精品基于迭代最近点算法的地图拼接方法研究毕业论文设计.docx
《精品基于迭代最近点算法的地图拼接方法研究毕业论文设计.docx》由会员分享，可在线阅读，更多相关《精品基于迭代最近点算法的地图拼接方法研究毕业论文设计.docx（53页珍藏版）》请在冰豆网上搜索。
精品基于迭代最近点算法的地图拼接方法研究毕业论文设计
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
指导教师评价：
一、撰写（设计）过程
1、学生在论文（设计）过程中的治学态度、工作精神
□优□良□中□及格□不及格
2、学生掌握专业知识、技能的扎实程度
□优□良□中□及格□不及格
3、学生综合运用所学知识和专业技能分析和解决问题的能力
□优□良□中□及格□不及格
4、研究方法的科学性；技术线路的可行性；设计方案的合理性
□优□良□中□及格□不及格
5、完成毕业论文（设计）期间的出勤情况
□优□良□中□及格□不及格
二、论文（设计）质量
1、论文（设计）的整体结构是否符合撰写规范？
□优□良□中□及格□不及格
2、是否完成指定的论文（设计）任务（包括装订及附件）？
□优□良□中□及格□不及格
三、论文（设计）水平
1、论文（设计）的理论意义或对解决实际问题的指导意义
□优□良□中□及格□不及格
2、论文的观念是否有新意？
设计是否有创意？
□优□良□中□及格□不及格
3、论文（设计说明书）所体现的整体水平
□优□良□中□及格□不及格
建议成绩：
□优□良□中□及格□不及格
（在所选等级前的□内画“√”）
指导教师：
（签名）单位：
（盖章）
年月日
评阅教师评阅书
评阅教师评价：
一、论文（设计）质量
1、论文（设计）的整体结构是否符合撰写规范？
□优□良□中□及格□不及格
2、是否完成指定的论文（设计）任务（包括装订及附件）？
□优□良□中□及格□不及格
二、论文（设计）水平
1、论文（设计）的理论意义或对解决实际问题的指导意义
□优□良□中□及格□不及格
2、论文的观念是否有新意？
设计是否有创意？
□优□良□中□及格□不及格
3、论文（设计说明书）所体现的整体水平
□优□良□中□及格□不及格
建议成绩：
□优□良□中□及格□不及格
（在所选等级前的□内画“√”）
评阅教师：
（签名）单位：
（盖章）
年月日
教研室（或答辩小组）及教学系意见
教研室（或答辩小组）评价：
一、答辩过程
1、毕业论文（设计）的基本要点和见解的叙述情况
□优□良□中□及格□不及格
2、对答辩问题的反应、理解、表达情况
□优□良□中□及格□不及格
3、学生答辩过程中的精神状态
□优□良□中□及格□不及格
二、论文（设计）质量
1、论文（设计）的整体结构是否符合撰写规范？
□优□良□中□及格□不及格
2、是否完成指定的论文（设计）任务（包括装订及附件）？
□优□良□中□及格□不及格
三、论文（设计）水平
1、论文（设计）的理论意义或对解决实际问题的指导意义
□优□良□中□及格□不及格
2、论文的观念是否有新意？
设计是否有创意？
□优□良□中□及格□不及格
3、论文（设计说明书）所体现的整体水平
□优□良□中□及格□不及格
评定成绩：
□优□良□中□及格□不及格
（在所选等级前的□内画“√”）
教研室主任（或答辩小组组长）：
（签名）
年月日
教学系意见：
系主任：
（签名）
年月日
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据或点云数据还可进行各种后期处理，如测绘、计量、分析、仿真、模拟、展示、监测、虚拟现实等。
因而，将多个深度图像数据配准后建立三维的几何模型并进行后期处理已经成为当前一个重要的研究课题。
由上，图像配准技术在二维或者三维图像处理中的广泛的应用基础，可以看出它重要性和发展前景。
而本文将图像配准技术应用于地图拼接问题中，仅仅是一次牛刀小试。
但另一方面从应用后结果分析来看，也充分证明了图像配准技术的强大力量和广泛的应用价值。
图像配准的应用领域概括起来主要有如下4个方面：
（1）医学图像分析：
肿瘤检测，白内障检测，CT,MRI,PET图像结构信息融合，数字剪辑血管照造影术（DSA）等；
（2）遥感数据分析：
分类，定位和识别多谱段的场景信息，自然资源监控，核生长监控，市区增长监控等；
（3）模式识别：
目标物运动跟踪，序列图像分析，特征识别，签名检测等；
（4）计算机视觉：
目标定位，自动质量检测等。
图像配准技术在很多领域都有着广泛的应用，因此，今年来，它已成为图像处理技术研究的重点课题。
1.2国内外研究现状
点集配准问题最初产生于计算机视觉，计算机图形学和图像处理领域。
点集配准是图像配准问题的基础，因而对点集配准的研究得到了各界学者一致的重视和关注。
而本文所阐述到的刚体配准问题则是其他非刚体配准问题研究的基础和前提，所以在过去几十年里，人们对于刚体点集配准做了许多探索，取得了很大成就。
1.2.1图像配准的历史和研究现状
图像点集刚体配准技术最早出现在上世纪70年代，当时美国正在从事飞行器辅助导航系统，武器投射系统的末制导和寻地等应用研究，从研究这些问题中，一个不得不妥善解决的问题被广大的研究人员提出，它就是现在的图像配准问题的雏形。
该问题被提出后得到美国军方大力的支持和赞助，在经过而后长达二十多年的研究，最终科学家们在潘兴2式中程导弹及战斧式巡航导弹上完美的应用了图像配准技术，使弹着点平均圆半径误差达到小于10米左右的精确度，可谓是导弹命中率上至高的一个飞跃。
进入八十年代后，随着科学技术的发展，图像点集配准技术的研究深入到了更为广大的领域，如遥感图像处理，模式识别，自动导航，医学诊断，计算机视觉。
各个领域所研究的配准技术都针对各自特殊具体的应用环境，并结合自身领域的相关技术，而更为抽象统一的图像点集配准技术理论并未在科学的层次上被提出和理论建立。
直到70年代初，P.E.Anuta提出了使用FFT进行互相关图像检测计算的图像配准技术，以提高配准过程的收敛速度性能；D.LBarnea等提出了利用模板子图像差值相似性度量的图像配准技术，它比使用FFT计算互相关相似度量进行图像检测技算的图像配准方法更具高的性能；W.K.Pratt对图像配准的互相关技术进行了全面的研究；M.Svedlow等对图像配准的相似性度量和预处理方法进行了比较分析；H.Maitre等提出了基于自回归模型的动态程序设计方法用于几何畸变较大的图像配准；Flussr针对变形图像间的匹配又提出了一个自适应映射方法，自动地对两幅遥感图像进行分割，使得分割后两幅图像中相应子块间的相似性度很大，从这些子块的空间位置关系来对原来的两幅图像进行匹配。
在二十世纪八十年代初期，当时图像配准问题的研究方向主要为最基本的全局刚体配准算法，并且往往只针对某些特定形状的点集进行研究工作。
随后八十年代末期，对无需提取图像点集特征而直接进行配准的图像配准方法被广泛的提出和运用，但这还是限于某些特殊简单的情景。
例如，Schwartz和Sharir通过弧长抽样完成了曲线图像的配准问题，但是由于该方法受噪声影响很大而往往结果不尽如人意；Taubin提出了一种不需要提取图像特征就可以完成三维曲线和曲面的姿态估计的配准算法，但该算法在过于复杂的曲面上图像（如地形数据或者人脸数据等）上无能为力。
八十年代的点集刚体配准的算法，总结起来都是集中于对已知对应关系的点集求解最佳刚体变换，并且都是以欧氏空间中的最小平方准则作为相似性度量函数的。
直到二十世纪九十年代初，图像配准领域中的一个里程碑式的刚体配准算法被提出，它就是大名鼎鼎的刚体迭代最近点算，英文IterativeClosetPoint（简称ICP）。
它的提出，才标志点集刚体配准问题已成为一个历史。
由于ICP算法具有不需要提取点集的特征，不需要对数据进行预处理，具有收敛速度快而精度高的优点，因此它理所当然的成为了众多领域为人所熟知的图像配准算法。
在ICP算法被提出后的二十年内，大量学者从收敛速度和收敛性方面对ICP算法做了大量的理论研究和实验论证，因此更多的针对更为复杂现实情景中图像配准的变种ICP算法被提出。
这其中的例子数不胜数，例如，Fitzgibbon采用Levenberg-Marquardt算法加快ICP的收敛速度；Jost和Hugli用了一种由粗到精的搜索策略加快了ICP算法收敛速度；Ezra等分析了ICP算法的收敛速度问题，证明了刚体配准的时间复杂度与点集中点的个数间的相关性；更多学者研究了ICP算法局部收敛性，并倾心于扩大算法收敛域的问题。
正是由于对ICP算法收敛速度和局部收敛性的研究，解决部分对应点的配准问题的算法被提出了。
相对于全局点集的配准研究的比较成熟，解决方法多且较简单，相反，部分对应点集的配准问题还是一个难点热点问题，因此也是本文研究的重点。
相对国外，在国内图像配准技术起步相对较晚，但后来获得了很大发展。
李智等提出了基于轮廓相似性度量方式的图像配准方法，它适用于轮廓特征比较丰富的图像配准。
郭海涛等提出了一种将遗传算法（GeneticAlgorithm,简称GA）用于图像配准的算法。
王小睿等提出并实现了一种自动图像配准算法，用于图像的高精度配准，但实际上它是一种使用互相关函数作为相似性度量的半自动图像配准算法；熊兴华等提出了将遗传算法和最小二乘算法结合用于图像的子像素级配准算法
1.2.2刚体部分配准问题研究现状
在部分对应点集配准问题被提出后很长一段时间内，如何提高算法的精度成为了广大研究者共同以追寻的目标，由此而产生的各种优秀的部分配准算法大多数都是以经典的ICP算法为基础，然后通过引入现代科学的优化策略来实现的。
点集的部分配准问题主要涉及两类：
一是待配准点集和目标点集间存在部分数据丢失，即仅能够作部分点集的对应；另一是在各种各样的噪声干扰下产生了较大量的离群点，不稳定几何点，多余点的情景。
现在对部分配准问题的解决方法主要有：
1）几何方法
所谓几何方法，是指采用几何约束条件来排除点集配准中的噪声点和大量无信息点对的方法。
AtashaGelfand提出一种保证空间变换稳定性的点集提取方法，从而提高ICP算法的几何稳定性。
Rusinkiewicz和M.Levoy通过提取法向量方向均匀分布的点集作为配准点集，保证两个配准点集之间平移误差最小，进一步提高算法的精度。
YonghuaiLiu通过分析刚体移动的特性，引入几何约束条件来去除ICP算法中错误的匹配点。
为了进一步改进此算法，YonghuaiLiu又将刚体移动的几何规律与点集最邻近约束条件相结合，通过选择正确的匹配点对，再次提高ICP算法的精度和鲁棒性。
这类方法的几何约束条件经常需要根据具体的点集形状而定，因此适应性不是很强。
2）概率方法
通过建立概率模型来约束配准过程，进而提高算法的鲁棒性也是一类常见的方法。
Zinßer将对应点集的距离看做一种概率分布，计算其标准方差，迭代过程中排除距离大于该方差的点对。
HaitaoZhang通过提取深度图像信息，运用基于概率场的ICP算法进行深度图像配准。
BjomJensen在ICP算法中引入概率距离矩阵，该距离矩阵同时考虑到传感器噪音和待匹配目标位置的不确定性，从而可以有效排除异常点。
基于概率的方法配准含形状噪声的点集具有较强的鲁棒性，但是却不能有效解决具有大量离群点或者缺失数据的配准问题。
3）阈值度量方法
针对提高ICP算法鲁棒性这一问题，很多学者采用阈值度量方法在迭代过程中排除异常点的干扰，从而提高点集匹配的精度。
EmanueleTrucco在ICP算法中引入线性回归的和中值最小化的方法，在求解空间变换的过程中排除离群点的影响，从而得到更鲁棒的空间变化。
Dalley通过计算Schultz距离来设置阈值大小，排除点集中的噪声点。
Zhang则结合高斯概率分布规律，通过设定阈值来排除噪声点。
该类方法的缺点在于阈值或距离度量不好确定，配准算法往往受到点集形状的影响，导致收敛性不好。
4）由粗到精的方法
另外一些学者采用由粗到精的策略来提高缺失数据点集配准的鲁棒性。
Chen提出DARCES方法，该方法通过自动选取控制点的方式完成粗匹配，然后进一步细化，完成精匹配。
Rodriguez-Losada在细匹配之前，过滤掉和粗匹配结果差异过大的点对。
尽管这些方法能够一定程度上提高具有异常点的点集配准的鲁棒性，但是往往需要正确的初始化条件，否则在出现大量缺失数据时候，很容易陷入局部极值点，从而导致错误的配准结果。
在上面介绍到的所有用于解决点集刚体部分配准问题的方法中，大多数算法都存在对参数过于依赖弊端性，而且通常情况下需要待配准点集提供额外信息。
这些算法在实际问题解决中往往会出现配准精度不高，效率低下等缺点，简而言之结果并不尽如人意。
1.3本文研究内容及组织结构
1.3.1本文的研究内容
点集刚体配准作为图像配准的一项基础而关键的技术，它是计算机图形学，机器视觉和图像分析领域的一个关键问题和研究重点。
因此，本文对点集刚体配准问题，进一步点集部分刚体配准问题，都进行了概念和算法原理方面的详尽阐述，分析了点集刚体配准普遍存在存在的缺陷和难点。
最后一章中，本文将第三章阐述的以重叠百分比为基础的刚体部分配准算法应用到了二维地图拼接实例中，而且从实验结果的良好性充分证明了算法的优越性。
本文的具体研究内容如下：
1）研究仅有部分区域重叠的刚性图像的配准问题，提出一种快速鲁棒的刚体配准算法。
讨论了在有噪音和数据丢失的情况下，部分点集的配准问题。
为了解决这个问题，针对部分区域能够重叠情况，我们提出了一个新的目标函数，函数式中引入了重叠百分比r。
由此也产生了一种新型的鲁棒迭代最接近点（ICP）算法。
在此算法中，通过每步不断求解刚体变换，对应关系，重叠百分比，最终解决刚体部分配准问题。
这种新的算法使用尽可能多的点对，以求产生两个点集之间更可靠和准确的配准结果。
实验结果表明，此算法是比传统的ICP和目前国内最先进的算法更为可靠和高效。
2）给出基于迭代最近点的部分配准算法在地图拼接方法中的应用。
由于摄像机在不同时刻，不同位置角度进行摄像时，大多数情况下得到的地图图像将是不同的，然所谓的不同也不是完全的不同，它们可能存在某部分区域相同的情况。
为了从多个相机拍摄得到的地图图像拼接起来以得到一张大的信息量更多的图像，就需要一种技术能够将这些图像拼接起来。
而上面研究的刚体部分迭代最尽点算法刚好可以应用这个问题中来，于是本文中应用了这个算法，然后在matlab上写程序实现算法，模拟测试了两张地图的拼接过程和最终结果。
本文的组织结构：
第一章，绪论。
本章首先介绍图像点集配准的研究背景和意义，然后对点集配准问题进行描述并且分析其难点，接着介绍点集配准的研究现状，最后给出本文的研究内容和组织结构。
第二章，刚体迭代最近点算法。
本章首先给出了点集配准的概念，然后在此概念上阐述了刚体变换和相似性度量，接着给出了刚体配准的数学模型和流程框图。
在此基础上，本章详细的阐述了传统经典的ICP配准算法，即迭代最近点算法，并给出了该算法流程和每步的求解方法，最后对ICP算法收敛性进行了细微详尽的分析。
本章最后还展示了应用刚体迭代最近点算法，在matlab上配准两幅简单线条的黑白图片的实验结果，并对实验结果进行了初略分析，对结果中的不足提出疑问。
第三章，基于迭代最近点的部分配准算法。
本章首先提出了具有部分数据丢失的点集部分配准问题，然后建立基本的数学求解模型。
接着在此基础上，本章详细的阐述了一种采用重叠百分比的变种ICP配准算法，此算法可完美解决点集部分配准问题。
阐述过程中并给出了该算法的简要流程和具体步骤，以及每一步中要求解的数学表达式，更深一步的本文还对算法进行了理论上层次较高的算法分析。
最后实验结果和分析是在二维刚体情景中进行的，对不同图像情景在配准算法参数和循环次数已经配准时间上进行了列表展示和分析比较。
第四章，基于迭代最近点的地图拼接方法。
第五章，结论与展望。
在该章中对全文进行总结，并对下一步的工作进行展望。
2刚体迭代最近点算法
2.1刚体配准问题
刚体配准是图像配准问题中一类最为基础和简单的，很多其他的复杂高级的配准问题的解决之道都是在其基础上研究发展而得到的，所以对刚体配准问题的理解在本文后面的工作中至关重要。
谈到何谓刚体配准，首先我们要从点集配准的概念开始，因为点集配准是图像配准的一项关键技术，它是从计算机视觉、模式识别和图像处理的各个领域中抽象出来的一类重要的基础问题。
点集配准。
所谓点集配准就是寻求两个图像点集之间的一种几何变换，通过变换后能够使得一个图像点集中的每个点与另一个图像点集中的每个对应点能够达到空间上最佳的匹配。
对在不同时间、不同视角、不同成像模式等不同条件下获得的两幅图像（包括二维平面图像和三维深度图像）进行配准，就是要确定如何来度量或者说是考察两幅图像在空间上位置的差异，这可以是一个数学函数，在本文中我们姑且称其为相似性度量函数。
相似性度量函数目前已有多种，它一般都是某个距离的函数。
当前，点集配准中常用的距离度量有Euclidean距离、Mahalanobis距离、Hausdorff距离等。
由于本文仅涉及Euclidean距离，本文后面仅简要阐述了一下Euclieadn
升级会员 