Overzicht registratietechnieken
Er bestaan tegenwoordig een groot aantal registratietechnieken. Een raamwerk voor 3D-registratie is te vinden in [18]. Meestal zijn de registratie-algoritmes opgesteld in functie van een bepaalde toepassing en worden daar dan ook de beste resultaten bereikt.
Wij zoeken naar een geschikt registratie- algoritme voor de registratie van slaghoedjes. Voor deze toepassing zijn weinig specifieke methodes voor registratie openbaar beschikbaar, aangezien de methodes die gebruikt worden in de automatische wapenidentificatiesystemen niet publiek gekend zijn. We vonden slechts ЄЄп beschreven aanpak voor de 3D-registratie van slaghoedjes. Deze is te vinden in [19]. Voor de 2D-registratie van slaghoedjes is er een methode beschreven in [20].Het ICP (Iterative Closest Point) -algoritme is het meest gebruikte algoritme als het op geometrische alignering van 3D-data aankomt met kennis van een initiele schatting van de relatieve positie ertussen. Vele varianten zijn ondertussen gekend die samengevat zijn in [21]. In zijn simpelste vorm bestaat het ICP-algoritme uit twee stappen die men herhaalt tot men de kostfunctie — die de globale fout voorstelt — niet verder kan reduceren:
Tabel 4.1: Het ICP algoritme.
1° Zoekdecorresponderendepunten ф
2° Update de transformatie T tussen de twee beelden (en voer ze uit).
Stel b.v. dat we de punten b є B willen aligneren met de punten a є A. In de eerste stap zoeken we dan voor elk punt b het dichtste punt in A, noem deze ф(Ь). In de tweede stap berekenen we de transformatie die de globale fout tussen de punten b en ф(Ь) het kleinst maakt. Deze transformatie passen we toe op B en we krijgen B\'. Na de tweede stap keren we terug naar de eerste stap en zoeken we nu voor de getransformeerde punten b\' є B\' opnieuw de dichtste punten in A, enz.. Deze twee stappen blijven we herhalen tot we bij een volgende iteratie dezelfde ф(Ь) bekomen als bij de voorgaande iteratie.
4.3