發(fā)布時(shí)間：2024-02-28 10:43

　　顱骨配準(zhǔn)是顱面復(fù)原過程中的重要步驟之一,顱骨配準(zhǔn)的精度直接影響著顱面復(fù)原結(jié)果的好壞。為了提高顱骨點(diǎn)云模型的配準(zhǔn)精度和收斂速度,提出一種基于分層優(yōu)化策略的顱骨點(diǎn)云配準(zhǔn)算法,將配準(zhǔn)過程分為粗配準(zhǔn)和細(xì)配準(zhǔn)兩個(gè)過程,分別采用不同的優(yōu)化策略進(jìn)行優(yōu)化。首先基于點(diǎn)的鄰域提取幾何特征,從而得到由平均曲率、高斯曲率、法向量夾角和主曲率構(gòu)成的特征向量;進(jìn)一步通過距離函數(shù)計(jì)算特征相似性來建立匹配點(diǎn)對(duì),并采用k-means算法剔除誤匹配點(diǎn)對(duì);然后使用四元數(shù)法計(jì)算顱骨點(diǎn)云間的剛體變換關(guān)系,實(shí)現(xiàn)顱骨粗配準(zhǔn);最后通過引入k-維(k-d)樹和加入幾何特征約束對(duì)迭代最近點(diǎn)(ICP)算法進(jìn)行改進(jìn),使用改進(jìn)的ICP算法實(shí)現(xiàn)顱骨的精確配準(zhǔn)。實(shí)驗(yàn)結(jié)果表明:粗配準(zhǔn)過程采用k-means算法剔除誤匹配點(diǎn)對(duì)的優(yōu)化策略和細(xì)配準(zhǔn)過程加入k-d樹與幾何特征約束的優(yōu)化策略都是有效的。與ICP算法相比,本文算法的匹配率和配準(zhǔn)精度分別提高了約17%和51%,算法耗時(shí)減少了約31%。與其他經(jīng)典配準(zhǔn)算法和改進(jìn)的ICP算法相比,本文算法的配準(zhǔn)效率是最優(yōu)的。為了驗(yàn)證本文算法的普適性,還采用兵馬俑碎片數(shù)據(jù)進(jìn)行驗(yàn)證,本文算法也取得了較好的效果和最優(yōu)的性能。...

【文章頁數(shù)】：13 頁

【部分圖文】：

圖2幾何特征約束

2）通過加入幾何特征約束剔除誤匹配點(diǎn)。與其他基于幾何特征的配準(zhǔn)方法不同的是，本文在粗配準(zhǔn)過程中使用的幾何特征和在細(xì)配準(zhǔn)過程中優(yōu)化策略使用的幾何特征是不一樣的，這種方式的優(yōu)點(diǎn)在于增加了多重約束，可以提高精度。其他研究者[19,21-22]都是將幾何特征用于粗配準(zhǔn)過程，沒有對(duì)匹配點(diǎn)對(duì)....

圖3待配準(zhǔn)顱骨。（a）目標(biāo)顱骨；（b）參考顱骨

實(shí)驗(yàn)采用的267個(gè)顱骨點(diǎn)云數(shù)據(jù)均來自于西北大學(xué)可視化技術(shù)研究所，所有數(shù)據(jù)都是通過計(jì)算機(jī)層析成像（CT）掃描重建得到，獲得的全部三維顱骨模型都是單層的三維點(diǎn)云數(shù)據(jù)。所有顱骨點(diǎn)云數(shù)據(jù)都經(jīng)過去噪和簡(jiǎn)化處理，都是干凈的、數(shù)據(jù)量小但能保留數(shù)據(jù)細(xì)節(jié)特征和幾何形狀的顱骨三維點(diǎn)云模型。圖3是兩個(gè)....

圖6初始位置

為了驗(yàn)證算法的普適性，采用兵馬俑碎片模型進(jìn)行實(shí)驗(yàn)。兵馬俑碎片模型使用ArtecEva3D掃描儀獲得，對(duì)獲得的數(shù)據(jù)進(jìn)行去噪和簡(jiǎn)化處理。實(shí)驗(yàn)環(huán)境和實(shí)驗(yàn)參數(shù)設(shè)置與顱骨點(diǎn)云配準(zhǔn)一致。圖6為兩個(gè)碎片模型的初始位置，兩個(gè)碎片模型的點(diǎn)云數(shù)量分別是102854和103859。圖7為兩個(gè)碎片模....

圖1本文算法流程圖

將顱骨配準(zhǔn)過程分為粗配準(zhǔn)過程和細(xì)配準(zhǔn)過程，分別對(duì)粗配準(zhǔn)過程和細(xì)配準(zhǔn)過程進(jìn)行介紹。本文算法流程如圖1所示。3.1粗配準(zhǔn)

本文編號(hào)：3913741