基于雙Kinect傳感器定標和配準的研究

張永濤　趙立宏　郭會娟

Kinect原本是微軟公司開發的Xbox360主機的周邊外設，主要應用于實時的人機交互工程，也有相關研究人員將其成功應用于三維重建系統。但目前利用Kinect實現三維重建大多數是基于單個Kinect傳感器的應用，多Kinect傳感器聯合實現大型復雜環境的三維重建技術日益顯現出優勢，多傳感器坐標系標定和配準的實現是第一個技術難點，本文研究了兩個Kinect傳感器定標和配準的實現過程，為實現后續的多傳感器聯合大型復雜環境三維重構做了基礎研究。本文主要分為兩步：1）同一臺計算機分別對兩個傳感器的啟用并獲取兩個傳感器的數據進行坐標系標定；2）采用迭代就近點法ICP（Iterative Closest Point）對兩個傳感器的圖像進行配準。本文采用的定標和配準方法簡單快捷，并且能夠準確的對復雜環境進行定標且配準結果比較理想。

【關鍵詞】Kinect 多傳感器標定 三維重建 圖像配準

隨著信息技術和科學技術的不斷發展，三維重建也在工業測量、航空航天、逆向工程、醫學等領域得到了快速發展與應用，并將應用于越來越復雜的領域。Kinect傳感器是一種RGB-D傳感器，在獲得環境顏色值（RGB）還可獲得深度值（depth）。并且作為一種價格相對低廉的深度傳感器，在構建多傳感器復合三維重構系統中有較大的優勢，對于大型工件與復雜環境的三維建模，單個傳感器的掃描重建速度嚴重限制了三維重建的效率，多傳感器聯合掃描重建將成為大型復雜工件與環境三維重建的一個新的發展方向，本文研究了基于雙Kinect傳感器在復雜環境下的坐標系標定和圖像配準，并實現了復雜環境下坐標系的快速準確標定以及獲得比較理想的圖像配準結果。

1 Kinect坐標系標定現狀

確定一個傳感器的參數，稱為傳感器標定。標定目的在于確定傳感器的圖像坐標系與物體在空間中的三維參考坐標系的坐標對應關系，即圖像間對應點的匹配關系，以及傳感器自身的內部參數和不同圖像間的傳感器的外部參數。目前關于Kinect坐標系標定的方法常用的一般為定標物定標，對Kinect深度傳感器定標時，使用棋盤格作為定標物定標，棋盤格如圖1所示。

Kinect深度傳感器定標的主要步驟如下：

（1）準備棋盤格標定板，連接深度傳感器。

（2）前后轉動棋盤格標定板，使用Kinect傳感器掃描棋盤格定標板在各個位置的圖像，并進行圖像數據存儲。至少在不同平面內掃描3幅棋盤格在不同方位的圖像，圖2為某次掃描中的一個位置上所獲得的圖像。

（3）利用Camera Calibration Toolbox，運行calib命令對Kinect傳感器拍攝的圖片定標，將定標結果文件存儲為Calib_Results_Kinect.mat，完成對Kinect傳感器的定標。

2 雙Kinect傳感器定標方法設計

3.1 圖像的配準

圖像配準是將不同時間、不同傳感器或不同條件下（如光照、氣候、位置角度等）獲取的兩幅或者多幅圖像進行匹配和疊加的過程。本文選用迭代就近點法ICP（Iterative Closest Point），即基于自由形態曲面的配準方法。以點集對點集（PSTPS）配準方法為基礎，闡述了一種曲面擬合算法，該算法是基于四元數的點集到點集配準方法。從測量點集中確定其對應的就近點點集后，運用Faugera和Hebert提出的方法計算新的就近點點集。用該方法進行迭代計算，直到殘差平方和所構成的目標函數值不變，結束迭代過程。

3.2 ICP算法

ICP算法是最常用的數據精確配準方法， 該算法在每次的迭代過程中， 對數據點云中每一點， 在模型點云中尋找歐式距離最近點作為對應點，在雙Kinect傳感器采集圖像基礎上，以其中第一個Kinect傳感器采集的圖像作為模型點云，以第二個Kinect傳感器采集到的圖像作為數據點云， 通過這組對應的數據點使得目標函數最小化：

Rm=min‖Qi?RmPi+tm‖2

從而得出最優的配準旋轉矩陣Rm與配準平移向量tm。

3.3 雙Kinect傳感器圖像的配準過程

將上述得出的配準旋轉矩陣Rm與配準平移向量tm作用于數據點云進行相對應的旋轉和平移，得出新的數據點云并進入下次迭代過程之中，最后轉化到模型數據點云參考系中，實現兩個Kinect傳感器采集的圖像之間的配準。

4 實驗結果驗證

為驗證雙Kinect傳感器定標完成后兩個傳感器所采集的圖像配準結果，在Intel（R）Core（TM）i5-3230M CPU @2.6GHz 主頻 4.00GB內存的計算機上應用PCL（Point Cloud Library）開發平臺進行驗證。

圖3.1為配準前第一個（左）Kinect傳感器采集的模型點云圖像，圖3.2為配準前第二個（右）Kinect傳感器采集的點云圖像。圖3.1和圖3.2的點云數據經過ICP算法的配準處理后，輸出圖像如圖3.3和圖3.4所示，其中圖3.3為配準處理后輸出圖形，而圖3.4是在圖3.3的基礎上為顯示配準后的三維效果手動旋轉某一角度后所得圖像，由配準后圖像可知配準結果相對較為理想，達到了預期目的。

5 結語

實驗結果表明，對兩個Kinect傳感器經過棋格盤定標后，可以實現雙Kinect傳感器采集圖像并實現兩個傳感器所采集圖像的配準，為將來多傳感器的標定和配準打下基礎。并為大型工件與復雜環境的三維重構提供了一種新的路徑，即采用雙傳感器或多傳感器聯合實現快速而準確的三維重構。

（通訊作者：郭會娟）

參考文獻

[1]劉鑫，許華榮，胡占義.基于GPU和Kinect的快速物體重建[J].自動化學報，2012（08）.

[2]楊現輝，王惠南.ICP算法在3D點云配準中的應用研究[J].計算機仿真，2010（08）.

作者單位

1.南華大學機械工程學院 湖南省衡陽市 421001

2.黃河科技學院工學院 河南省鄭州市 450000endprint