本发明涉及共焦扫描光学测量，特别涉及一种并行共焦扫描的多点云融合方法。
背景技术：
1、在并行共焦扫描系统中，由于相机像素的采样间距与针孔间距不严格匹配或其余装配误差的影响，使得理论上应在同一行(列)的探测端虚拟针孔在实际标定的时候会有一个像素的偏差。这将导致最后生成的三维点云为散乱点云，不利于后续的数据分析。此外，为了提高扫描系统的采样率，需要将不同位置采集的点云数据进行融合，这也要求点云为规则点云。
2、因此，如何将散乱点云转为规则点云，并根据点云之间的位置关系将多组点云进行融合，是本领域技术人员亟需解决的问题。
技术实现思路
1、本发明目的是为了解决现有技术中的问题，提供了一种并行共焦扫描的多点云融合方法。所述方法基于统计学方法生成规则点阵模板，通过近邻搜索得到规则点云，并依据点云之间的相对位置融合多组点云。
2、本发明是通过以下技术方案实现的，本发明提出一种并行共焦扫描的多点云融合方法，所述方法包括以下步骤：
3、步骤a、将三维点云转换为二维点云；
4、步骤b、对二维点云进行分析，得到点阵的行数、列数及点间距，并以此生成规则稀疏点阵模板；
5、步骤c、平移规则稀疏点阵模板使规则稀疏点阵模板与二维点云对齐；
6、步骤d、对规则稀疏点阵模板中每一个点进行近邻搜索，将离该点最近的点云的z值赋予该点，得到含点云信息的规则稀疏矩阵；
7、步骤e、将规则稀疏矩阵转为密集矩阵，并根据融合点云的数量与点云间位置重新转为稀疏矩阵；
8、步骤f、叠加所有点云矩阵，得到密集矩阵，并转为密集点云。
9、进一步地，所述步骤a中通过将投影至xy平面的方法将三维点云二维化。
10、进一步地，所述步骤b中得到二维点云中点间距的方法包括以下步骤：
11、步骤1、对二维点云进行自相似的近邻搜索，得到每个点与其最近的四个点的距离；
12、步骤2、将所有距离保存至同一数组，对数组进行从大到小排列，将数组中前20％与后20％的值视为异常值并剔除；
13、步骤3、对剩余值求取均值，得到最适点间距。
14、进一步地，所述步骤b中得到二维点云中行数与列数的方法相同，确认二维点云列数的方法包括以下步骤：
15、步骤1、对二维点云进行逐一编号，并进行自相似的近邻搜索，记录每个点与其最近的四个点的编号与距离，建立网格无向图；
16、步骤2、根据坐标定位找到离左上角最近的点，视为起点，找到离右上角最近的点，视为终点，基于路径最短原则在无向图中找到两个点之间的最短路径；具体为：将起点视为第一节点，遍历与其最近的四个点，计算这四个点与终点之间的距离，将最小距离对应的点视为第二节点，重复上述过程直至找到终点，将其视为最后一个节点，计算节点总数视为点阵列数；
17、步骤3、排除已经纳入计算的点，对剩余点重复步骤2；
18、步骤4、重复步骤3，对得到的点阵列数取平均值，得到最佳点阵列数。
19、进一步地，所述步骤c中规则稀疏点阵模板与二维点云对齐的依据为两个点阵中点距离均方差最小。
20、进一步地，所述步骤e中通过去除全0行与全0列的方法将规则稀疏矩阵转为密集矩阵。
21、进一步地，所述步骤e中对于n*n组点云，在密集矩阵的相邻元素中插入n-1个全0行与n-1个全0列，并根据点云之间的相对位置在第一行或列前添加i个全0行或列从而变为稀疏矩阵。
22、进一步地，所述步骤e中点云之间相对位置的判断方法如下：
23、步骤1、对于n*n个点云，遍历所有点云，获得每个点云中在xy平面上离原点最近的点；
24、步骤2、根据这些点之间的相对位置确定点云之间的相对位置。
25、本发明具有的有益效果是：
26、本发明提出了一种并行共焦扫描的多点云融合方法。本发明所述方法实现了散乱点云的规则化，并实现多组点云之间的准确融合配准，为实现更高精度的三维形貌还原提供支持。
1.一种并行共焦扫描的多点云融合方法，其特征在于：所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述步骤a中通过将投影至xy平面的方法将三维点云二维化。
3.根据权利要求1所述的方法，其特征在于，所述步骤b中得到二维点云中点间距的方法包括以下步骤：
4.根据权利要求1所述的方法，其特征在于，所述步骤b中得到二维点云中行数与列数的方法相同，确认二维点云列数的方法包括以下步骤：
5.根据权利要求1所述的方法，其特征在于，所述步骤c中规则稀疏点阵模板与二维点云对齐的依据为两个点阵中点距离均方差最小。
6.根据权利要求1所述的方法，其特征在于，所述步骤e中通过去除全0行与全0列的方法将规则稀疏矩阵转为密集矩阵。
7.根据权利要求1所述的方法，其特征在于，所述步骤e中对于n*n组点云，在密集矩阵的相邻元素中插入n-1个全0行与n-1个全0列，并根据点云之间的相对位置在第一行或列前添加i个全0行或列从而变为稀疏矩阵。
8.根据权利要求7所述的方法，其特征在于，所述步骤e中点云之间相对位置的判断方法如下：
