在对大型物体进行全方位测量时，通常不能在同一坐标系下将物体的三维数据一次测出，需要从多个视角测量物体的各个侧面和局部，进行多个视角的拼接。

传统的多视定位方法包括点位法、固定球法以及平面法等，常见的光学测量系统通过标签定位法来实现多视角测量和数据拼合。

多视标签定位的前提是得到精确的特征标识点三维数据。具体做法是在物体表面贴特制的标识点，如黑底白圆高精度圆，不反光。标识点的数量至少需三点，不能出现多点共线的情况，根据三维物体的形状在曲率比较高的地方多贴点，以保证特征点区域完整表达物体的三维拓扑特征，然后根据每个测量位置至少可以看见三个不共线的标签的原则进行数据采集，如图1.1所示。

为获取正确的标识点，需对采集到的标识点的二维图像，进行动态阈值分割、孔洞填充、形态学处理、形状选择等处理，得到标识点位置，如图1.2所示。

由于能从不同角度的单幅测量视图中看到三个及三个以上的标识点粘贴在被测物体表面，获取的多个视图可以通过这些重叠位置区域的公共标签“标识点”进行坐标定位。拼接的特征决定了只有具有重叠区域才可以进行有效拼接，因此识别与拼接主要取决于重叠区域的标识点数据。

标识点匹配是将在不同视角下的标识点建立对应关系。通过已经得到的二维标识点，获取其圆心坐标。根据三维扫描系统中图像点与空间点一一对应的关系，获取标识点对应空间点组成点集进行匹配。通过构造合适的描述子，计算描述子之间的距离以判断相似性。

在不同视角下，相同标识点的空间位置关系是不变的。利用这种关系，可以将某一标识点与其相邻两点组成三角形，通过判断三角形的一致性以确定是否为同一标识点，这样可以选取组成三角形的边长、角度等特征构成该点的描述子。为了防止某些位置同一标识点的相邻点不同而出现漏匹的情况，可以选取该点K邻域内所有的点与其组成三角形，以相同三角形的个数作为得分阈值进行判断。不同视角下的工件三维空间标识点匹配结果，如图2.1所示。

设在P、Q两视角下获得的具有部分重叠区域的标识点分别为相对应的标识点集，若在标识点集P中提取一个含有N个点的子集：

在标识点集Q中有一含有N个点的子集：

与之各点相对应，求解在两个不同视角（坐标系）下，三维数据点之间的坐标转换关系R和T。R是旋转矩阵T是平移矩阵，一般的R和T可以通过使目标函数：

最小化得到。

通过已经获得的匹配的特征标识点后，就可以根据这些特征标识点建立空间对应关系。可见，多视角数据匹配的问题关键在于不同视角下对应特征点集的选取和上述问题的求解。求取刚体运动的旋转矩阵R和平移矩阵T的方法主要有四元数法、最小二乘法、矩阵的奇异值分解法等。

这里，利用矩阵的奇异值分解法求得RT矩阵为：

不同视角下得到工件点云图如图3.1所示，通过求得的RT矩阵，将不同坐标系下的点云转到同一坐标系下，得到拼接结果如图3.2所示。

更多机器视觉分享，欢迎继续关注“汉振智能”....