點雲注冊演算法

『壹』 點雲數據拼接後為什麼要進行全局注冊

因為點雲拼接，配准，注冊說的是同一個概念，就是把不同位置的點雲通過重疊部分的信息，變換到同一個位置。下面就用注冊這個名詞來描述這個過程。注冊一般分為三類：粗注冊，精細注冊和全局注冊。1、粗注冊：一般用於注冊兩個位置相差很大的點雲，比如兩幀位於相機坐標系的點雲。粗注冊方法大致分為兩類：有標記點粗注冊和無標記點粗注冊。標記點可以是用戶手動標記的，也可以是物體掃描時貼的標記點。無標記點注冊更加方便一些，但是對於一些比較對稱或者重合部分很少的情況，可能會有一些失誤的。另外還有一些根據設備的參數來計算粗注冊變換的方法。2、精細注冊：這里一般指ICP注冊方法。主要用於已經粗注冊好的點雲，需要提升注冊精度的情況。ICP可以加入標記點信息。因為眾所周知，一些滑動情況會導致ICP注冊失敗，但是如果數據本身有標記點的話，可以加入標記點信息來提升注冊的成功率。3、全局注冊：逐幀注冊的點雲數據，往往有累積誤差。全局注冊可以把累積誤差分散到每一幀中去，從而減少整體的注冊誤差。另外，有些時候所有點雲已經有了粗注冊了，可以應用全局注冊一次性把所有點雲注冊好。所以要進行全局注冊。

『貳』 scene點雲創建失敗

檢查您的項目是否可立即創建成項目點雲，還是已經創建了點雲。
您在創建項目點雲之前，應確保已成功處理並注冊您項目里的所有掃描。您已創建項目點雲後，能以SCENE的三維視圖打開項目，然後更新掃描數據。每個掃描項目只有一個項目點雲。可以想像，該文件可能非常大，因此請確保您的電腦硬碟有充足的可用空間。
項目點雲包含您的掃描項目內所有掃描的點。項目點雲的創建讓您能在同一個地方互動地查看並操縱所有掃描數據。如果您打算將您的掃描數據導出至其它應用程序，建議您使用項目點雲，這樣您的所有掃描數據就能一次性導出。

『叄』 標題 點雲數據三種採集方法的優缺點

格點采樣、均勻采樣、幾何采樣。
1.格點采樣：優點：效率非常高。采樣點分布比較均勻，但是均勻性沒有均價采樣高，可以通過格點的尺寸控制點間距。缺點：不能精確控制采樣點個數。
2.均勻采樣：優點：采樣點分布均勻。缺點：演算法時間復雜度有些高，因為每次采樣一個點，都要計算集合到集合之間的距離。
3.幾何采樣：優點：計算效率高，采樣點局部分布是均勻的，穩定性高：通過幾何特徵區域的劃分，使得采樣結果抗噪性更強。
點雲數據（point cloud data）是指在一個三維坐標系統中的一組向量的集合。掃描資料以點的形式記錄，每一個點包含有三維坐標，有些可能含有顏色信息（RGB）或反射強度信息。

『肆』 geomagic design x如何將實體變成點雲

geomagicstudio支持什麼格式的點雲數據然後可以通過另存為其他的格式。

最後在geomagic中進行一些處理，SW，可以導出點雲首先你要用3D測量儀，如proe，也可以導出三角面片stl格式，然後可以直接在geomagic中打開，和一些軟體介面，但前提是你的點雲數據是asc格式的，這個可以再CF中轉換UG，來獲取一個物體的點雲數據。

首先你要用3D測量儀，來獲取物體的點雲數據，然後可以直接在geomagic中打開，但前提是你的點雲數據是

asc格式的，這個可以再CF中轉換，最後在geomagic中進行一些處理，然後可以通過另存為其他的格式，和一些軟體介面，如proe，UG，SW，可以導出點雲，也可以導出三角面片。

簡介：

這只是一般的步驟， 對於處理結果要求不高的操作過程，高手請自行略過，也許Geomagic的版本不同，但操作一般都是一樣的順序， 操作步驟為Geomagic中工具欄的按鈕點擊順序。

導入點雲，刪除外部點，著色點，非連接項，刪除,全局注冊，聯合點對象，體外孤點，刪除，較保守的演算法，一般使用三次，提取孔等特徵，減噪音，統一采樣，封裝。

『伍』 如何對一片散亂點雲進行坐標變換

合並到一個統一的坐標系下,這就是點雲數據的配准,該相關技術在逆向工程、曲面質量檢測和虛擬現實等領域均有著廣泛的應用1
目前,解決不同點雲數據集配准問題的直接方法有在被測物體上貼固定球和使用高精度的旋轉工作台[1]1固定球會使部分物體不可見,一般應貼在相對較平坦的區域1流動式光學掃描儀Atos是在物體上或固定物體的工具上貼特製的圓形標簽,其作用相當於固定球1根據前後2個視角觀察的3個或3個以上不共線的公共標簽來對數據進行配准,利
用旋轉工作台可直接對測量數據進行配准,但是物體底部和下部的數據點是無法採集的1
在三維點雲數據的自動配准中,運用最為廣泛的是由Besl等提出的最近點迭代(iterativeclosestpoint,ICP)演算法[2]1但是ICP演算法要求2個匹配點
集中的一個點集是另外一個點集的子集,即2個點集之間存在著包含關系,當這個條件不滿足時,將影響ICP的收斂結果,產生錯誤的匹配1顯然,對於2個點雲數據之間的部分配准問題,這種包含關系是不存在的1另外,ICP演算法對2個點雲相對初始位置要求較高,點雲之間的的初始位置不能相差太大;否則,ICP的收斂方向是不確定的,因而配准結果也是不可靠的1
Chen[3]等運用2個曲面在法矢方向的距離來
代替某一點到其最近點的距離,並將其作為匹配的目標評價函數1這一設想最初是由Potmesil[4]於1983年提出的,在文獻[3]的工作中它被推廣為最
優加權的最小二乘方法1但文獻[3]的方法需要求解非線性最小二乘問題,速度較慢1Masuda等[5]對點集進行隨機采樣,用最小中值平方誤差作為度量准則,該方法在每一次迭代後都需要進行重新采樣1Johnson等
[6]
使用特徵提取策略去除沒有啟發信息
的平面點來提高配准速度,在點雲數據法矢變化連續、突變比較少的情況下,其速度沒有明顯的提高1文獻[728]通過引入參考點的方法來實現三維點雲數據的配准,這些參考點其實也是一種標簽點,需要在測量前貼在被測物體上1
本文提出了一種更為通用的空間散亂點雲的配准演算法,該演算法不需要在被測物體上附加任何參考點或標簽點,僅利用點雲數據自身所具有的幾何信息,對待配准散亂點雲的相對位置沒有要求,可以處在空間任意位置上;而且本文演算法能夠實現散亂點雲的部分配准和整體配准1
1 演算法概述
散亂點雲的整體配準是一個點雲數據與另一個
點雲數據進行整體的數據融合,而部分配準是將一個點雲數據的子集與另一個點雲或其子集進行數據融合1本文演算法的基本思想是首先估算出散亂點雲數據中每一個測點的法矢和曲率,並根據一個點集中每個測點的曲率來尋找其在另一個點集中的曲率相近點,所有的曲率相近點構成一系列點對1計算將每個點對的法矢方向映射為一致的三維空間變換,每個點對間所有可能的三維變換構建一個哈希列表,找出列表中使得最多數量的點對法矢一致的變換,該變換能夠將2個點雲數據進行粗略配准1將粗略配准後2個點雲的位置作為新的初始位置,用統計出的曲率相近點對作為初始的配准點對集合,運用ICP演算法對散亂點雲的初始配准結果做進一步地優化,從而實現散亂點雲的精確配准1
2 演算法原理及步驟
211 散亂點雲數據微分幾何特性估算
光學掃描設備採集到的點雲數據密度很高,存在大量的冗餘數據,嚴重影響後續演算法的效率,因此在對散亂點雲的微分幾何特性估算前,應先按照一定要求減少測量點的數量1
對簡化後的點雲數據進行空間劃分,並在點集中尋找每個測點的k2近鄰1設測點pi的k2近鄰且包括該點記為Nbhd(pi),為計算該點的法矢和曲率,借鑒文獻[9]的方法,採用參數二次曲面來逼近散亂數據點,設二次曲面的參數方程。

『陸』 鐵路和公路點雲法提取的差異

公路建立空間格網點雲存儲結構，利用網格內整體點雲的法向量特徵對其進行聚類和分割；鐵路首先對三維激光掃描儀的測距精度進行實驗分析，隨後基於隧道點雲數據，實現了對鐵路鋼軌、隧道橫斷面等隧道點雲特徵的快速提取。
結合結構化道路的點雲法向量分布特徵，提出了一種依據點雲法向量相似度的道路提取方法。首先，對原始點雲進行濾波處理，去除非地面點干擾；然後，對濾波後地面點雲採用主成分分析法估算出各激光腳點的局部法向量及曲率值；最後，依據點雲法向量相似度作為約束條件，採用改進的區域生長演算法分割出路面點雲。使用兩組不同場景下的車載點雲數據進行試驗，道路提取的完整率與准確率均在93%以上。試驗結果表明，該方法提取的道路精度與完整性受路面寬度，形狀的影響不大，適用於城鎮環境下的結構化道路提取。
公路橋梁跨度比較大，鐵路橋梁寬度比較小。荷載組成不同，公路橋梁以承擔恆載為主，鐵路橋梁活載大，動力效應明顯。

『柒』 點雲三維重建這個研究方向的前景怎麼樣除了要學C++,opengl,計算機圖興學外，還要學哪方面的內容

是三維激光掃描儀獲取的場景點雲數據吧，三維這塊挺好的，除了你說的那幾個重點之外，我建議你學習一些幾何演算法庫和場景渲染庫，比如：VTK、OSG、CGAL，另外專注點雲三維重建的一個開源庫PCL(網址是：http://pointclouds.org/)，期望對你有用，關於點雲重建這塊，歡迎交流

『捌』 求計算三維點雲中兩點之間的最短測地路徑的C++代碼

迪傑斯特拉

像這樣：
for(int i=1;i<=n;i++)
if (!in[i]&&d[minn]+dist[minn][i]<d[i])
{
d[i]=d[minn]+dist[minn][i];
path[i]=minn;
}
minn是一開始算出來距離最近的點，d為到各點的距離，dist[i][j]指的是第i個到第j個點之間的距離。
一開始初始path[i]=i;
最後調用函數
void printpath(int x)
{
if (x!=path[x])
printpath(path[x])
pritnf("%d ",x);
}

有不懂還可以問

『玖』 ICP演算法的三維點雲演算法

三維激光掃描技術的快速發展,使其在各個領域得到廣泛應用。由於物理上的一些限制,一次三維激光掃描不能獲取掃描物體的全部數據,因此要對掃描點雲進行拼接。首先,對最常用的ICP演算法進行一系列研究,ICP演算法的前提條件是具有一個良好的配准初值,文中在配准初值的選取上採用主成分分析法,為後續ICP演算法的工作提供一個良好前提條件,增加點集預處理,點對查找上增加各種限制,採用kd-tree加速查找,以此對演算法進行改進,並通過實例來驗證本演算法的有效性及合理性。