基于改进ＩＣＰ算法的点云自动配准技术

2014年12月05日14:30:30 本网站我要评论(2)字号：T | T | T

摘　　　要：在零件的型面检测过程中，通常有数据采集、曲面重构、曲面配准和误差求取几个步骤。其中，曲面之间的配准是检测中关键的一环。针对传统的经典ＩＣＰ（ＩｔｅｒａｔｉｖｅＣｌｏｓｅｓｔＰｏｉｎｔ）算法在配准过程中受噪声干扰大、鲁棒性差的缺点，在应用点云主方向贴合的粗略配准基础上，以经典的ＩＣＰ算法为基础，提出了点云数据的欧氏距离阈值去噪和点云的方向矢量夹角阈值两种方法改进ＩＣＰ算法，并应用改进算法作为点云之间的精确配准算法。对于经过初始配准的点云数据使用欧氏距离阈值法剔除点云间点对的噪声，并经点云各点间的方向矢量夹角阈值进行对应点采样，提高了传统ＩＣＰ算法的效率和精度。经飞机和汽车零件点云配准实验验证，本算法的配准误差在±１μｍ内。算法具有设计简洁，响应快速的特点，有实际工作意义。

关　键　词：误差检测；点云配准；迭代较近点算法；逆向工程

１　引　言

现代工业生产领域中，日益精密的零件生产技术对生产过程的控制和误差检测提出越来越高的要求。尤其是在飞机、汽车等复杂系统中，零部件的精度对较终产品的完成有很大的影响。相对于传统误差检测的费时费力，利用计算机三维图形技术进行零件产品和设计模型之间的自动配准计算零件的生产误差，在效率方面有极大提高。零件的误差检测中，配准技术是其中的一项基础技术，是实现零件检测、模型评估的前提条件。目前，依赖于仪器的手动配准和外部标定配准研究较为成熟，但此类配准方法自动化程度较差，容易引入人为干扰。针对上述方法的缺点，零件曲面的自动配准研究越来越受到重视。

从配准效率和精度两方面考虑，本文采用主成分分析（ＰｒｉｎｃｉｐａｌＣｏｍｐｏｎｅｎｔＡｎａｌｙｓｉｓ，ＰＣＡ）算法进行粗略配准，快速得到两幅大致重合的点云。然后，利用经由阈值改进的ＩＣＰ算法进行点云数据的精确配准。经验证，本文算法在精度和效率上满足实际应用要求。

登录网站后可下载文件

基于改进ＩＣＰ算法的点云自动配准技术

相关阅读: