快速、高效的三维数字化手段，目前已经广泛应用于形貌测量、生产制造、逆向工程、影视娱乐以及人体工程学设计等领域。现存的三维点云数据获取方法和数据处理效率仍然存在上升空间，开发出高效的点云自由拼接算法成为研究的热点。围绕这一目标，本文开展了如下工作:
　　1.进行从大量的数据点云中快速准确提取特征点的研究。对常用的曲率取点、均匀取点、关键点(KPQ)提取、固有形状特征(ISS)等取点算法进行了分析和实验，讨论了不同算法的特点，对ISS特征点提取算法引入了邻域半径约束的改进策略，使其广泛适用于一般性的点云模型的特征提取。
　　2.对描述两片点云拼接精度的对应点之间距离中值的目标函数进行了分析，论证了使用群智能算法进行函数优化的可行性，实现了粒子群算法(PSO)、生物地理学优化算法(BBO)、人工蜂群算法(ABC)的功能。
　　3.基于特征点提取和群智能优化算法，利用Matlab编程实现了完整的三维点云自由拼接算法，通过对理想点云库模型和实测存在噪声的点云数据的拼接实验，比较了不同算法对不同模型的拼接精度和效率。同时通过对不同重合率点云的拼接测试，获得了点云重合率与拼接精度的关系。

目录

声明

摘要

第一章 绪论

1．1 三维数字化技术

1．1．1 三维信息的采集

1．1．2 三维点云数据处理技术

1．1．3 三维点云拼接技术

1．2 点云拼接国内外发展现状

1．3 课题背景

1．4 本论文的主要工作及研究意义

第二章 三维点云数据的特征点提取

2．1 三维特征点简介

2．2 曲率特征点

2．3 均匀取点

2．4 ISS特征点提取算法

2．5 改进的ISS特征点提取算法

2．6 关键点提取法

2．7 基于表面网格的特征点提取算法

2．7．1 热核签名法(HKS)

2．7．2 拉-贝尺度空间法(LBSS)

第三章 基于进化算法的精简点云拼接

3．1 优化算法

3．2 群智能算法简介

3．3 粒子群(PSO)算法

3．4 生物地理学优化(BBO)算法

3．5 人工蜂群(ABC)算法

3．6 点云拼接的数学表达

3．7 点云拼接ICP算法

3．8 基于特征点和群智能优化的点云拼接

3．8．1 评价函数的提出

3．8．2 评价函数的分析

3．8．3 K-D树搜索策略

3．8．4 基于群智能优化的点云拼接方法

第四章 三维点云模型的拼接实验

4．1 理想点云库模型

4．2 理想模型ICP算法拼接结果

4．3 不同算法特征点提取效果的比较

4．4 基于群智能优化的点云拼接

4．4．1 PSO算法的点云拼接

4．4．2 BBO算法的点云拼接

4．4．3 ABC算法的点云拼接

4．5 时间复杂度比较

4．6 实际人体扫描点云数据拼接实验

4．7 点云重合度对拼接精度的探究

第五章 全文总结与展望

5．1 工作总结

5．2 对于后续工作的建议

参考文献

发表论文和参加科研情况说明

致谢