为了提高颅骨点云模型的配准精度和收敛速度,提出一种基于曲率图的颅骨点云配准方法。首先对颅骨点云提取以特征点为中心并且包含其相邻点的三维形状块,将所有点投影到二维平面上;将投影点量化到二维支撑区域的相应单元中,并将其加权曲率编码为曲率分布图来构造特征点的区域曲率图描述符;然后基于区域曲率图描述符匹配具有相似局部形状的点来建立匹配点对,采用奇异值分解方法计算颅骨点云间的刚体变换关系,实现颅骨粗配准;最后通过引入动态迭代系数对迭代最近点(ICP)算法进行改进,使用改进的ICP算法实现颅骨的细配准。实验结果表明,所提粗配准方法是一种有效的初始配准方法。与ICP算法相比,改进的ICP算法在配准精度和收敛速度上分别提高了约11%和37%,配准耗时降低了约34%。为了验证所提方法的普适性,还采用兔子点云模型进行验证,结果显示改进的ICP算法的配准效果优于ICP算法。

颅骨配准是颅面复原过程中的重要步骤之一,颅骨配准的精度直接影响着颅面复原结果的好坏。为了提高颅骨点云模型的配准精度和收敛速度,提出一种基于分层优化策略的颅骨点云配准算法,将配准过程分为粗配准和细配准两个过程,分别采用不同的优化策略进行优化。首先基于点的邻域提取几何特征,从而得到由平均曲率、高斯曲率、法向量夹角和主曲率构成的特征向量;进一步通过距离函数计算特征相似性来建立匹配点对,并采用k-means算法剔除误匹配点对;然后使用四元数法计算颅骨点云间的刚体变换关系,实现颅骨粗配准;最后通过引入k-维(k-d)树和加入几何特征约束对迭代最近点(ICP)算法进行改进,使用改进的ICP算法实现颅骨的精确配准。实验结果表明:粗配准过程采用k-means算法剔除误匹配点对的优化策略和细配准过程加入k-d树与几何特征约束的优化策略都是有效的。与ICP算法相比,本文算法的匹配率和配准精度分别提高了约17%和51%,算法耗时减少了约31%。与其他经典配准算法和改进的ICP算法相比,本文算法的配准效率是最优的。为了验证本文算法的普适性,还采用兵马俑碎片数据进行验证,本文算法也取得了较好的效果和最优的性能。因此,本文算法是一种有效的颅骨点云配准方法。

颅骨配准是颅面复原的重要步骤之一, 其配准精度和效率对复原结果有着重要的影响。为了提高颅骨点云模型的配准精度和效率, 本文提出了一种层次优化的颅骨点云配准方法。将颅骨配准分为粗配准和细配准两个过程。首先对颅骨点云模型进行去噪、简化和归一化等预处理; 然后对颅骨点云模型提取特征点并计算其特征序列, 根据特征序列进行约束寻找初始对应点对, 并采用k-means算法剔除误匹配点, 实现颅骨粗配准; 最后通过加入几何特征约束的改进迭代最近点(ICP)算法实现颅骨细配准, 从而达到颅骨精确配准的目的。本文分别对粗配准、细配准和先粗再细完整配准过程进行实验, 结果表明: 粗配准过程, 与未优化的粗配准算法相比, 本文优化后的粗配准算法的配准精度提高了约35%, 算法耗时增加了约6%; 细配准过程, 与ICP算法相比, 本文改进ICP算法的配准精度和收敛速度分别提高了约20%和43%, 算法耗时减少了约47%; 先粗再细的完整配准过程, 本文算法的配准精度和收敛速度都要优于其他两种方法。证明了本文方法是一种有效的颅骨点云配准算法, 可以实现颅骨点云的精确配准。

由于颅骨的三维点云数据模型复杂且不同人的颅骨差异较小, 对其配准精度要求较高。为了提高颅骨点云模型的配准精度和收敛速度, 提出了一种先粗配准再细配准的配准方法。首先, 对颅骨点云数据模型进行去噪、简化和归一化等预处理; 然后, 通过区域划分、区域配准和求解组合系数以及求解刚体变换等步骤实现区域层次上的颅骨粗配准; 最后, 通过引入动态迭代系数来改进基于旋转角约束的迭代最近点算法, 并采用该改进的ICP算法实现颅骨的细配准, 从而达到精确配准的目的。实验结果表明: 与ICP算法相比, 改进的ICP算法的配准精度和收敛速度分别提高了约30%和50%。证明该种先粗配准再细配准的颅骨点云模型配准方法是一种精度高、速度快的有效颅骨配准算法。