1.1 研究目的及意义

随计算机技术和图像采集技术的迅速发展，图像处理技术日益成熟，计算机视觉逐渐成为当今计算机研究的重点方向，也是当今信息化智能化的发展方向。而其中，三维重建也成为了计算机视觉的热门研究领域。

图像处理技术源于人们对于摄影技术的深入追求，随着人类对照片品质要求的不断提高，多功能全景相机应运而生，但由于其操作的复杂性和相机的昂贵性，该相机的使用不能得到普及，于是人们开始从图像处理技术方向下手，用以提高照片品质，获取全景图片，实现人们对高精度图像的最求。而三维重建和拼接技术，就是在此时得到了社会各界的广泛的关注。

三维重建概念是对三维物体建立适合计算机表示和处理的数学模型，是在计算机环境下对其进行处理、操作和分析其性质的基础，也是在计算机中建立表达客观世界的虚拟现实的关键技术。在计算机视觉中，三维重建是指根据单视图或者多视图的图像重建三维信息的过程。由于单视频的信息不完全，因此三维重建需要利用经验知识。而多视图的三维重建(类似人的双目定位)相对比较容易。双目视觉技术是模拟人类双目视觉原理进行三维重建的测量技术。其方法是先对摄像机进行标定，即计算出摄像机的图象坐标系与世界坐标系的关系。然后利用多个二维图象中的信息重建出三维信息。将双目视觉重建技术及三维点云拼接联系起来，可以较精确地实现三维物体在机器视觉中的匹配、拼接及建模还原。

在逆向工程中通过测量仪器得到的产品外观表面的点数据集合也称之为点云，点云是在和目标表面特性的海量点集合。在获取物体表面每个采样点的空间坐标后，得到的是一个点的集合，称之为“点云”(Point Cloud)。点云数据是由三位扫面设备依据实体模型扫描生成的数字化点集。根据摄影测量原理得到的点云，包括三维坐标（XYZ）和颜色信息（RGB）。生成点云数据是三维重建技术的关键步骤之一。

三维点云重建和拼接是逆向工程中的重要研究课题。由于三维重建和拼接技术在计算机视觉、虚拟现实、图形图像处理、医学应用、军事应用等领域都有重要的实用价值，所以对于其技术的研究有着重要意义。

1.2 国内外研究现状

北美、欧洲的大部分国家对场景三维重建的研究比中国早很多。20世纪中后期，西方国家已经能将点云重建的原理和方法应用到实际当中，并且提出了一些可用的点云拼接技术，与此同时他们的这些关键技术对中国等发展中国家进行了保密和垄断。但是，中国的研究人员也通过研究不甘落后地提出并改进了一些三维点云拼接方法。

目前，三维场景的重建方法中，最主流的方法是光学测量景物距离的方法，这些方法大部分的实现是基于三维点云的重建，由于需要目标物体的点匹配，所以高质量、完整的三维点云数据是后期三维剖分和全局重建的重要基础，这也凸显出了这些方法存在一些弊端：由于重建场景的复杂性、重建区域的局限性和光源的不可穿透性，常常导致重建点云过程耗时长、效果不佳、目标 不明确、局部成像等问题。显然，提高有效的重建速度和将局部的点云拼接完整，显得尤为重要。

基于目前的研究水平来看，三维点云拼接技术中最常用的点云精确配准算法是Besl 于1992 年提出的迭代最近点(iterative closest point ,ICP)算法，但是该算法的速度和精度由于多次迭代而大大降低。于是出现了改进的ICP算法，比如：解则晓等人提出一种基于曲面拟合的精确拼接ICP算法，还有张晓娟等人提出一种基于特征点的等曲率预配准方法，但这两种方法由于曲率限制导致适用范围较窄。高凤娇等人提出的基于ICP算法的人体三维点云数据的拼接技术， 周萍等人提出的基于改进ICP算法的点云配准算法，姚亚盼等人提出的多视角下的改进ICP算法。但是这些大都是针对单个目标物体的点云拼接方法，不能用于大场景点云或 者是目标物体局部点云信息的匹配和拼接。杨帆等人提出粘贴标志点的三维点云匹配拼接方法，但对于难以粘贴的物体（如珍 贵文物、超大型物体）仍然不便测量，这种方法也会破坏目标物体的表面信息，使得目标物体的轮廓受到影响。储珺等人提出了基于SIFT特征的配准和拼接算法，提高了匹配精度和匹配速度。伍梦琦等人将几何特征引入到三维点云的拼接中，与SIFT特征结合进一步提高了点云拼接的稳定性，但在匹配时引入了RANSAC算法，计算复杂度高。