基于形貌描述的多视数据场自由拼接研究

多视数据场拼接是三维形貌测量技术的重要组成部分，制约着该技术的发展和应用领域的拓宽。本项目基于形貌描述进行在线多视数据场自由拼接理论和方法研究。引入形貌描述函数对数据场局部形貌特征定量描述和特性分析；基于邻域相关形貌特征点对匹配方法实现2视数据场的初拼接；研究基于凸壳算法的重合区域快速定位方法、凸壳多边形三角剖分和形貌特征点邻域相结合的重合区域点对快速搜索方法以及组合点到对应平面距离、点到二次曲面距离的混合距离平方和最小收敛准则，实现2视数据场的快速、高精度自由拼接；分析多视数据场自由拼接中误差累积的原因特点，提出拼接环累积误差最小化方法减小多视数据场自由拼接中的误差累积，基于2视自由拼接实现在线多视数据场的高精度自由拼接。预期研究成果可极大丰富空间离散数据场局部形貌特征定量计算、特征提取以及多视数据场自由拼接的理论体系，促进三维形貌测量技术向便携式和大型复杂物体表面形貌测量方向的发展。

多视数据场拼接是三维形貌测量技术的重要组成部分，制约着该技术的发展和应用领域的拓宽。本课题主要基于数据场形貌描述进行多视数据场自由拼接理论和方法研究。提出四种改进的三维点云数据场表面形貌描述算子，包括基于曲率信息混合分类的特征描述子、曲率图三维局部特征描述子、归一化点签名形貌描述子和改进的ISS特征描述算子。分别采用从一维曲率图到高维曲率图的由粗到精地方法和基于曲率相似度和曲率范数Hausdorff距离约束方法实现源点集和目标点集特征点的精确对应。理论和实验研究了经典迭代最近点算法容易陷入局部最优解的固有缺陷之后，研究了两类多视点云数据场拼接方法。基于特征描述的两步数据拼接方法，首先通过特征点对应实现数据场的粗拼接，进而应用ICP算法完成精拼接；提出采用概率型优化算法实现数据场拼接中的优化。分别实验验证了粒子群优化、生物地理学优化和人工蚁群优化等优化方法，证明了该类方法可有效提高数据场拼接精度和算法稳定性。此外，研究了基于三维数据场特征点和图像特征点对应的三维点云数据场和彩色纹理数据场的拼接方法。本课题改进实验室已有的高分辨率激光三维彩色数字化扫描仪，重点提出组合光带轮廓线多边形表示和自适应灰度重心法的亚像素实时光带中心线提取算法。提出采用标准圆柱、圆盘和正方形薄板组合体作为测量对象，以实际测量点云计算得到的多个指标参数全面评价扫描仪的整体性能。研究了基于圆柱标准体的多传感器数据场拼接误差修正方法。分别采用互联网上的数据库数据和实验室扫描仪采集数据验证多视数据场拼接算法的有效性。本课题发表或已录用论文10篇(8篇期刊论文，2篇会议论文)，其中SCI检索论文1篇，EI检索6篇，期刊论文录用2篇，授权中国发明专利1项。培养硕士生4名，在站博士后1名。本课题研究成果可极大丰富空间离散数据场局部形貌特征定量计算、特征提取以及多视数据场自由拼接的理论体系，促进三维形貌测量技术向便携式和大型复杂物体表面形貌测量方向的发展。