基于自適應顏色和幾何混合特征的點云配準方法

儲小玉

（安慶師范大學，安徽 安慶 246003）

一、引言

隨著三維掃描技術(shù)的快速發(fā)展，物體表面形狀的點云模型能夠快速地被獲取到，對于點云模型的研究也成為計算機視覺、計算機圖形學等領(lǐng)域的熱點，并在逆向工程、三維動畫、文物數(shù)字化保護、醫(yī)學圖像處理等領(lǐng)域都有著十分重要的意義[1-2]。特征點是最基本的點云曲面幾何形狀的特征基元，對幾何模型的外觀及其準確表達具有重要作用。因此對特征點的提取是三維點云配準的關(guān)鍵步驟。

對于三維點云模型，特征點的提取方法很多，嚴劍峰[3]提出了一種利用點云所含的內(nèi)在幾何屬性，提出了基于曲率序列的配準算法以及基于鄰域點集各維“能量強度”的配準算法。Rusu等[4]提出的快速點特征直方圖（FPFH）,相比其他直方圖特征，其描述性強、特征維度低、計算速度快，廣泛應用于點云配準中。但對于稠密點云，計算每個點的特征會嚴重影響點云配準的整體效率，并且稠密點云中包含大量特征相近的點云數(shù)據(jù)，影響不同視角下的點云對應點匹配。Yang等[5]提出了一種局部特征值統(tǒng)計直方圖，通過對局部形狀幾何圖形的統(tǒng)計屬性進行編碼，結(jié)合法線之間的深度、點密度和角度三個低維度的描述符完成的，計算效率高，但描述符在模型數(shù)據(jù)的描述性不是很強。也有些學者將顏色數(shù)據(jù)作為有效的特征描述符，加入三維點云配準算法的研究中。Men等[6]在機器人上掃描獲取室外場景數(shù)據(jù)進行RGBD數(shù)據(jù)配準，將采集的顏色數(shù)據(jù)轉(zhuǎn)化為HSL模式，將色調(diào)H和深度數(shù)據(jù)結(jié)合為特征描述符完成點云配準。蘇本躍等[7]在研究三維點云算法時，將Kinect設備采取顏色數(shù)據(jù)轉(zhuǎn)化為灰度值，結(jié)合深度數(shù)據(jù)構(gòu)造4D空間尋找對應點對，迭代配準。Kang等[8]提出了一種改進ICP迭代算法，結(jié)合顏色和幾何信息的6DICP算法進行彩色點云配準，該算法將顏色和幾何信息等量選取，并沒有考慮到不同模型的顏色幾何紋理分布大小不同。在本文，提出了一種自適應顏色和幾何混合特征的點云配準方法，對顏色幾何信息按自適應比例組合成混合特征進行點云配準。

二、特征點提取流程

本文顏色和幾何特征點提取算法流程如圖1所示，通過Kinect設備獲取三維彩色物體的RGBD數(shù)據(jù)，對獲取的點云數(shù)據(jù)去噪和刪除重復存儲點處理；搜索兩片點云共有顏色的點數(shù)，進行顏色特征直方圖和幾何特征直方圖統(tǒng)計，按照顏色幾何特征自適應比例加權(quán)組合成混合特征，最后得到特征點的提取。

三、顏色數(shù)據(jù)篩選

圖1 特征點提取流程圖

眾所周知，在圖像中，顏色直方圖遵循了圖像之間的相似性原則。而Kinect設備采集的RGBD數(shù)據(jù)包含點云數(shù)據(jù)的顏色信息和三維坐標信息。本文首先統(tǒng)計出兩片待配點云每種顏色的點數(shù)，濾掉少數(shù)較少的顏色，然后篩選出兩片點云共有的顏色，用顏色直方圖統(tǒng)計點數(shù)。如圖2（a）是兩片待配點云模型，統(tǒng)計出該兩片點云共有的顏色類別達到2000多種顏色，如圖2（b）所示兩片點云顏色類別直方圖統(tǒng)計，橫軸是顏色類別，縱軸是顏色數(shù)量，可以看出顏色種類分布密集繁多，各點顏色數(shù)量少且分散，這會影響到后期通過特征點搜索對應點的用時增加，也會導致錯誤對應點匹配的幾率增加，所以本文通過設定顏色容差篩選出兩片點云共有的顏色點集。因為色調(diào)表示色彩信息，取色調(diào)值H設定顏色容差范圍。如果點云的色調(diào)值在設定的顏色容差范圍內(nèi)，則把該點云歸類于一種顏色類別。如圖2（c）所示，統(tǒng)計出圖2（a）模型共有顏色類別97種。相對圖2（b）的數(shù)據(jù)集，減少了顏色類別，增加了顏色數(shù)量值。

圖2 大衛(wèi)模型顏色類別直方圖

四、混合特征直方圖提取

經(jīng)顏色篩選后的點云，本文將顏色和幾何特征直方圖統(tǒng)計的數(shù)據(jù)按自適應比例加權(quán)組合成混合特征，提取特征點進行三維點云配準。混合特征的權(quán)重大小α是根據(jù)不同點云模型顏色幾何紋理不同選取。對于某模型通過設定顏色容差篩選出點云P，歸一化該點云的顏色和幾何數(shù)據(jù)后，計算該點云中的幾何特征和顏色特征，統(tǒng)計出顏色和幾何特征直方圖分布，篩選出顏色和幾何特征值頻率大于均值的特征頻率，占比于總特征值數(shù)量的比重作為權(quán)重大小。如圖3（c）所示，為顏色幾何混合特征直方圖。

（一）顏色特征直方圖提取

在三維模型的顏色幾何紋理特征中，顏色特征是顯著且穩(wěn)定的視覺特征，是人識別物體的主要感知特征，對于幾何特征而言，顏色具有相當強的魯棒性，且在圖像中，顏色直方圖具有尺度不變性和旋轉(zhuǎn)不變性，所以采用顏色直方圖的方法來提取點云的顏色特征。本文中每一點的顏色特征值是通過獲取8個最近鄰點的顏色信息，采用拉普拉斯算子計算每個顏色通道上的顏色特征，再將各通道顏色特征進行范數(shù)運算得到該點的顏色特征值。最后對每一點進行顏色特征直方圖統(tǒng)計。如圖3（a）所示，為歸一化的顏色特征直方圖。橫軸是顏色特征值0-1分布，縱坐標是顏色特征值出現(xiàn)的頻率（即顏色特征的個數(shù)）。

（二）幾何特征直方圖提取

在三維點云配準中采用幾何特征提取特征點的方法很多，曲率和法向量是獲取三維局部形狀特征的經(jīng)典方法。本文中對于每一點的幾何特征值是通過獲取k最近鄰點，計算該點與k最近鄰點距離向量，法向量的長度可近似表達三維點云曲面點的凹凸性，再通過范數(shù)運算得到該點幾何特征值。如圖3（b）所示，為歸一化的幾何特征直方圖。橫軸是幾何特征值0-1分布，縱坐標是幾何特征值出現(xiàn)的頻率（即幾何特征的個數(shù)）。

圖3 顏色、幾何、混合特征直方圖

五、配準迭代過程

在獲取混合特征點后，通過K最近鄰算法搜索混合特征點在目標點云中的最近點，采用歸一化后的顏色和幾何坐標構(gòu)造6D距離度量標準，并計算點對間6D歐式距離的均值，剔除部分點對間距離過大的點對，選取小于該均值的點對。

本文配準算法步驟如下：

輸入：混合特征點，目標點云。

輸出：最優(yōu)的旋轉(zhuǎn)矩陣和平移向量。

步驟1：設置迭代次數(shù)N。

步驟 2：While i＜N&emi＞1*10＾（-7）

步驟3：利用K最近鄰算法搜索混合特征點在目標點云中的最近點，計算對應點對間6D歐式距離的均值，取小于該均值的點對。

步驟4：利用奇異值分解法求解旋轉(zhuǎn)矩陣和平移向量，并計算點對的均方根誤差RMSEi。

步驟 5：計算 emi=|RMSEi-RMSEi-1|i=2,…，N。

步驟6：將旋轉(zhuǎn)矩陣和平移向量作用于特征點集，更新特征點集的位置。

步驟7：直到滿足條件停止，否則繼續(xù)迭代。

六、實驗結(jié)果與分析

本文實驗均在一臺CPU為Intel Core i5-7500，主頻3.41GHz，8GB內(nèi)存，顯卡為 AMD Radeon R740，操作系統(tǒng)Windows 10的PC機上進行，設備掃描為Windows Kinect 2.0，軟件開發(fā)平臺為Kinect for Windows SDK，算法使用MATLAB軟件編程實現(xiàn),點云可視化使用MeshLab軟件展示。

本實驗數(shù)據(jù)均由Kinect采集彩色模型獲取，實驗采集了顏色和幾何不同分布的四種模型的數(shù)據(jù)進行實驗，包括大衛(wèi)1、大衛(wèi)2、馬頭1、馬頭2。本文算法是基于自適應的顏色和幾何數(shù)據(jù)加權(quán)組合成的混合特征，提取混合特征點進行點云配準驗證實驗。所以實驗過程中，本文與沒有考慮到顏色和幾何數(shù)據(jù)權(quán)重影響的6DICP算法[8]作對比算法，驗證了本文配準方法配準精度和效率。此外，本文給定不同的混合特征權(quán)重取值與本文自適應混合特征計算得到的權(quán)重作配準實驗比較，驗證了本文自適應混合特征權(quán)重為最優(yōu)取值，在配準實驗中縮短了點云配準時間。本文實驗對配準變換后的源點云與目標點云置于在同一視角下的圖像尺度不變特征變換 (Scale-invariant feature transform，SIFT)算法進行特征點匹配，計算圖像對應匹配點對的平均距離作為模型配準誤差度量的標準。

圖4至圖7分別是大衛(wèi)1、大衛(wèi)2、馬頭1、馬頭2模型采用兩種點云配準算法配準的效果圖展示，其中（a）表示不同視角下的兩片點云模型；（b）、（c）分別表示兩種配準方法。表1中給出本文算法和6D-ICP配準算法在各種模型實驗下兩片待配點云的點數(shù)，用“/”隔開。在配準前期，本文算法對幾種模型經(jīng)過篩選顏色點數(shù)，所以兩片待配點云點數(shù)大量減少，經(jīng)篩選顏色所用時間分別是 4.466,3、2.436,3、6.093,4、0.331,5（單位：秒）。本文算法中混合特征的權(quán)重取值在各實驗效果圖中已給出。表1中的配準時間為兩片點云配準迭代時間，與6D-ICP配準算法相比，本文算法僅在配準時間上占有優(yōu)勢，若加上篩選顏色用時時間，本文方法略占優(yōu)勢，但在配準誤差上本文算法配準精度更高一點。在配準前期經(jīng)過篩選顏色點數(shù)，將點云大量篩減，雖然減少了點云模型數(shù)據(jù)信息，但并不影響算法的最終配準效果。從配準效果圖上看，用橢圓有標注的圖 4（b）、圖 5（b）大衛(wèi)鼻子有錯位，圖 6（b）馬頭的鼻子、圖7（b）馬身有輕微錯位。

表1 各模型下，兩種配準算法比較結(jié)果

圖4 大衛(wèi)1模型的兩種算法配準效果圖

圖5 大衛(wèi)2模型的兩種算法配準效果圖

圖6 馬頭1模型的兩種算法配準效果圖

表2中在各實驗模型下給出了本文混合特征統(tǒng)計權(quán)重大小以及三個選定值，進行配準實驗比較。實驗過程中，通過給定迭代誤差，統(tǒng)計配準時間作為衡量權(quán)重為最優(yōu)取值。從表2數(shù)據(jù)中看出，與給定的不同權(quán)重取值的配準結(jié)果相比，本文所采用的自適應混合特征權(quán)重取值方法縮短了配準時間，配準效果穩(wěn)定。

表2 不同的模型下，各種權(quán)重取值作配準比較

七、結(jié)論

本文提出一種基于自適應顏色特征和幾何混合特征的點云配準方法，首先通過統(tǒng)計點云數(shù)據(jù)的顏色值，濾掉少數(shù)點數(shù)的顏色。在一定顏色容差范圍內(nèi)篩選出兩片點云共有顏色的點數(shù)，構(gòu)建候選點集，然后統(tǒng)計顏色與幾何特征直方圖，按自適應比例組合成混合特征，繼而提取特征點進行三維點云配準。在實驗中，與基于顏色和幾何數(shù)據(jù)的6DICP作對比，本文基于自適應顏色和幾何混合特征配準算法縮短了配準時間，配準效果穩(wěn)定。

圖7 馬頭2模型的兩算法配準效果圖