基于迭代近点算法的地图拼接方法研究

基于迭代近点算法的地图拼接方法研究

基于迭代最近点算法的地图拼接方法研究

毕业设计（论文）原创性声明和使用授权说明

原创性声明

本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。

作者签名：日期：

指导教师签名：日期：

使用授权说明

本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。

作者签名：日期：

学位论文原创性声明

本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。

作者签名：日期：年月日

学位论文版权使用授权书

本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。

涉密论文按学校规定处理。

作者签名：日期：年月日

导师签名：日期：年月日

指导教师评阅书

评阅教师评阅书

教研室（或答辩小组）及教学系意见

1 绪论

1.1 研究背景和意义

1.2 国内外研究现状

1.3本文研究内容及组织结构

2 刚体迭代最近点算法

2.1 刚体配准问题

2.2 迭代最近点算法

2.3 实验结果与分析

2.4 本章小结

3 基于迭代最近点的部分配准算法3.1 刚体部分配准问题

3.2 部分对应的迭代最近点算法

3.3 实验结果与分析

3.4 本章小结

4 基于迭代最近点的地图拼接方法4.1 地图拼接问题

4.2 基于ICP的地图拼接方法

4.3 实验结果与分析

4.4 本章小结

5 结论与展望

5.1 结论

5.2 展望

1 绪论

二十世纪以来，图像配准已逐渐成为图像处理，计算机视觉和计算机图形学等领域的研究重点和难点之一。点特征作为图像最为简单和常用的特征形式，被广泛地应用于图像配准过程中，因此图像点集配准是一项基础且非常重要的研究课题。所谓“图像点集配准”，就是寻求两个图像点集之间的一种几何变换，使得变换后的两幅图像点集在空间位置上达到一致。本文从介绍刚体配准问题出发，着重阐述基于迭代最近点算法的刚体部分配准问题，最后将此算法应用到地图拼接实例中。

1.1研究背景和意义

所谓图像配准就是将不同传感器不同时间、或不同气候、亮度、摄像角度下获取的两幅或多幅网格图像进行匹配，以求达到几何空间上一致的过程。如今，图像配准技术已经被广泛地应用

于各个领域，较为常见的领域有：计算机视觉、图像处理、遥感数据分析等。而传统意义上的匹配就是在一幅比较大的图像中搜寻与目标图像相同的部分，在已知该图中具有要找的目标图像的情况下。通过某种算法策略就可以在图中找到目标图像，确定其空间位置。利用较为简单和成熟的模板匹配可以在一幅图像中找到目标图像，例如抓拍到的一张射门的照片，而要在该照片中找到足球的位置，这时就可以采用模板匹配的方法。目前，在最为传统的ICP算法的基础上已经发展出了许多处理各种不同种类数据和问题的变种算法，大概上按照图像分类的不同，图像配准问题可分为三类：

第一类：获取图像时间和位置不一致，造成图像之间具有较为明显的错位。为了配准这类图像，可以采用空域的方法来去除这些差别.

第二类：获取图像环境条件的不同，这主要是由于光照或者天气条件不同而造成的差别，这样图像在亮度或局部上有所区别，但也有可能在空域中产生细微差别，例如透视变形.

第三类：图像的差别是由于目标的运动，生长或者其他景物的变化而引起的.

第二类和第三类图像之间差别并不是能够直接通过图像配准可以完全消除的，所以这给图像配准带来了极大的挑战。.

对于通常意义上图像配准技术，我么可以简单地把它总结为以下4点选择的组合体：

·特征空间

·搜索空间

·搜索策略

·相似度测量

特征空间指的是从图像中提取出来的用来匹配的信息；搜索空间则是指用来校准图像的图像变换集；搜索策略决定如何在这个空间中选择下一个变换，如何测试并搜索出最优的变换；相似度测量则决定了每一个配准测试中的相关特性.在图像配准中，特征空间、相似度测量、搜索空间以及搜索策略等的选择都会影响到最后配准的精确度。所有的图像配准方法都可以认为是这些选择的组合，这个框架对于我们理解现在存在的各种各样的配准方法的特点以及其之间的关系是相当有用的。

在较为简单二维图像配准过程中，图像特征一般被表示成点或线等几何特征，然后通过某个

算法策略来计算这些几何特征（通常是两个点集）之间最优的空间变换，从而使得图像能在空间几何上对应起来，这就达到了最终的配准。因此，如何提取图像特征和如何匹配这些特征是二维图像中，进行配准的两个关键前提技术。图像特征地提取在过去的几十年已经发展非常成熟，而最常用的特征提取方式是物体的边缘轮廓，角点，曲面交线，曲率不连续点等，在所有这些特征中，点是最为基础的，它同时也是曲线，曲面，立体等复杂特征的表示基础。因此二维图像配准问题归根到底可归结到二维点集配准这个更为简单直接明了的问题了，它是图像处理中最为基础的一个问题。

对于三维图像配准问题，现在已经是如火如荼。近年来伴随着逆向工程技术和三维扫描技术的飞速发展，三维图像配准问题已是一个不得不妥善解决的难题。如今的三维扫描技术已经相当发达，它可以深入到任何复杂的现场环境中进行扫描工作，然后直接将扫描得到的各种大型的、复杂的、不规则、非标准实景三维数据完整无误的存入到电脑中，进而快速重构出目标物体的三维模型。与此同时，三维扫描仪所扫描的三维数