史重阳,刘晓宁,罗星海,胡晓静,耿国华

(西北大学 信息科学与技术学院,西安 710127) E-mail:xnliu@nwu.edu.cn

1 引 言

颅面复原是对未知颅骨根据统计先验知识恢复其生前面貌的一种技术[1].为此需要建立科学、有效的参考颅骨与所有样本颅骨形状关系的统计计算模型,即颅骨形态学统计.为了对颅骨形态进行统计分析,在建立颅骨数据库时,需要对所有样本颅骨点云数据与参考颅骨进行配准,将它们统一到一个坐标系下,从而对颅骨形态进一步分析.此外,面对一个未知颅骨,基于配准的颅骨复原方法也需要从颅骨数据库中检索出最相似的颅骨.因此,颅骨配准是颅面复原的一个关键步骤.

由于获取的颅骨是三维的,因此三维颅骨配准属于三维模型配准的具体应用.目前,常用的三维配准算法是由Besl等提出的迭代最近点(Iterated Closest Point,ICP)算法,该方法本质是基于最小二乘法的最优配准方法,运用Euclidean距离计算得到与特征点最近的匹配点,估算最优的变换矩阵参数,直到满足正确配准的收敛精度要求[2].但是该算法对初始位置和匹配点对的要求比较高,容易形成局部迭代收敛,造成迭代收敛速度低.为此,国内外学者对此算法进行了改进.文献[3]提出了一种基于点到平面的改进ICP算法,改进了ICP算法中点对点欧氏距离的评价函数.文献[4]提出了对点云对应点赋予权重,剔除权重大于阈值的匹配点对,通过对目标函数引入M-估计(M-estimation),剔除异常点,有效的确定了初始位置和匹配点对……