三维激光扫描技术近年来随着计算机和数控技术的进步而飞速发展，它是一种非接触测量方式，与传统测量方法相比，它可以方便地对复杂、大型的物体(如建筑物、飞机、船舶等)进行测量，短时间内在现场获取高清晰的数据，比三坐标测量仪来的更加灵活。一般的，通过激光扫描仪进行一次扫描得到的是一组点阵，每一点包含了相应的场景上被扫描点的距离信息，这个点阵被称为深度图像(range image)。
深度图像能直接反映物体表面的三维特征，与灰度图像不同的是其每个像素存储的是物体点与测量平面的距离。除三维激光扫描仪外，它还可以是立体视觉、三角主动测距系统、声光扫描系统等多种形式的深度传感器的输出[1]。深度图像一般原始数据量十分庞大，在处理时要耗费大量的时间，因此三维数据点的预处理，是实现三维几何识别与重建的关键环节。
在这些巨量数据的预处理工作中，包括大量复杂的工作，如重定位、去噪、配准、精简、合并、分割等。其中，要使这大量数据重新定位到较理想的方向和位置，将会给预处理工作带来很大方便。但由于测量基准往往受现场限制，很难符合后续处理的要求。数据与理想方向的对准(或称方位规范化)成为深度图像预处理的重要一步。
对准问题包含基准特征的搜索、拟合，数据点变换重新定位等几方面的问题。此前，大多数涉及深度图像坐标变换的研究都是针对多幅测量数据的配准对齐问题，这方面已经形成了比较成熟的方法。在于特征的方法中Stamos 和Allen 利用空间直线进行二维图像和三维深度数据的配准[2];根据平面特征在大多数测量对象中大量存在的特点，何文峰和查红彬提出了利用平面特征进行室内扫描数据的深度图像配准[3]，但其中的平面特征需要人机交互获得。VraNIc 等提到 了 深 度 图 像 方 位 规 范 化 的 概 念 ( 称normalization 或 pose estimation)[4]，在其研究工作的第一步，将模型转换到一个规范的坐标框架内。
总结前人的研究经验，针对扫描对象的特点，提出了一种对包含平面特征的激光扫描深度图像的坐标自动对准(或称规范化)方法，使调整后的数据方便后期的投影、数据分割和特征识别等工作。文章最后给出了在液货船舱内部激光扫描数据处理的实例。液货舱是石油、化工等液状货物贸易、运输费结算的主要计量器具之一。根据
液货舱的三维测量数据重建三维模型，进而快速准确地计算得到舱在不同液位、不同倾斜度下的舱容值，是正在研究中的精确舱容计量技术。另外，作为数据预处理的前端，此方法还可应用于室内，室外场景等带有大平面特征的三维扫描数据处理中。
1 问题定义
在考虑深度图像坐标对准时，可借鉴深度图像及其对齐问题的概念，即将数据点集看作一个刚体(数据点运动时只存在坐标变化、不产生形状变化)，将数据点集进行空间刚体运动，问题归结为求解相应的转换矩阵，移动矩阵 T 和旋转矩阵 R。唯一区别就是对齐问题是两片数据点集间或数据点集与 CAD 模型间的对齐;而深度图像坐标对准是将测量数据点集坐标方向进行规范化，也就是将点集向基准特征对齐。
2 平面特征搜索
2.1 移动包围盒法
平面是空间结构的一个基本特征，在大多数测量对象中大量存在，也适合作为准确基准。但是由于实景扫描所得的数据情况很复杂，存在各种遮挡物、干扰点。为快速准确找到平面特征，采用了移动包围盒法，即以假想包围盒中的测量点为计算对象，不断移动包围盒直至包围盒中的数据点符合预先设定的平面判别条件为止。
包围盒能方便地取到平面特征，包围盒的厚度则可允许平面有一定的倾斜;包围盒取点算法简单、效率高，能够用于液货舱内部扫描数据或其他室内扫描获得的海量数据。
2.2 包围盒初始位置
搜索的结果与搜索包围盒的初始位置有很大关系。根据研究的船舱或其它室内场景扫描数据中平面位置的特点，选择顶面或者底面作为坐标对准的基准平面特征较有效且方便自动搜索实现。包围盒从目标特征最外侧开始取。以底面作为基准平面为例，初始包围盒角点值为：C1=( min(xi), min(yi), min(zi) );C2= ( max(xi), max(yi),min(zi)+Δz )。即 x，y 取数据的最大范围，Δz 为厚度，从整个点集最低处开始搜索，如图 1 所示。而 Δz 取值测量象及数据采集情况有关。原始数值的倾斜程度越大，基准平面越大，要将基准平面完整包含的包围盒 Δz 也要大。由于三维激光扫描仪本身有水平调整，倾斜角总在一定范围之内。针对所研究的倾斜 5o左右的大平面，Δz初始值取(max(zi)-min(zi))/10 即可将平面基本包含。
3 平面特征判断
3.1 平均法向量计算
深度图像数据的法向量是判断平面特征以及旋转的重要参考。先将空间点用八叉树结构划分并寻找每个点的 k 近邻[5]，在此基础上用微切平面法(MTP)计算局部法向量。微切平面是指在数据点及其 k 个邻近点的局部范围内生成最好的逼近这些散乱数据点的平面。给定点集的每一个点 pi分别对应一个微切平面。该微切平面为曲面在 pi处的线性逼近。微切平面由中心点 Oi和单位法向量 ni确定。由于点集局部区域的形状信息包含于该区域点集中。pi处的微切平面应由 pi的邻近点集，即 pi的 k 邻域点集确定。
4.2 多次逼近
完成一次变换后，往往没完全达到对准要求。这是由于包围盒范围内一般会包含一些点不属于平面特征。这就需要再次重复搜索及变换，多次逼近以达到后续工作要求，其过程如图 3 所示。
5 结论与展望
研究了一种针对包含平面特征的激光扫描深度图像的自动对准变换方法。扫描数据经过调整后大大方便和简化了后续的数据分割和特征识别等工作。将此方法应用于船舶的液货舱室内激光扫描深度图像数据，经实验取得了预期的效果。由于研究和应用的对象平面特征位置相对固定，只考虑了平面特征在最外侧的情况，而现实中情况可能会复杂得多。在将来的研究中，将尝试结合知识工程，基于预定义的知识库来搜索平面特征位置，并将此方法在不同类型的扫描数据中推广应用。
