基于標(biāo)志點(diǎn)匹配算法的研究

劉星明，王輝靜，蔡鐵，桂榮枝，唐琪

（深圳信息職業(yè)技術(shù)學(xué)院 計(jì)算機(jī)學(xué)院，廣東 深圳 518172）

引言

復(fù)雜曲面的三維建模與檢測(cè)技術(shù)目前已廣泛應(yīng)用于工業(yè)制造、目標(biāo)測(cè)量、文物保護(hù)、虛擬現(xiàn)實(shí)以及工業(yè)過程控制等領(lǐng)域[1-4]。該測(cè)量技術(shù)不需要接觸物體即可以實(shí)現(xiàn)對(duì)物體的三維形貌進(jìn)行檢測(cè)和測(cè)量，不會(huì)對(duì)目標(biāo)物體造成任何破壞性損壞和傷害，具有成像速度快、精度高、易操作等優(yōu)點(diǎn)[5,6]，具有傳統(tǒng)技術(shù)（如指針式三維測(cè)量?jī)x，通過指針接觸探測(cè)物體，可能對(duì)被測(cè)物體造成損壞）無法比擬的優(yōu)點(diǎn)，是一項(xiàng)無損檢測(cè)。由于受采集設(shè)備測(cè)量范圍和采集視場(chǎng)的限制，通常在一個(gè)視場(chǎng)下采集設(shè)備不能實(shí)現(xiàn)目標(biāo)物體全部數(shù)據(jù)的采集，只能獲取部分三維點(diǎn)云數(shù)據(jù)，這就需要在不同視場(chǎng)下對(duì)目標(biāo)物體數(shù)據(jù)進(jìn)行采集，然后把各個(gè)局部坐標(biāo)采集的數(shù)據(jù)統(tǒng)一到同一世界坐標(biāo)系下，實(shí)現(xiàn)目標(biāo)物體深度像的匹配[7,8]。常用的方法是把采集裝置固定在機(jī)械設(shè)備上（如機(jī)械臂）或把物體放在旋轉(zhuǎn)體上[9,10]，在不同視場(chǎng)對(duì)目標(biāo)物體進(jìn)行深度數(shù)據(jù)的采集，然后通過坐標(biāo)變換統(tǒng)一到全局坐標(biāo)系下，建立目標(biāo)物體的完整數(shù)據(jù)模型。通過控制機(jī)械設(shè)備能實(shí)現(xiàn)物體的精確數(shù)據(jù)匹配，通常其成本高，導(dǎo)致其應(yīng)用范圍受到限制。此外，如果把目標(biāo)物體放在旋轉(zhuǎn)體上進(jìn)行目標(biāo)數(shù)據(jù)采集，該方法對(duì)球形或?qū)ΨQ的目標(biāo)物體建模通常無法完成精確的匹配。此外，通過人工標(biāo)志點(diǎn)進(jìn)行深度數(shù)據(jù)的匹配也是一種常見的匹配算法，算法需要在目標(biāo)物體表面或周圍粘貼人工標(biāo)志點(diǎn)[11-13]，該方法簡(jiǎn)便且有效，在工業(yè)測(cè)量和檢測(cè)中經(jīng)常用到，適合任何曲率和形狀的目標(biāo)物體，是應(yīng)用最為廣泛的一種三維建模方法。

基于標(biāo)志點(diǎn)的深度像匹配通常有兩種：編碼標(biāo)志點(diǎn)和非編碼標(biāo)志點(diǎn)匹配[14,15]。本文提出一種基于非編碼標(biāo)志點(diǎn)的深度像自動(dòng)匹配算法，該算法利用非編碼標(biāo)志點(diǎn)實(shí)現(xiàn)了復(fù)雜曲面的自動(dòng)深度數(shù)據(jù)匹配，在標(biāo)志點(diǎn)匹配算法中構(gòu)建了多視角網(wǎng)絡(luò)匹配算法，利用光速平差算法進(jìn)行全局優(yōu)化，減少三維數(shù)據(jù)全局匹配的累積誤差，實(shí)現(xiàn)深度數(shù)據(jù)的高精度匹配。本文的主要貢獻(xiàn)是提出一種實(shí)現(xiàn)目標(biāo)物體全自動(dòng)三維建模方法，減少了過程中的人工干預(yù)，提高了數(shù)據(jù)的采集效率。與文獻(xiàn)[15]相比，本文不僅實(shí)現(xiàn)了幾何形狀的建模，而且對(duì)物體表面的紋理色彩屬性進(jìn)行了恢復(fù)，且對(duì)人工標(biāo)志點(diǎn)遮擋區(qū)域的紋理進(jìn)行復(fù)原，實(shí)現(xiàn)了目標(biāo)物體的真實(shí)感三維重建，在虛擬現(xiàn)實(shí)、人機(jī)交互等方面具有重要的應(yīng)用。此外，本文利用優(yōu)化算法對(duì)過程中產(chǎn)生的累積誤差進(jìn)行全局優(yōu)化，對(duì)過程中由于噪聲、相機(jī)畸變、數(shù)據(jù)匹配、融合等建模過程中產(chǎn)生的誤差進(jìn)行優(yōu)化，提高了目標(biāo)物體的重建精度。最后，用實(shí)際采集的實(shí)驗(yàn)數(shù)據(jù)結(jié)果驗(yàn)證了該算法的魯棒性和有效性。

1 標(biāo)志點(diǎn)的定位

實(shí)驗(yàn)把人工標(biāo)志點(diǎn)粘貼在目標(biāo)物體表面進(jìn)行數(shù)據(jù)采集，利用標(biāo)志點(diǎn)建立目標(biāo)物體的空間數(shù)據(jù)模型。在數(shù)據(jù)采集過程中，對(duì)人工標(biāo)志點(diǎn)的提取精度直接影響到數(shù)據(jù)采集和最終目標(biāo)模型的精度。本文采用帶有黑色外圓的圓形作為標(biāo)志點(diǎn)（見圖1a），并設(shè)有帶反光和不帶反光的兩類模式，帶反光的標(biāo)志點(diǎn)應(yīng)用在采集視場(chǎng)環(huán)境較暗的情況下，標(biāo)志點(diǎn)容易識(shí)別，如果采集環(huán)境比較充足，則用普通標(biāo)志點(diǎn)就可以滿足。采用圓形標(biāo)志點(diǎn)有以下幾方面的優(yōu)點(diǎn)：（1）圓形標(biāo)志點(diǎn)制作比較方便，且圓形標(biāo)志點(diǎn)的識(shí)別方法成熟，可以通過算法實(shí)現(xiàn)亞像素級(jí)別的精確定位；（2）黑白標(biāo)志點(diǎn)對(duì)比度高，易利用算法進(jìn)行自動(dòng)圖像分割處理；（3）圓形標(biāo)志點(diǎn)的中心定位算法較為普遍，算法定位精度高。

2.1 標(biāo)志點(diǎn)的自動(dòng)識(shí)別

標(biāo)志點(diǎn)通常粘貼在被測(cè)目標(biāo)物體的表面上，標(biāo)志點(diǎn)匹配就是通過識(shí)別物體上的標(biāo)志點(diǎn)進(jìn)行深度像匹配，調(diào)整局部坐標(biāo)數(shù)據(jù)到全局坐標(biāo)系下，建立目標(biāo)物體的數(shù)據(jù)模型。在實(shí)際應(yīng)用中，工作場(chǎng)景復(fù)雜以及光照環(huán)境難以預(yù)測(cè)，采集的原始圖像存在噪聲和其他干擾，導(dǎo)致對(duì)標(biāo)志點(diǎn)的識(shí)別復(fù)雜化。因此，通常先對(duì)采集的圖像進(jìn)行預(yù)處理，然后再對(duì)標(biāo)志點(diǎn)進(jìn)行擬合和檢測(cè)，提取標(biāo)志點(diǎn)圓心坐標(biāo)。

對(duì)標(biāo)志點(diǎn)的擬合用橢圓曲線進(jìn)行表示，橢圓的一般表現(xiàn)形式為：

利用上述方程對(duì)邊界離散點(diǎn)進(jìn)行最小二乘法求取圓心，取其平方得：

對(duì)上式分別對(duì)參數(shù)B,C,D,E,F求偏導(dǎo)，并令偏導(dǎo)方程為零，求解標(biāo)志點(diǎn)的圓心坐標(biāo)為：

求解標(biāo)志點(diǎn)圓心定位的主要步驟概括為：

(1)對(duì)采集的原始標(biāo)志點(diǎn)圖像進(jìn)行自適應(yīng)高斯濾波處理，抑制圖像的噪聲干擾。

(2)采用Canny算法對(duì)標(biāo)志點(diǎn)進(jìn)行邊緣提取，根據(jù)目標(biāo)點(diǎn)的尺寸、特征、以及灰度等特征變化提取目標(biāo)點(diǎn)的輪廓。

(3)利用最小二乘法對(duì)輪廓特征進(jìn)行橢圓擬合，進(jìn)而通過橢圓的擬合獲得標(biāo)志點(diǎn)中心的精確定位。

本文采用Canny對(duì)標(biāo)志點(diǎn)進(jìn)行邊緣檢測(cè)，該算法對(duì)邊緣檢測(cè)識(shí)別率高，尤其對(duì)弱邊緣具有較高的識(shí)別度，檢測(cè)的結(jié)果也具有較好的連通性和密閉性，檢測(cè)的計(jì)算復(fù)雜度較高，算法耗費(fèi)時(shí)間較長(zhǎng)。圖1b為采用Canny邊緣檢測(cè)的結(jié)果。

圖1 標(biāo)志點(diǎn)的檢測(cè)與識(shí)別。(a)粘貼在被測(cè)目標(biāo)物體的標(biāo)志點(diǎn)；(b)利用Canny算法對(duì)標(biāo)志點(diǎn)進(jìn)行檢測(cè)。Fig.1 Marker points detection and identification. (a): the marker points are pasted on the target object; (b): used the cannyalgorithm to detect the marker points.

2.2 標(biāo)志點(diǎn)的自動(dòng)匹配

實(shí)驗(yàn)用結(jié)構(gòu)光掃描設(shè)備對(duì)標(biāo)志點(diǎn)的邊緣進(jìn)行提取，進(jìn)而求解標(biāo)志點(diǎn)的圓心坐標(biāo)。實(shí)驗(yàn)采用的是非編碼標(biāo)志點(diǎn)，非編碼標(biāo)志點(diǎn)制作簡(jiǎn)單，但非編碼標(biāo)志點(diǎn)的形狀是一樣的，從外觀上不能對(duì)標(biāo)志點(diǎn)進(jìn)行編號(hào)或區(qū)分。因此，通過檢測(cè)目標(biāo)物體表面標(biāo)志點(diǎn)與相鄰標(biāo)志點(diǎn)的距離，對(duì)每個(gè)標(biāo)志點(diǎn)進(jìn)行標(biāo)識(shí)。然后再通過局部采集標(biāo)系下標(biāo)志點(diǎn)坐標(biāo)與全局標(biāo)志點(diǎn)坐標(biāo)系之間的對(duì)應(yīng)關(guān)系，解得局部掃描視場(chǎng)坐標(biāo)系和全局坐標(biāo)系之間的變換關(guān)系。坐標(biāo)系之間的變換為剛體變換，可用3x3的旋轉(zhuǎn)矩陣R和3x1的平移矩陣t來描述。

假設(shè)S1和S2為對(duì)應(yīng)的標(biāo)志點(diǎn)集合，如何尋找坐標(biāo)系之間的最佳變換h(R,t)，統(tǒng)一局部采集的坐標(biāo)系到全局坐標(biāo)系下，構(gòu)建目標(biāo)物體的完整數(shù)據(jù)模型。假設(shè)給定標(biāo)志點(diǎn)坐標(biāo)點(diǎn)集分別為，pi，pi′為3x1的列向量，i=1,2,3…,N，這里N≥3（點(diǎn)云之間的變換至少需要3個(gè)點(diǎn)對(duì)），則局部坐標(biāo)系之間的變換關(guān)系可以表示為：

這里，R,T分別為3x3的旋轉(zhuǎn)矩陣和3x1的平移向量，Ni為受噪聲等因素影響的誤差。根據(jù)給定的N個(gè)點(diǎn)對(duì)，求解R、T以下目標(biāo)函數(shù)：

因此，式（5）的最小二乘法化簡(jiǎn)為對(duì)式（9）的求解，通過SVD分解，得到旋轉(zhuǎn)矩陣R。

坐標(biāo)變換的平移矩陣T則通過以下計(jì)算得到

3 光束平差優(yōu)化

采集的深度像匹配到全局坐標(biāo)系的過程中由于噪聲、相機(jī)畸變等原因，會(huì)有誤差產(chǎn)生，而數(shù)據(jù)匹配、融合等建模過程中也會(huì)有誤差產(chǎn)生，且過程的誤差會(huì)有累積誤差的影響，使誤差的不確定性加大。為此，本文利用光束平差算法對(duì)全局誤差進(jìn)行優(yōu)化，減少系統(tǒng)全局匹配誤差。

4 實(shí)驗(yàn)及結(jié)果分析

本文的實(shí)驗(yàn)掃描系統(tǒng)為實(shí)驗(yàn)室研制的掃描系統(tǒng)，系統(tǒng)由2個(gè)CCD相機(jī)（DH-HV1303UM, DHHV3103UC，分辨率為1280x1024）和1個(gè)投影儀（OPTOMA，分辨率為1280x800），以及研發(fā)的掃描軟件系統(tǒng)組成，見圖2，系統(tǒng)采用Zhang[16]的標(biāo)定方法進(jìn)行標(biāo)定，確定掃描系統(tǒng)相機(jī)的參數(shù)（即主點(diǎn)、焦距、畸變系數(shù)等參數(shù)），系統(tǒng)的掃描視場(chǎng)為300x300x150mm，系統(tǒng)配套的計(jì)算機(jī)設(shè)備為Intel? Core(TM) i7-4500u CPU @1.8GHz, 2.4GHz 32位Windows操作系統(tǒng)，系統(tǒng)是基于結(jié)構(gòu)光的掃描系統(tǒng)，系統(tǒng)工作時(shí)，投影條紋光到被測(cè)量物體進(jìn)行數(shù)據(jù)采集，并利用粘貼在物體表面的標(biāo)志點(diǎn)進(jìn)行深度像匹配。

圖2 實(shí)驗(yàn)采集裝置圖Fig.2 The layout of the acquiring equipment

實(shí)驗(yàn)對(duì)汽車配件進(jìn)行三維幾何重建，配件表面具有不規(guī)則的幾何形狀，傳統(tǒng)的工具（如游標(biāo)卡尺）不方便或者不能夠?qū)崿F(xiàn)其精度的測(cè)量，而采用標(biāo)志點(diǎn)進(jìn)行三維建模，可以輕松地實(shí)現(xiàn)曲面的檢測(cè)和建模。實(shí)驗(yàn)首先在目標(biāo)物體上粘貼標(biāo)志點(diǎn)，然后利用實(shí)驗(yàn)室研制的采集設(shè)備進(jìn)行標(biāo)志點(diǎn)的檢測(cè)和數(shù)據(jù)采集（單視角采集的數(shù)據(jù)見圖3a,b，紅色圈注的為粘貼的標(biāo)志點(diǎn)），然后根據(jù)重疊區(qū)域的標(biāo)志點(diǎn)進(jìn)行匹配，統(tǒng)一局部采集的數(shù)據(jù)到同一坐標(biāo)系下，實(shí)現(xiàn)目標(biāo)物體的數(shù)據(jù)建模（實(shí)驗(yàn)采集的結(jié)果如圖3c）。實(shí)驗(yàn)過程中系統(tǒng)自動(dòng)對(duì)標(biāo)志點(diǎn)進(jìn)行識(shí)別、定位和匹配，不需要進(jìn)行任何的人工操作，操作簡(jiǎn)單、便捷，在工業(yè)測(cè)量和檢測(cè)中具有很大的應(yīng)用價(jià)值和前景。

圖3 實(shí)驗(yàn)結(jié)果。(a-b)局部坐標(biāo)系下采集的深度像數(shù)據(jù)；（c）標(biāo)志點(diǎn)配置的結(jié)果。Fig.3 The experimental results. (a-b) the acquired range image in local coordination system. (c) The results of the registration based on the marker points.

實(shí)驗(yàn)還對(duì)花瓶進(jìn)行曲面重建，目標(biāo)物體高約為35cm，直徑約為20cm，且結(jié)構(gòu)為相對(duì)對(duì)稱。傳統(tǒng)的匹配算法對(duì)拓?fù)浣Y(jié)構(gòu)為對(duì)稱的物體，由于其特征點(diǎn)不明顯很容易導(dǎo)致匹配錯(cuò)誤（深度像錯(cuò)配）。標(biāo)志點(diǎn)匹配算法則避免了該類問題的產(chǎn)生，算法通過粘貼在目標(biāo)物體的標(biāo)志點(diǎn)進(jìn)行坐標(biāo)定位并實(shí)現(xiàn)深度像匹配，建立物體的完整數(shù)據(jù)。在實(shí)際采集過程中，圍繞物體在8個(gè)不同的視角進(jìn)行數(shù)據(jù)采集（單視角采集的數(shù)據(jù)見圖4a），每個(gè)視角采集的數(shù)據(jù)坐標(biāo)都是建立在局部坐標(biāo)系下，不同視角采集的數(shù)據(jù)有重疊區(qū)域，實(shí)驗(yàn)通過重疊區(qū)域的標(biāo)志點(diǎn)進(jìn)行匹配（圖4b,c為兩視角采集數(shù)據(jù)匹配的結(jié)果），統(tǒng)一局部采集的數(shù)據(jù)到全局坐標(biāo)系下，并通過融合祛除重疊區(qū)域的冗余數(shù)據(jù)，得到物體的完整數(shù)據(jù)和拓?fù)溥B接關(guān)系，實(shí)驗(yàn)結(jié)果見圖4。從實(shí)驗(yàn)結(jié)果可以看出，利用標(biāo)志點(diǎn)進(jìn)行匹配，可以很方便地實(shí)現(xiàn)曲面的三維重建，且該算法不受曲面結(jié)構(gòu)或形狀的限制。

圖4 實(shí)驗(yàn)結(jié)果。 (a)在局部坐標(biāo)系下采集的單視角深度數(shù)據(jù)； （b）通過重疊區(qū)域的標(biāo)志點(diǎn)進(jìn)行兩兩匹配，得到的局部匹配結(jié)果圖。（c-d）匹配結(jié)果的不同視角截圖，在結(jié)果表面存有標(biāo)志點(diǎn)遮擋了物體部分表面紋理。Fig.4 The experimental results. (a) The acquired range images in the local coordination system; (b) The registration results based on the marker points of the overlapping regions. (c-d) the views of the registration results, and parts of texture are blocked by the marker points.

利用標(biāo)志點(diǎn)進(jìn)行匹配，由于標(biāo)準(zhǔn)點(diǎn)粘貼在目標(biāo)物體的表面，進(jìn)而導(dǎo)致模型表面部分紋理的損失（圖5a），實(shí)驗(yàn)通過標(biāo)志點(diǎn)周圍的顏色對(duì)覆蓋的顏色進(jìn)行泊松融合，對(duì)遮擋的紋理進(jìn)行了表面恢復(fù)。相比傳統(tǒng)的線性插值紋理恢復(fù)方法[4]，該方法更有效地保證了遮擋區(qū)域的紋理與周圍紋理的一致性。實(shí)驗(yàn)通過對(duì)遮擋區(qū)域紋理的梯度紋理進(jìn)行了分析，也驗(yàn)證了泊松紋理恢復(fù)比線性插值效果更好。遮擋區(qū)域紋理恢復(fù)實(shí)驗(yàn)結(jié)果見圖5，該方法保證了被遮擋區(qū)域紋理的連續(xù)性，從而拓展了在虛擬現(xiàn)實(shí)、影視藝術(shù)以及虛擬博物館等領(lǐng)域的應(yīng)用。

圖5 紋理修復(fù)，紋理修復(fù)前(a)和修復(fù)后(b)的效果對(duì)比。Fig.5 The texture restoration, comparison of results before (a) and after (b) texture restoration.

為了對(duì)標(biāo)志點(diǎn)匹配的精度進(jìn)行評(píng)估，實(shí)驗(yàn)對(duì)局部坐標(biāo)系下采集的兩視角深度數(shù)據(jù)進(jìn)行匹配，并用匹配之后標(biāo)志點(diǎn)對(duì)的距離來衡量匹配誤差。因?yàn)闃?biāo)志點(diǎn)在目標(biāo)物體重疊區(qū)域的分布基本上呈區(qū)域分布（如圖6，標(biāo)志點(diǎn)分布并不是集中在某一小塊區(qū)域），故標(biāo)志點(diǎn)的距離在一定程度上反映了標(biāo)志點(diǎn)匹配的精度。表1為標(biāo)準(zhǔn)點(diǎn)對(duì)的匹配誤差距離，從表中可以看出，利用光束平差優(yōu)化算法可以使累積的誤差進(jìn)行誤差優(yōu)化，提高了算法的匹配精度，優(yōu)化后標(biāo)志點(diǎn)匹配誤差約為0.04mm。實(shí)驗(yàn)結(jié)果表明，標(biāo)志點(diǎn)匹配能實(shí)現(xiàn)高精度深度像匹配，且該方法操作簡(jiǎn)單，過程中不需要人工進(jìn)行干預(yù)，適合實(shí)際工程的應(yīng)用。

表1 標(biāo)志點(diǎn)對(duì)的匹配誤差Tab.1 The matching error of marker points pairs.

為了驗(yàn)證算法的穩(wěn)定性和可靠性，實(shí)驗(yàn)對(duì)具有復(fù)雜結(jié)果的人物結(jié)構(gòu)物體進(jìn)行幾何結(jié)構(gòu)和表面紋理屬性的恢復(fù)，人物結(jié)構(gòu)的高和寬分別約為15cm和7cm，人物的頭部具有頭發(fā)和飾品等復(fù)雜形結(jié)構(gòu)，增加了三維重構(gòu)物體的難度。復(fù)雜形狀結(jié)構(gòu)的物體表面的數(shù)據(jù)融合也是一個(gè)比較難解決的問題，利用傳統(tǒng)的權(quán)重融合，往往在三維物體表面會(huì)有空洞現(xiàn)象發(fā)生，因此，實(shí)驗(yàn)采用梯度融合算法，對(duì)三維模型表面的重疊數(shù)據(jù)進(jìn)行數(shù)據(jù)融合處理，構(gòu)造完整的三維模型。

實(shí)驗(yàn)利用實(shí)驗(yàn)自制的掃描儀（見圖2），并采用投影標(biāo)準(zhǔn)點(diǎn)到目標(biāo)物體，物體放在轉(zhuǎn)臺(tái)上從8個(gè)不同的方向進(jìn)行數(shù)據(jù)的采集(CCD相機(jī)DH-HV1303UM, DH-HV3103UC，分辨率為1280x1024）,單視角采集的三維數(shù)據(jù)約為3.5M，含約40,000～60,000的點(diǎn)坐標(biāo)和80,000～100,000的三角面片。為了得到完整的目標(biāo)物體，局部坐標(biāo)下采集的數(shù)據(jù)需要配準(zhǔn)到同一世界坐標(biāo)系下，建立物體的完整幾何數(shù)據(jù)，即進(jìn)行深度像配準(zhǔn)操作，實(shí)驗(yàn)結(jié)果見圖7。

圖7 實(shí)驗(yàn)結(jié)果。(a,b)采集的局部深度數(shù)據(jù)；（c,d）配準(zhǔn)局部數(shù)據(jù)到全局坐標(biāo)系，建立物體的完整數(shù)據(jù)。Fig.7 The experimental results. (a,b) the acquired range images in the local coordination system; (c,d)register local data to a common coordinate system to establish the complete data of the object.

重疊區(qū)域的冗余數(shù)據(jù)需要進(jìn)行合并和優(yōu)化處理，即數(shù)據(jù)的融合處理，本文利用如文獻(xiàn)[5]的方法進(jìn)行數(shù)據(jù)融合處理，實(shí)驗(yàn)結(jié)果見圖8。實(shí)驗(yàn)還對(duì)數(shù)據(jù)融合效果進(jìn)行了分析，實(shí)驗(yàn)結(jié)果見圖9。從實(shí)驗(yàn)結(jié)果可以看出，數(shù)據(jù)融合消除了冗余數(shù)據(jù)，同時(shí)減少了誤差，提高了系統(tǒng)精度。

圖8 數(shù)據(jù)融合處理，消除重疊區(qū)域的冗余數(shù)據(jù)。Fig.8 The data fusion processing to eliminate the redundant data in the overlapping regions.

圖9 數(shù)據(jù)的處理，融合處理前重疊區(qū)域有多層冗余的數(shù)據(jù)（a），和對(duì)重疊區(qū)域的數(shù)據(jù)進(jìn)行融合處理后(b）,細(xì)節(jié)對(duì)比見紅色標(biāo)注部分。Fig.9 The data processing. (a) there has redundant data exists, (b)the redundant data is eliminated, and the detials are compared(in red mark).

5 結(jié)語

本文基于結(jié)構(gòu)光對(duì)目標(biāo)物體進(jìn)行掃描，利用在被測(cè)物體表面粘貼標(biāo)志點(diǎn)進(jìn)行標(biāo)志點(diǎn)識(shí)別、提取和坐標(biāo)定位，實(shí)現(xiàn)局部坐標(biāo)系到全局坐標(biāo)系的深度像匹配，重建目標(biāo)物體的三維幾何模型，該掃描全過程不需要進(jìn)行人工操作，算法操作簡(jiǎn)單且有效。但對(duì)于精密的設(shè)備或文物來說，由于不允許在目標(biāo)物體上粘貼標(biāo)志點(diǎn)，該算法具有局限性，對(duì)于該類物體的三維幾何重建，以及表面特殊屬性（如反光材質(zhì)）物體的重建，將是下一步研究的內(nèi)容。