基于激光點(diǎn)云數(shù)據(jù)的三維運(yùn)動(dòng)圖像重構(gòu)技術(shù)

沈 明,廖奕德

(廣東工業(yè)大學(xué)華立學(xué)院通識(shí)教育部,廣東 廣州 511325)

1 引 言

激光點(diǎn)云數(shù)據(jù)廣泛應(yīng)用于激光成像雷達(dá)信息處理、非曲面目標(biāo)檢測(cè)、三維立體攝影等領(lǐng)域[1-2]。在激光成像過(guò)程中,由于視點(diǎn)、遮擋等因素的影響,三維運(yùn)動(dòng)圖像數(shù)據(jù)是不完整的。因此,為了獲得更完整的三維運(yùn)動(dòng)圖像點(diǎn)云數(shù)據(jù),通常需要進(jìn)行多個(gè)廣角目標(biāo)測(cè)量,并收集各個(gè)角度的激光點(diǎn)云數(shù)據(jù),并將其拼接后統(tǒng)一到同一空間坐標(biāo)系中,得到三維運(yùn)動(dòng)圖像點(diǎn)云圖。綜上分析可知,將該技術(shù)應(yīng)用于三維運(yùn)動(dòng)圖像重構(gòu)過(guò)程中,可以有效提高重構(gòu)質(zhì)量。

曾雯[3]等利用形態(tài)篩處理圖像、場(chǎng)景參數(shù)預(yù)估、拆分和紋理映射對(duì)復(fù)雜景觀三維場(chǎng)景進(jìn)行重構(gòu),該方法沒(méi)有對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行去噪,導(dǎo)致數(shù)據(jù)中存在異常值,表明該方法在重構(gòu)時(shí)有效性差,存在重構(gòu)測(cè)量距離與實(shí)際距離誤差大的問(wèn)題。王剛[4]等通過(guò)將虛擬現(xiàn)實(shí)技術(shù)和VRGIS理論技術(shù)相結(jié)合,構(gòu)造出室內(nèi)景觀圖,實(shí)現(xiàn)室內(nèi)景觀重構(gòu),該方法在建立數(shù)學(xué)模型時(shí)沒(méi)有降低點(diǎn)云數(shù)據(jù)中的噪聲,導(dǎo)致數(shù)據(jù)粗差點(diǎn)過(guò)多,檢測(cè)點(diǎn)云數(shù)據(jù)數(shù)量大。羅寒[5]等提出融合激光掃描和多視圖影像的室內(nèi)物體三維重構(gòu)技術(shù)方法,該方法按照以往工程案例,基于分塊建模方法實(shí)現(xiàn)室內(nèi)物體場(chǎng)景重構(gòu),但是該方法沒(méi)有解決激光點(diǎn)云數(shù)據(jù)中存在噪聲的問(wèn)題,導(dǎo)致數(shù)據(jù)出現(xiàn)異常,檢測(cè)清晰度低。

為了解決上述方法中存在的問(wèn)題,提出基于激光點(diǎn)云數(shù)據(jù)的三維運(yùn)動(dòng)圖像重構(gòu)技術(shù)。考慮到運(yùn)動(dòng)圖像在重構(gòu)過(guò)程中,利用三維激光掃描儀會(huì)獲取三維運(yùn)動(dòng)圖像的激光點(diǎn)云數(shù)據(jù),因此首先對(duì)其進(jìn)行預(yù)處理,包括幀間配準(zhǔn)、數(shù)據(jù)集去噪,然后利用曲面重構(gòu)法對(duì)三維運(yùn)動(dòng)圖像進(jìn)行擬合重構(gòu),實(shí)現(xiàn)三維運(yùn)動(dòng)圖像重構(gòu),并通過(guò)實(shí)驗(yàn)驗(yàn)證了重構(gòu)效果。

2 激光點(diǎn)云數(shù)據(jù)預(yù)處理

2.1 配準(zhǔn)多幀激光點(diǎn)云數(shù)據(jù)

為了從三維激光掃描儀的運(yùn)動(dòng)圖像重構(gòu)過(guò)程中的原始數(shù)據(jù),采用迭代最近點(diǎn)算法(Iterative Closest Point,ICP)采集和配準(zhǔn)圖像重構(gòu)中的激光點(diǎn)云數(shù)據(jù),在數(shù)據(jù)配準(zhǔn)的過(guò)程中,ICP算法只能統(tǒng)一當(dāng)前數(shù)據(jù)坐標(biāo)中心,為了解決這一缺陷,需要在數(shù)據(jù)配準(zhǔn)時(shí)和多幀激光點(diǎn)云數(shù)據(jù)建立相應(yīng)關(guān)系。

(1)假設(shè)含激光點(diǎn)云數(shù)據(jù)集N層,每層激光點(diǎn)云數(shù)據(jù)集具有M幀,則三維運(yùn)動(dòng)圖像的每層激光點(diǎn)云數(shù)據(jù)集表示為:

式中,N表示三維運(yùn)動(dòng)圖像采集層數(shù);M表示三維運(yùn)動(dòng)圖像每層幀數(shù)。

(1)

式中,R表示旋轉(zhuǎn)矩陣;t表示平移矩陣。

(2)

上述過(guò)程為尋找與當(dāng)前點(diǎn)對(duì)應(yīng)的最鄰近點(diǎn),式中,ck(i)表示三維運(yùn)動(dòng)圖像鄰近點(diǎn)的最小誤差,在此基礎(chǔ)上計(jì)算新的變換矩陣,定義如下。

(3)

(5)將第K步的變換更新為:Rk=R*Rk-1,tk=t*tk-1。

防錯(cuò)系統(tǒng)所需硬件均需適應(yīng)流水線的生產(chǎn)，因此需根據(jù)裝配流水線的特點(diǎn)選擇合適的硬件，所有硬件均不能與現(xiàn)有流水線的硬件發(fā)生干涉。

2.2 激光點(diǎn)云數(shù)據(jù)集去噪

采用RANSAC隨機(jī)抽樣一致性算法選取原始激光點(diǎn)云數(shù)據(jù)中的有效數(shù)據(jù)[9],從中獲取有效模型,并消除粗差點(diǎn)或異常值,結(jié)合激光點(diǎn)云數(shù)據(jù)平面擬合方法對(duì)激光點(diǎn)云數(shù)據(jù)進(jìn)行去噪,具體步驟如下所示:

(2)通過(guò)下述公式:

(4)

(3)選取一個(gè)閾值t,對(duì)di與t之間的關(guān)系進(jìn)行判斷,若di>t,則為異常點(diǎn)；若di

(4)重復(fù)以上步驟,經(jīng)過(guò)n次迭代后選擇最多一組的有效點(diǎn)點(diǎn)集,采用特征值法對(duì)這組點(diǎn)集進(jìn)行平面擬合[10-11],計(jì)算出a,b,c參數(shù),最終得到初始平面模型。

(5)通過(guò)(4)對(duì)點(diǎn)到平面的距離di進(jìn)行計(jì)算。

(6)對(duì)距離di的標(biāo)準(zhǔn)偏差σ進(jìn)行計(jì)算,用公式表達(dá)式定義如下:

(5)

(7)對(duì)di與σ之間的關(guān)系進(jìn)行判斷,當(dāng)di>2σ時(shí),屬于粗差點(diǎn),將之刪除；當(dāng)di<2σ時(shí),屬于有效點(diǎn),將之保留。

(8)剩下多余的點(diǎn)就采用特征值法重新對(duì)a,b,c進(jìn)行計(jì)算。

(9)將步驟(5)～(8)重復(fù),當(dāng)所有多余的點(diǎn)全部都在規(guī)定閾值內(nèi)時(shí),即di<2σ,這時(shí)粗差點(diǎn)已經(jīng)完全消除,實(shí)現(xiàn)對(duì)激光點(diǎn)云數(shù)據(jù)的去噪。

3 構(gòu)建三維運(yùn)動(dòng)圖像重構(gòu)模型

通過(guò)對(duì)上述激光點(diǎn)云數(shù)據(jù)預(yù)處理后,采用曲面重構(gòu)法[12]構(gòu)建三維運(yùn)動(dòng)圖像模型。三維模型構(gòu)建中最重要、最復(fù)雜的一部分就是曲面重構(gòu),利用適當(dāng)?shù)臄?shù)學(xué)算法對(duì)分散的點(diǎn)云進(jìn)行擬合,最終擬合成與真實(shí)物體相似形狀的模型。本文擬采用NURBS曲面重構(gòu)法構(gòu)建三維運(yùn)動(dòng)圖像模型。

K×L次的NURBS曲面定義為:

(6)

(7)

式(6)中,Vi,j表示控制頂點(diǎn),一般表現(xiàn)為拓?fù)渚仃囮嚵?Wi,j表示權(quán)因子;Bi,k(u)與Bj,l(w)分別表示從u到k次和從w到l次的B樣條基函數(shù)。公式(7)中,U和W則用u向和w向的節(jié)點(diǎn)矢量來(lái)描述。在曲面公式中NURBS公式表示一張曲面,但需要確認(rèn)以下數(shù)據(jù):Vi,j控制頂點(diǎn)、Wi,j(i=0,1,…,n;j=0,1,…,m)權(quán)因子、參數(shù)v的次數(shù)l和參數(shù)u的次數(shù)k,u向與w向的U、W節(jié)點(diǎn)矢量。

在此基礎(chǔ)上,本文采用插值法實(shí)現(xiàn)三維運(yùn)動(dòng)圖像曲面點(diǎn)云擬合,首先設(shè)置三維運(yùn)動(dòng)圖像曲面點(diǎn)云數(shù)據(jù)數(shù)量,然后通過(guò)最小二乘法實(shí)現(xiàn)曲面點(diǎn)云擬合,并從中獲取最短距離,最后判斷誤差情況。如果誤差小于最長(zhǎng)距離,就繼續(xù)在曲面中添加數(shù)目,并重新擬合曲面,直至誤差處于允許值范圍內(nèi),最終形成三維運(yùn)動(dòng)圖像重構(gòu)模型,如圖1所示。

圖1 三維運(yùn)動(dòng)圖像重構(gòu)模型建模過(guò)程Fig.1 3D moving image reconstruction modeling process

4 實(shí)驗(yàn)與分析

上述過(guò)程在理論上完成基于激光點(diǎn)云數(shù)據(jù)的三維運(yùn)動(dòng)圖像重構(gòu)技術(shù)的研究,在此基礎(chǔ)上,通過(guò)實(shí)驗(yàn),驗(yàn)證設(shè)計(jì)方法在實(shí)際中的應(yīng)用效果。其實(shí)驗(yàn)平臺(tái)為:Trane Split Koolman機(jī)組,型號(hào)為CGAK0605C。實(shí)驗(yàn)選取如圖2所示的籃球運(yùn)動(dòng)圖像的點(diǎn)云數(shù)據(jù)作為實(shí)驗(yàn)對(duì)象,其中包含了20369個(gè)數(shù)據(jù)點(diǎn)。分別采用基于激光點(diǎn)云數(shù)據(jù)的三維運(yùn)動(dòng)圖像重構(gòu)技術(shù)(方法1)、基于微波光子的三維運(yùn)動(dòng)圖像重構(gòu)技術(shù)(方法2)和基于虛擬現(xiàn)實(shí)的三維運(yùn)動(dòng)圖像重構(gòu)技術(shù)(方法3)對(duì)上述模型進(jìn)行重構(gòu)實(shí)驗(yàn),對(duì)比重構(gòu)效果以分析評(píng)估重構(gòu)性能。

4.1 重構(gòu)效果對(duì)比

選擇三種圖像重構(gòu)方法進(jìn)行對(duì)比測(cè)試,檢測(cè)結(jié)果如圖2所示。從圖2可知,此次方法重構(gòu)后,方法1的測(cè)量圖像要優(yōu)于方法2和方法3,與實(shí)際圖像基本一致,因?yàn)榉椒?降低了噪聲對(duì)激光點(diǎn)云數(shù)據(jù)的影響,避免了數(shù)據(jù)異常的問(wèn)題,使其在獲取圖像時(shí)更加精準(zhǔn),進(jìn)而提高了圖像清晰度。

圖2 測(cè)量圖像與實(shí)際圖像清晰度對(duì)比Fig.2 Comparison of measured image and actual image sharpness

4.2 激光點(diǎn)云數(shù)據(jù)數(shù)量對(duì)比

選擇五組三維運(yùn)動(dòng)圖像重構(gòu)技術(shù)激光點(diǎn)云數(shù)據(jù)測(cè)量結(jié)果,對(duì)三種方法中的激光點(diǎn)云數(shù)據(jù)進(jìn)行對(duì)比,激光點(diǎn)云數(shù)據(jù)越小,說(shuō)明重構(gòu)技術(shù)越高,具體測(cè)試如表1所示。

表1 激光點(diǎn)云數(shù)據(jù)數(shù)量對(duì)比Tab.1 Comparison of point cloud data quantity

由表1可知,在這五組測(cè)量結(jié)果中,方法1的激光點(diǎn)云數(shù)據(jù)數(shù)量最少,而方法3的激光點(diǎn)云數(shù)據(jù)數(shù)量最多,說(shuō)明方法1的三維運(yùn)動(dòng)圖像重構(gòu)技術(shù)高,因?yàn)榉椒?采用平面擬合方法減弱了激光點(diǎn)云數(shù)據(jù)中的噪聲,消除了激光點(diǎn)云數(shù)據(jù)中的粗差點(diǎn),降低了激光點(diǎn)云數(shù)據(jù)的數(shù)量,增強(qiáng)了方法1三維運(yùn)動(dòng)圖像重構(gòu)技術(shù)的實(shí)用性。

4.3 重合率對(duì)比

根據(jù)方法1、方法2和方法3的三維運(yùn)動(dòng)圖像重構(gòu)測(cè)量距離與實(shí)際距離進(jìn)行對(duì)比,由圖3可知,方法1的測(cè)量距離要低于方法2和方法3,與實(shí)際值的軌跡相近,因?yàn)榉椒?利用平面擬合方法對(duì)激光點(diǎn)云數(shù)據(jù)進(jìn)行去噪,解決了激光點(diǎn)云數(shù)據(jù)中存在異常值的問(wèn)題,使三維運(yùn)動(dòng)圖像重構(gòu)技術(shù)更加有效,提高了圖像重構(gòu)技術(shù)的精準(zhǔn)度。

圖3 測(cè)量距離與實(shí)際距離對(duì)比Fig.3 Comparison between measured distance and actual distance

4.4 重構(gòu)時(shí)間對(duì)比

為進(jìn)一步驗(yàn)證所研究方法的重構(gòu)性能,在測(cè)試重構(gòu)效果的基礎(chǔ)上測(cè)試本文方法與兩種對(duì)比方法的重構(gòu)時(shí)長(zhǎng),得到重構(gòu)時(shí)長(zhǎng)對(duì)比結(jié)果如圖4所示。

圖4 重構(gòu)時(shí)長(zhǎng)對(duì)比結(jié)果Fig.4 Comparison results of reconstruction time

從圖4中可以看出,與兩種對(duì)比方法相比,本文方法在保證重構(gòu)效果較好的前提下,重構(gòu)時(shí)間相較于方法2和方法3更短,時(shí)間最高為0.1 s,這是由于所研究重構(gòu)方法預(yù)處理了激光點(diǎn)云數(shù)據(jù),在提高重構(gòu)方法的質(zhì)量的同時(shí)減少了重構(gòu)時(shí)間。

4.5 重構(gòu)準(zhǔn)確率對(duì)比

統(tǒng)計(jì)采用三種方法在不同含量噪聲圖像中重構(gòu)效果,對(duì)比結(jié)果如圖5所示。

圖5 重構(gòu)準(zhǔn)確率對(duì)比Fig.5 Comparison of reconstruction accuracy

圖5實(shí)驗(yàn)結(jié)果可以看出,本文方法15～35 dB的噪聲圖像的重構(gòu)準(zhǔn)確率在95 %以上,采用兩種對(duì)比方法的重構(gòu)準(zhǔn)確率均低于85 %。本文方法對(duì)噪聲圖像的重構(gòu)準(zhǔn)確率明顯高于方法2和方法3,說(shuō)明采用本文方法重構(gòu)后的三維運(yùn)動(dòng)圖像具有較高的清晰度,可令圖像具有較高的去噪效果。

5 結(jié)束語(yǔ)

目前,三維運(yùn)動(dòng)圖像重構(gòu)技術(shù)已走在多學(xué)科交叉研究領(lǐng)域的前端,但傳統(tǒng)的圖像重構(gòu)技術(shù)仍具有很大的約束性,為了保證三維運(yùn)動(dòng)圖像重構(gòu)技術(shù)能夠得到有效使用,提出基于激光點(diǎn)云數(shù)據(jù)的三維運(yùn)動(dòng)圖像重構(gòu)技術(shù)。經(jīng)調(diào)查發(fā)現(xiàn),傳統(tǒng)三維運(yùn)動(dòng)圖像重構(gòu)技術(shù)存在測(cè)量距離與實(shí)際距離相差大、激光點(diǎn)云數(shù)據(jù)數(shù)量多和測(cè)量圖像與實(shí)際圖像清晰度對(duì)比低等問(wèn)題。針對(duì)上述問(wèn)題,提出基于激光點(diǎn)云數(shù)據(jù)的三維運(yùn)動(dòng)圖像重構(gòu)技術(shù),通過(guò)對(duì)激光點(diǎn)云數(shù)據(jù)的采集,獲取激光點(diǎn)云數(shù)據(jù)坐標(biāo)中心,再利用平面擬合方法對(duì)激光點(diǎn)云數(shù)據(jù)進(jìn)行去噪,采用曲面重構(gòu)法實(shí)現(xiàn)曲面模型擬合,完成對(duì)三維運(yùn)動(dòng)圖像的重構(gòu),提高了圖像重構(gòu)技術(shù)的有效性及實(shí)用性,解決了傳統(tǒng)方法中存在的問(wèn)題,為今后三維運(yùn)動(dòng)圖像重構(gòu)技術(shù)奠定了重要基礎(chǔ)。