基于特征点的秦俑断裂面匹配方法 下载: 959次
ing at the defects of fragmentation, low matching precision, and slow speed for Terracotta blocks matching, we propose a fracture surface matching method based on intrinsic shape signature (ISS) feature points. Firstly, the outer surfaces of blocks are segmented, and the fracture surfaces are extracted. Secondly, the ISS feature points of fracture surfaces are extracted, the feature sequences of feature points are calculated, and the fracture surfaces are matched based on feature sequences. Finally, an improved iterative closest point algorithm based on simulated annealing is used to match the feature point sets again. Thus, the fine matching of fracture surfaces is completed, and the blocks are matched accurately. We match four groups of Terracotta blocks, and the results show that the proposed method is more accurate and faster than other methods and effective for Terracotta blocks matching.
1 引言
破碎三维刚体的自动拼接复原是计算机视觉中亟待解决的问题,其应用领域涉及文物复原、三维重建以及医学研究等多个方面[1-3]。举世瞩目的陶制文物秦俑在出土时大多已破碎,碎块数量大、结构和形状各异,采用人工方法进行拼接复原是一项周期长且难度大的工作。因此,通过三维扫描设备获取碎块的数字化模型,借助计算机技术辅助秦俑碎块的虚拟拼接成为一个研究热点。
目前,常用的三维刚体碎块的匹配方法主要是基于特征的匹配方法,如曲率[4]和法向[5]特征,它们具有旋转和平移不变性,但是离散曲率对噪声敏感,会带来一定的误差。对于陶器、壁画等薄壁类的文物碎块,轮廓线特征是常用的碎块匹配特征[6-7],但是对于轮廓线不明显的碎块,该特征并不适于匹配。对于具有一定厚度的碎块,如秦俑碎块,其断裂面的轮廓线和区域特征[8-10]均可用于碎块匹配,只要正确提取并匹配了碎块断裂面的轮廓线或特征区域,碎块就匹配好了。上述匹配方法大多要求碎块无缺损,并适当结合颜色或纹理信息以获取较为理想的匹配结果。然而,出土的秦俑大多破损严重,碎块断裂面普遍存在缺损现象,而且由于历史原因和化学反应,碎块的颜色和纹理信息大多已经丢失,因此,上述方法对秦俑碎块进行拼接大多无法取得理想的效果。
针对秦俑碎块存在的外表面颜色和纹理信息缺失、断裂面轮廓线不完整、断裂面部分缺损等问题,本文提出一种基于内部形态描述子(ISS)特征点的秦俑断裂面匹配方法。该方法可以克服基于轮廓线、特征区域等断裂面匹配方法的一些缺点。比如:基于轮廓线的匹配方法对断裂面轮廓线缺失明显的碎块匹配效果不佳,而本文方法不需要考虑断裂面的轮廓线特征,直接提取断裂面上的特征点即可;基于特征区域的断裂面匹配方法,虽然匹配精度较高,但是特征提取阶段非常耗时,不适用于大量碎块的自动匹配拼接,而本文方法的特征点提取算法较为简单,耗时较短,能快速实现大量碎块的匹配问题。
基于特征点的断裂面匹配方法的主要思想为,针对秦俑碎块的三维点云数据模型,将匹配过程分为粗匹配和细匹配两个步骤。在粗匹配阶段,首先提取碎块断裂面的ISS特征点,然后计算特征点的特征序列,并通过特征序列实现断裂面的初始匹配;在细匹配阶段,采用一种基于模拟退火的改进迭代最近点(ICP)算法实现断裂面上ISS特征点集的进一步匹配,从而达到碎块断裂面精确匹配的目的。
2 断裂面粗匹配
在对秦俑碎块断裂面进行粗匹配前,首先对碎块进行外表面分割、断裂面提取等操作[11-12],以获取碎块的断裂面。断裂面的粗匹配包括两个步骤,即提取断裂面的ISS特征点和匹配特征点。
2.1 特征点提取
断裂面特征点的提取采用ISS特征检测算法[13]实现。 设某一断裂面
1) 对点云
2) 寻找点
式中
3) 计算点
4) 计算协方差矩阵cov(
5) 选取满足
2.2 特征点匹配
设点云
对于
式中
将平均曲率
1) 求解特征点集
2) 对于特征点集
式中
3) 寻找Tonimoto系数
4) 提取
3 断裂面的细匹配
基于以上粗配准的结果,采用一种改进的ICP 算法实现碎块断裂面特征点集的细匹配,从而达到碎块精确匹配的目的。
3.1 ICP算法
对于以上提取的ISS特征点集
1) 对于点集
2) 对于点集
重复执行步骤1)和2),直到满足终止条件为止。
虽然ICP算法是一种精度较高的点集匹配算法,但在数据量较大的情况下迭代速度很慢,而且没有考虑匹配中的尺度因素。鉴于此,提出一种基于尺度因子和模拟退火系数的改进ICP算法,以实现ISS特征点集的快速、精确细配准。
3.2 改进的ICP算法
3.2.1 求解刚体变换
特征点集
式中
为了简化算法,假设点集
求解(8)式关于
得到平移矢量
式中
(8) 式可进一步写为
采用矩阵的迹,目标函数(11)式可进一步写为
式中
令
目标函数(12)式可进一步写为
令
式中
求解(12)式关于
3.2.2 ICP算法的改进
为了提高点云匹配的精度和速度,将模拟退火算法的思想加入到ICP算法中。定义子集的数目为一个温度参数
对于特征点集
对粗匹配后的特征点集
4 实验结果与分析
采用西北大学可视化技术研究所提供的4组秦俑碎块完成匹配测试,如
图 1. 秦俑碎块。(a)第1组;(b)第2组;(c)第3组;(d)第4组
Fig. 1. Terracotta blocks. (a) Group 1; (b) group 2; (c) group 3; (d) group 4
图 2. 粗匹配结果。(a)第1组;(b)第2组;(c)第3组;(d)第4组
Fig. 2. Coarse matching results. (a) Group 1; (b) group 2; (c) group 3; (d) group 4
图 3. 细匹配结果。(a)第1组;(b)第2组;(c)第3组;(d)第4组
Fig. 3. Fine matching results. (a) Group 1; (b) group 2; (c) group 3; (d) group 4
从
为了验证本文算法在匹配精度和速度方面的性能,对
表 1. 碎块匹配方法的运行参数
Table 1. Operating parameters of blocks matching methods
|
从
5 结论
秦俑复原是计算机视觉中一个亟待解决的问题,对我国的考古事业有着重要的参考价值。针对厚度不可忽略的秦俑碎块,提出一种基于ISS特征点的碎块断裂面匹配方法。在粗匹配阶段,通过秦俑碎块断裂面上的ISS特征点的匹配来实现碎块的粗匹配;在细匹配阶段,采用一种基于模拟退火的改进ICP算法实现秦俑碎块的精确匹配。该方法对于存在碎块外表面的颜色和纹理信息缺失、碎块断裂面的轮廓线不完整以及断裂面存在部分缺损等情况,均能取得较为理想的匹配效果。在今后的研究中,应进一步综合考虑风化、二次断裂、受潮和变形等多种因素对秦俑碎块匹配的影响,提出更加高效、精确的碎块匹配方法,以实现秦俑自动虚拟复原。
[1] 黄源, 达飞鹏, 陶海跻. 一种基于特征提取的点云自动配准算法[J]. 中国激光, 2015, 42(3): 0308002.
[2] 赵夫群, 周明全. 颅骨点云模型的优化配准[J]. 光学精密工程, 2017, 25(7): 1927-1933.
[4] 曾繁轩, 李亮, 刁鑫鹏. 基于曲率特征的迭代最近点算法配准研究[J]. 激光与光电子学进展, 2017, 54(1): 011003.
[5] Miu YW, Xiao CX, Zhou MH. The estimation of principal curvatures and normal in the surface sampling point[C]. The Second National Conference on geometric design and Computing, 2005: 175- 179.
[6] 苏丽, 吴俊杰, 庞迪. 基于改进主动轮廓模型的全景海天线检测[J]. 光学学报, 2016, 36(11): 1115003.
[7] ShinH, DoumasC, FunkhouserT, et al. Analyzing fracture patterns in Theran wall paintings[C]. The 11th International Conference on Virtual Reality, Archaeology and Cultural Heritage, 2010: 71- 78.
[8] 王洋, 张琴. 利用傅里叶变换边缘曲线法进行W型轮廓的快速匹配[J]. 计算机科学, 2016, 43(6A): 116-117,138.
Wang Y, Zhang Q. Using contour edge curve's Fourier transformation method to faster match W-shaped pattern[J]. Computer Science, 2016, 43(6A): 116-117, 138.
[9] 李群辉, 张俊祖, 耿国华, 等. 以轮廓曲线为特征的断裂面匹配[J]. 西安交通大学学报, 2016, 50(9): 105-110.
Li Q H, Zhang J Z, Geng G H, et al. Fracture surfaces matching based on contour curve[J]. Journal of Xi'an Jiaotong University, 2016, 50(9): 105-110.
[11] LiJ, GengG, LiuL. Virtual merging of fractured fragments based on constraint cluster[C]. Fifth International Conference on Computing, Communications and Networking Technologies (ICCCNT), 2014: 1- 4.
[12] LiQ, ZhouM, GengG. Fractured surfaces matching for reassembling broken solids[C]. Fifth International Symposium on Computational Intelligence and Design, 2012: 511- 514.
[13] 李仁忠, 杨曼, 田瑜, 等. 基于ISS特征点结合改进ICP的点云配准算法[J]. 激光与光电子学进展, 2017, 54(11): 111503.
[14] 徐海洋, 孔军, 蒋敏. 基于四元数3D骨骼表示的人体行为识别[J]. 激光与光电子学进展, 2018, 55(2): 021002.
[15] Besl P J. McKay N D. A method for registration of 3D shapes[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1992, 14(2): 239-256.
[16] 舒程珣, 何云涛, 孙庆科. 基于卷积神经网络的点云配准方法[J]. 激光与光电子学进展, 2017, 54(3): 031001.
[17] 赵夫群, 周明全, 耿国华. 刚体碎块的断裂面匹配[J]. 中国图象图形学报, 2017, 22(1): 86-95.
Zhao F Q, Zhou M Q, Geng G H. Fracture surface matching method of rigid blocks[J]. Journal of Image and Graphics, 2017, 22(1): 86-95.
[18] 赵夫群, 周明全. 文物点云模型的优化配准算法[J]. 计算机应用研究, 2017, 34(12): 3885-3888.
Zhao F Q, Zhou M Q. Optimal registration algorithm for point cloud model of cultural relics[J]. Application Research of Computers, 2017, 34(12): 3885-3888.
赵夫群, 耿国华. 基于特征点的秦俑断裂面匹配方法[J]. 激光与光电子学进展, 2018, 55(4): 041005. Fuqun Zhao, Guohua Geng. Fracture Surface Matching Method for Terracotta Based on Feature Points[J]. Laser & Optoelectronics Progress, 2018, 55(4): 041005.