点云与CAD模型配准预处理技术的研究

点云与CAD模型配准预处理技术的研究
作者：樊龙欣曲学军韩宁李海固
来源：《数字技术与应用》2013年第11期
摘要：文章提出了点云数据与CAD模型配准的三个预处理步骤：点云噪声过滤， CAD 模型点云化和数据重采样。

采用张量投票算法对原始点云数据过滤噪声，选用STL格式将CAD模型离散为点云格式，在CAD模型点云化和点云噪声过滤后，基于八叉树数据对两个数据集进行重采样，获得一个通用的解决方案。

实验结果验证了文中算法的有效性。

关键词：CAD模型点云配准预处理
中图分类号：TP391 文献标识码：A 文章编号：1007-9416（2013）11-0066-01
1 引言
在复杂型面数字化检测中，由于测量坐标系与CAD模型设计坐标系不归一，在计算三维测量数据与CAD模型之间的差别之前必须首先矫正两者在位置和方向上的差异，这个解决坐标系差异的过程称为配准（registration）。

配准是数字化检测系统的核心和难点理想，而配准过程的预处理步骤直接影响后续配准的精度和准确度。

在点云与CAD模型配准过程中，大量学者关于具体的配准步骤做了研究，而对于配准的预处理步骤却未予重点关注。

本文对配准预处理技术进行详细研究，提出三个预处理步骤：点云噪声过滤，CAD模型点云化和数据重采样。

第二节对各步骤详细解释，在第三节采用实验对提出理论进行验证，第四节给出了结论。

2 预处理过程
通过各种测量手段得到的点云数据，由于种种因素影响，会含有一定数量的噪声点，在配准前需要处理掉这些噪声点；另外，测量得到的3D数据通常是点云格式，而由CAD系统生成的三维CAD模型不是。

因此，本文提出一个将三维CAD模型转换为点云格式的转换过程；在点云降噪和CAD模型点云化步骤被执行后，两个数据集可能有不同的分辨率，存在于更密集数据集的点可能不存在于更稀疏采样集，这可能导致配准结果的准确性的降低，因为它很难使密集数据集的点从稀疏的数据集找到匹配点，因此，需要对两个数据集进行重采样过程。

本文提出的的预处理过程如下：
2.1 点云数据的降噪
在扫描获得点云数据的过程中，受设备精度及外界环境还有工件表面质量等因素的影响，获得的点云数据难免会含有无关的噪声点。

这些点如不去除，将会影响点云数据后续操作的质量。

张量投票算法能够区分在目标对象的表面上的点和被孤立在表面外的点。

这种区别是由一个显著衰减函数通过检查每个点之间的关系及其附近区域实现。

本文采用张量投票算法降低噪声，它已被证明是一个强大的方法。

2.2 CAD模型点云化
目前，大多数用于创建实体模的CAD软件允许用户导出许多不同的标准文件格式，如DWG，DXF，DGN，IGES，RVT或STL等。

其中STL文件格式应用广泛，普遍应用于各大CAD系统之间或CAD系统与其它系统之间的数据传递。

STL格式文件存储了三角面片形式的模型的几何信息，其存储的每个三角面片信息包括构成每个三角面片3个顶点的坐标以及它所在平面的法矢向量和。

在STL文件中，目标对象的每个表面是由表面上三个非共线的顶点的三维坐标和曲面外法线的方向表示的。

通过使用这三个顶点生成一组均匀间隔的3D点，CAD 模型被表示成点云格式。

为了把3D CAD模型表示为点云格式，本文选择3D CAD模型用STL 文件格式导出，这是一个开放的文件格式。

2.3 数据重采样
在CAD模型点云化和点云噪声过滤后，本文采用基于八叉树数据进行重采样来获得两个数据集的一个通用的解决方案。

基于八叉树的数据重采样过程是四重的。

首先，包括所有的3D数据点的最小的边界立方体变成一个根节点。

然后这个立方体被分为8个子八分圆，有一个正规的2×2×2的形式。

包含3D数据的子八分圆称为一个内部节点，而不包含3D数据的子八分圆称为一个叶节点。

一个叶节点不能进一步细分，因为它不包含任何3D数据点。

八分圆的内部节点的多维数据集的长度短于一个预先指定的阈值时，内部节点不再细分。

最后，不能细分的子八分圆的多维数据集的中心位置的点被提取出来。

其结果是中央点的集合具有均匀的分辨率。

3 试验结果
为了验证本文方法的有效性，以VC++6.0为平台编程实现了上述方法，并以实验室的智慧女神头像（如图1）为例进行了验证。

试验中所用的测量点云是由ATOS光学扫描仪获取的，其数据点数为52046。

图2所示为预处理后的点云数据和CAD模型。

4 结语
预处理过程作为配准的前期工作，对最终配准结果的好坏起着重要的作用。

本文提出的配准预处理方法，经过实验验证了其合理性，为曲面配准预处理的研究提供了一种新思路。

参考文献
[1]M.Wand，A.Berner，M.Bokeloh，P.Jenke， A.Fleck， M. Hoffmann，B.Maier，
D.Staneker， A. Schilling，H.Seidel，Processing and interactive editing of huge point clouds from 3D scanners，Computers and Graphics 32（2）（2008）204-220.
[2]J.Y.Sim，S.U.Lee，C.S.Kim，Construction of regular 3D point clouds using octree partitioning and resampling，Proc.IEEE International Symposium on Circuits and Systems，Kobe，May 2005，pp.956-959.。