基于激光點云數據的三維運動圖像重構技術

沈 明,廖奕德

(廣東工業大學華立學院通識教育部,廣東 廣州 511325)

1 引 言

激光點云數據廣泛應用于激光成像雷達信息處理、非曲面目標檢測、三維立體攝影等領域[1-2]。在激光成像過程中,由于視點、遮擋等因素的影響,三維運動圖像數據是不完整的。因此,為了獲得更完整的三維運動圖像點云數據,通常需要進行多個廣角目標測量,并收集各個角度的激光點云數據,并將其拼接后統一到同一空間坐標系中,得到三維運動圖像點云圖。綜上分析可知,將該技術應用于三維運動圖像重構過程中,可以有效提高重構質量。

曾雯[3]等利用形態篩處理圖像、場景參數預估、拆分和紋理映射對復雜景觀三維場景進行重構,該方法沒有對點云數據進行去噪,導致數據中存在異常值,表明該方法在重構時有效性差,存在重構測量距離與實際距離誤差大的問題。王剛[4]等通過將虛擬現實技術和VRGIS理論技術相結合,構造出室內景觀圖,實現室內景觀重構,該方法在建立數學模型時沒有降低點云數據中的噪聲,導致數據粗差點過多,檢測點云數據數量大。羅寒[5]等提出融合激光掃描和多視圖影像的室內物體三維重構技術方法,該方法按照以往工程案例,基于分塊建模方法實現室內物體場景重構,但是該方法沒有解決激光點云數據中存在噪聲的問題,導致數據出現異常,檢測清晰度低。

為了解決上述方法中存在的問題,提出基于激光點云數據的三維運動圖像重構技術。考慮到運動圖像在重構過程中,利用三維激光掃描儀會獲取三維運動圖像的激光點云數據,因此首先對其進行預處理,包括幀間配準、數據集去噪,然后利用曲面重構法對三維運動圖像進行擬合重構,實現三維運動圖像重構,并通過實驗驗證了重構效果。

2 激光點云數據預處理

2.1 配準多幀激光點云數據

為了從三維激光掃描儀的運動圖像重構過程中的原始數據,采用迭代最近點算法(Iterative Closest Point,ICP)采集和配準圖像重構中的激光點云數據,在數據配準的過程中,ICP算法只能統一當前數據坐標中心,為了解決這一缺陷,需要在數據配準時和多幀激光點云數據建立相應關系。

(1)假設含激光點云數據集N層,每層激光點云數據集具有M幀,則三維運動圖像的每層激光點云數據集表示為:

式中,N表示三維運動圖像采集層數;M表示三維運動圖像每層幀數。

(1)

式中,R表示旋轉矩陣;t表示平移矩陣。

(2)

上述過程為尋找與當前點對應的最鄰近點,式中,ck(i)表示三維運動圖像鄰近點的最小誤差,在此基礎上計算新的變換矩陣,定義如下。

(3)

(5)將第K步的變換更新為:Rk=R*Rk-1,tk=t*tk-1。

防錯系統所需硬件均需適應流水線的生產，因此需根據裝配流水線的特點選擇合適的硬件，所有硬件均不能與現有流水線的硬件發生干涉。

2.2 激光點云數據集去噪

采用RANSAC隨機抽樣一致性算法選取原始激光點云數據中的有效數據[9],從中獲取有效模型,并消除粗差點或異常值,結合激光點云數據平面擬合方法對激光點云數據進行去噪,具體步驟如下所示:

(2)通過下述公式:

(4)

(3)選取一個閾值t,對di與t之間的關系進行判斷,若di>t,則為異常點；若di

(4)重復以上步驟,經過n次迭代后選擇最多一組的有效點點集,采用特征值法對這組點集進行平面擬合[10-11],計算出a,b,c參數,最終得到初始平面模型。

(5)通過(4)對點到平面的距離di進行計算。

(6)對距離di的標準偏差σ進行計算,用公式表達式定義如下:

(5)

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

(8)剩下多余的點就采用特征值法重新對a,b,c進行計算。

(9)將步驟(5)～(8)重復,當所有多余的點全部都在規定閾值內時,即di<2σ,這時粗差點已經完全消除,實現對激光點云數據的去噪。

3 構建三維運動圖像重構模型

通過對上述激光點云數據預處理后,采用曲面重構法[12]構建三維運動圖像模型。三維模型構建中最重要、最復雜的一部分就是曲面重構,利用適當的數學算法對分散的點云進行擬合,最終擬合成與真實物體相似形狀的模型。本文擬采用NURBS曲面重構法構建三維運動圖像模型。

K×L次的NURBS曲面定義為:

(6)

(7)

式(6)中,Vi,j表示控制頂點,一般表現為拓撲矩陣陣列;Wi,j表示權因子;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。公式(7)中,U和W則用u向和w向的節點矢量來描述。在曲面公式中NURBS公式表示一張曲面,但需要確認以下數據:Vi,j控制頂點、Wi,j(i=0,1,…,n;j=0,1,…,m)權因子、參數v的次數l和參數u的次數k,u向與w向的U、W節點矢量。

在此基礎上,本文采用插值法實現三維運動圖像曲面點云擬合,首先設置三維運動圖像曲面點云數據數量,然后通過最小二乘法實現曲面點云擬合,并從中獲取最短距離,最后判斷誤差情況。如果誤差小于最長距離,就繼續在曲面中添加數目,并重新擬合曲面,直至誤差處于允許值范圍內,最終形成三維運動圖像重構模型,如圖1所示。

圖1 三維運動圖像重構模型建模過程Fig.1 3D moving image reconstruction modeling process

4 實驗與分析

上述過程在理論上完成基于激光點云數據的三維運動圖像重構技術的研究,在此基礎上,通過實驗,驗證設計方法在實際中的應用效果。其實驗平臺為:Trane Split Koolman機組,型號為CGAK0605C。實驗選取如圖2所示的籃球運動圖像的點云數據作為實驗對象,其中包含了20369個數據點。分別采用基于激光點云數據的三維運動圖像重構技術(方法1)、基于微波光子的三維運動圖像重構技術(方法2)和基于虛擬現實的三維運動圖像重構技術(方法3)對上述模型進行重構實驗,對比重構效果以分析評估重構性能。

4.1 重構效果對比

選擇三種圖像重構方法進行對比測試,檢測結果如圖2所示。從圖2可知,此次方法重構后,方法1的測量圖像要優于方法2和方法3,與實際圖像基本一致,因為方法1降低了噪聲對激光點云數據的影響,避免了數據異常的問題,使其在獲取圖像時更加精準,進而提高了圖像清晰度。

圖2 測量圖像與實際圖像清晰度對比Fig.2 Comparison of measured image and actual image sharpness

4.2 激光點云數據數量對比

選擇五組三維運動圖像重構技術激光點云數據測量結果,對三種方法中的激光點云數據進行對比,激光點云數據越小,說明重構技術越高,具體測試如表1所示。

表1 激光點云數據數量對比Tab.1 Comparison of point cloud data quantity

由表1可知,在這五組測量結果中,方法1的激光點云數據數量最少,而方法3的激光點云數據數量最多,說明方法1的三維運動圖像重構技術高,因為方法1采用平面擬合方法減弱了激光點云數據中的噪聲,消除了激光點云數據中的粗差點,降低了激光點云數據的數量,增強了方法1三維運動圖像重構技術的實用性。

4.3 重合率對比

根據方法1、方法2和方法3的三維運動圖像重構測量距離與實際距離進行對比,由圖3可知,方法1的測量距離要低于方法2和方法3,與實際值的軌跡相近,因為方法1利用平面擬合方法對激光點云數據進行去噪,解決了激光點云數據中存在異常值的問題,使三維運動圖像重構技術更加有效,提高了圖像重構技術的精準度。

圖3 測量距離與實際距離對比Fig.3 Comparison between measured distance and actual distance

4.4 重構時間對比

為進一步驗證所研究方法的重構性能,在測試重構效果的基礎上測試本文方法與兩種對比方法的重構時長,得到重構時長對比結果如圖4所示。

圖4 重構時長對比結果Fig.4 Comparison results of reconstruction time

從圖4中可以看出,與兩種對比方法相比,本文方法在保證重構效果較好的前提下,重構時間相較于方法2和方法3更短,時間最高為0.1 s,這是由于所研究重構方法預處理了激光點云數據,在提高重構方法的質量的同時減少了重構時間。

4.5 重構準確率對比

統計采用三種方法在不同含量噪聲圖像中重構效果,對比結果如圖5所示。

圖5 重構準確率對比Fig.5 Comparison of reconstruction accuracy

圖5實驗結果可以看出,本文方法15～35 dB的噪聲圖像的重構準確率在95 %以上,采用兩種對比方法的重構準確率均低于85 %。本文方法對噪聲圖像的重構準確率明顯高于方法2和方法3,說明采用本文方法重構后的三維運動圖像具有較高的清晰度,可令圖像具有較高的去噪效果。

5 結束語

目前,三維運動圖像重構技術已走在多學科交叉研究領域的前端,但傳統的圖像重構技術仍具有很大的約束性,為了保證三維運動圖像重構技術能夠得到有效使用,提出基于激光點云數據的三維運動圖像重構技術。經調查發現,傳統三維運動圖像重構技術存在測量距離與實際距離相差大、激光點云數據數量多和測量圖像與實際圖像清晰度對比低等問題。針對上述問題,提出基于激光點云數據的三維運動圖像重構技術,通過對激光點云數據的采集,獲取激光點云數據坐標中心,再利用平面擬合方法對激光點云數據進行去噪,采用曲面重構法實現曲面模型擬合,完成對三維運動圖像的重構,提高了圖像重構技術的有效性及實用性,解決了傳統方法中存在的問題,為今后三維運動圖像重構技術奠定了重要基礎。