非刚性配准方法、装置及电子设备

技术领域

本申请涉及计算机视觉技术领域，尤其涉及一种非刚性配准方法、装置及电子设备。

背景技术

非刚性物体(也可以称为变形物体)是指局部与局部之间会发生变形的物体，例如，橡胶垫、橡胶圈、薄片的PCB(Printed circuit boards，印制电路板)板等。

由于非刚性物体可能会发生变形，在对非刚性物体进行配准的情况下，若完全采用对刚性物体进行配准的方式，则会存在较大的误差。

发明内容

有鉴于此，本申请提供一种非刚性配准方法、装置及电子设备。

根据本申请实施例的第一方面，提供一种非刚性配准方法，包括：

依据非刚性待配准物体的场景数据以及模型数据，对所述待配准物体进行全局匹配，得到所述待配准物体的场景数据与所述模型数据之间的初始位姿变换关系；

对于对所述待配准物体的场景数据进行有限元划分得到的模块中的任一有效模块，确定该有效模块对应的第一类型误差和第二类型误差；其中，有效模块为包括待配准物体的点云的模块，第一类型损失用于表征该有效模块中的点与模型数据中对应的点之间的配准约束，有效模块中的点在模型数据中对应的点依据有效模块对应的位姿变换关系确定，有效模块对应的位姿变换关系的初始值为所述初始位姿变换关系，第二类型损失用于表征该有效模块与邻域有效模块之间的相对位姿约束；

依据对所述待配准物体的场景数据进行有限元划分得到各有效模块的第一类型误差和第二类型误差，对各有效模块对应的位姿变换关系进行优化，确定所述待配准物体的配准结果。

根据本申请实施例的第二方面，提供一种非刚性配准装置，包括：

全局匹配单元，用于依据非刚性待配准物体的场景数据以及模型数据，对所述待配准物体进行全局匹配，得到所述待配准物体的场景数据与所述模型数据之间的初始位姿变换关系；

误差确定单元，用于对于对所述待配准物体的场景数据进行有限元划分得到的模块中的任一有效模块，确定该有效模块对应的第一类型误差和第二类型误差；其中，有效模块为包括待配准物体的点云的模块，第一类型损失用于表征该有效模块中的点与模型数据中对应的点之间的配准约束，有效模块中的点在模型数据中对应的点依据有效模块对应的位姿变换关系确定，有效模块对应的位姿变换关系的初始值为所述初始位姿变换关系，第二类型损失用于表征该有效模块与邻域有效模块之间的相对位姿约束；

配准单元，用于依据对所述待配准物体的场景数据进行有限元划分得到各有效模块的第一类型误差和第二类型误差，对各有效模块对应的位姿变换关系进行优化，确定所述待配准物体的配准结果。

根据本申请实施例的第三方面，提供一种电子设备，包括处理器和存储器，其中，

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现第一方面提供的方法。

本申请实施例的非刚性配准方法，依据非刚性待配准物体的场景数据以及模型数据，对待配准物体进行全局匹配，得到待配准物体的场景数据与模型数据之间的初始位姿变换关系；对于对待配准物体的场景数据进行有限元划分得到的模块中的任一有效模块，确定该有效模块对应的第一类型误差和第二类型误差；进而，依据对待配准物体的场景数据进行有限元划分得到各有效模块的第一类型误差和第二类型误差，对各有效模块对应的位姿变换关系进行优化，确定待配准物体的配准结果，通过对待配准物体的场景数据进行有限元划分，提高了非刚性物体配准的自由度；此外，针对进行有限元划分得到的模块中的有效模块，一方面，通过点云配准进行匹配，另一方面，通过相邻模块的约束进行变形限制，提高了非刚性物体匹配的准确性。

附图说明

图1是本申请实施例提供的一种非刚性配准方法的流程示意图；

图2A是本申请实施例提供的一种2D场景数据的有限元划分示意图；

图2B是本申请实施例提供的一种3D场景数据的有限元划分示意图；

图3是本申请实施例提供的一种场景数据相对模型数据发生变形的情况下进行的图像有限元划分的结果示意图；

图4是本申请实施例提供的一种缺陷检测的流程示意图；

图5是本申请实施例提供的一种非刚性配准装置的结构示意图；

图6是本申请实施例提供的一种电子设备的硬件结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

为了使本领域技术人员更好地理解本申请实施例提供的技术方案，并使本申请实施例的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请实施例中技术方案作进一步详细的说明。

需要说明的是，本申请实施例中各步骤的序号大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

请参见图1，为本申请实施例提供的一种非刚性配准方法的流程示意图，如图1所示，该非刚性配准方法可以包括以下步骤：

步骤S100、依据非刚性待配准物体的场景数据以及模型数据，对待配准物体进行全局匹配，得到待配准物体的场景数据与模型数据之间的初始位姿变换关系。

示例性的，上述场景数据可以包括但不限于场景灰度图、场景深度图或场景点云。

同理，上述模型数据可以包括但不限于模型灰度图、模型深度图或模型点云。

示例性的，场景数据通常是从实际应用场景中采集而来，通常是具有一定的噪声和不确定性的；而模型数据则是经过处理和准备后的数据，更加干净和准确，通常是针对特定任务而制作的。

需要说明的是，对于点云数据，其除了可以直接采集之外，也可以由深度图或灰度图转换得到。

示例性的，可以采用模块匹配技术进行全部匹配，或，采用PPF(Point PairFeature，点对特征)特征匹配以及点云ICP(Iterative Closest Point，迭代最近点)技术进行全局匹配。

步骤S110、对于对待配准物体的场景数据进行有限元划分得到的模块中的任一有效模块，确定该有效模块对应的第一类型误差和第二类型误差；其中，有效模块为包括待配准物体的点云的模块，第一类型损失用于表征该有效模块中的点与模型数据中对应的点之间的配准约束，有效模块中的点在模型数据中对应的点依据有效模块对应的位姿变换关系确定，有效模块对应的位姿变换关系的初始值为初始位姿变换关系，第二类型损失用于表征该有效模块与邻域有效模块之间的相对位姿约束。

本申请实施例中，考虑到非刚性物体可能会发生变形，以全局匹配的方式进行配准误差会比较大，即步骤S100中得到的初始位姿变换关系可能会存在较大的误差。

针对非刚性物体的特性，为了提高非刚性物体配准的准确性，可以利用有限划分的思想，将全局非刚性的物体划分为有限个局部刚性的物体，通过有限元模块的划分增加非刚性物体匹配的自由度。

其中，有限元划分是指将图像或点云按一定规则划分成有限的模块(可以称为基元)。

相应地，可以对待配准物体的场景数据进行有限元划分，得到多个有限元模块(可以简称为模块)。

示例性的，对于二维数据，如灰度图或深度图，对待配准物体的场景数据进行有限元划分的划分方式可以包括但不限于XY方向的矩形划分、三角划分或其它划分方式。

对于三维数据，如3D点云，对待配准物体的场景数据进行有限元划分的划分方式可以包括但不限于体素栅格划分或其它立方图形划分方式等。

示例性的，对于对待配准物体的场景数据进行有限元划分得到的多个模块，可以确定待配准物体的点云数据中哪些点归属于哪一个模块，对于不存在待配准物体的点云的模块可以确定为无效模块，不需要进行匹配处理；对于存在待配准物体的点云的模块可以称为有效模块，需要进行匹配处理。

本申请实施例中，考虑到每个有效模块的周边邻域会存在多个其它有效模块，在物体不发生变形的情况下，这些有效模块之间的约束为单位阵的约束关系，即不存在相对的位姿变换。但是对于非刚性物体，有效模块与邻域有效模块之间可能会存在相对的位姿变换，因此，在对非刚性物体进行配准的过程中，不仅需要考虑点云配准约束，还需要考虑不同有效模块与邻域有效模块之间的相对位姿约束(也可以称为变形约束)。

例如，如图2A所示，以矩形划分的二维图像为例，一个模块的邻域模块可以包括8个模块(处于边/角位置的模块的邻域模块的数量相应减少)；如图2B所示，以体素栅格划分的三维图像为例，一个模块的邻域模块可以包括26个邻域模块(处于表面/棱/角位置的模块的邻域模块的数量相应减少)。

相应地，对于任一有效模块，可以分别确定该有效模块对应的第一类型误差和第二类型误差。

其中，第一类型误差可以用于表征该有效模块中的点与模型图像中对应的点之间的配准约束。有效模块中的点在模型图像数据中对应的点依据有效模块对应的位姿变换关系确定，有效模块对应的位姿变换关系的初始值为步骤S100中确定的初始位姿变换关系。

第二类型误差可以用于表征该有效模块与邻域有效模块之间的相对位姿约束。

例如，第一类型误差可以通过以下公式确定：

其中，P

第二类型误差可以通过以下公式确定：

其中，V表示李群对数映射的运算。T

步骤S120、依据对待配准物体的场景数据进行有限元划分得到各有效模块的第一类型误差和第二类型误差，对各有效模块对应的位姿变换关系进行优化，确定待配准物体的配准结果。

本申请实施例中，在按照步骤S110中描述的方式确定各有效模块的第一类型误差和第二类型误差的情况下，可以依据对待配准物体的场景数据进行有限元划分得到各有效模块的第一类型误差和第二类型误差，对各有效模块对应的位姿变换关系进行优化，确定待配准物体的配准结果。

可见，在图1所示方法流程中，依据非刚性待配准物体的场景数据以及模型数据，对待配准物体进行全局匹配，得到待配准物体的场景数据与模型数据之间的初始位姿变换关系；对于对待配准物体的场景数据进行有限元划分得到的模块中的任一有效模块，确定该有效模块对应的第一类型误差和第二类型误差；进而，依据对待配准物体的场景数据进行有限元划分得到各有效模块的第一类型误差和第二类型误差，对各有效模块对应的位姿变换关系进行优化，确定待配准物体的配准结果，通过对待配准物体的场景数据进行有限元划分，提高了非刚性物体配准的自由度；此外，针对进行有限元划分得到的模块中的有效模块，一方面，通过点云配准进行匹配，另一方面，通过相邻模块的约束进行变形限制，提高了非刚性物体匹配的准确性。

在一些实施例中，上述依据对待配准物体的场景数据进行有限元划分得到各有效模块的第一类型误差和第二类型误差，对各有效模块对应的位姿变换关系进行优化，可以包括：

以最小化各有效模块的第一类型误差和第二类型误差的融合值为优化目标，对各有效模块对应的位姿变换关系进行优化。

示例性的，为了尽量提高非刚性物体配准的准确性，可以依据各有效模块的第一类型误差和第二类型误差的融合值，以最小化该融合值为优化目标，对各有效模块对应的位姿变换关系进行优化。

示例性的，第一类型误差和第二类型误差的融合值可以包括第一类型误差与第二类型误差之和，或，第一类型误差与第二类型误差的加权和等。

其中，对于任一有效模块，该有效模块对应的位姿变换关系的初始值为步骤S100中确定的初始位姿变换关系。

示例性的，在对各有效模块对应的位姿变换关系进行优化的过程中，可以在优化次数达到预设最大次数、优化步长小于预设步长阈值，或，上述误差的融合值小于预设误差阈值(可以称为第二误差阈值)的情况下，确定达到优化结束条件。

需要说明的是，在本申请实施例中，也并不限于以最小化上述误差的融合值为优化目标，也可以以分别最小化第一类型误差之和以及最小化第二类型误差之和为优化目标，即可以在优化次数达到预设最大次数、优化步长小于预设步长阈值，或，各有效模块的第一类型误差之和小于预设误差阈值(可以称为第三误差阈值)，且各有效模块第二类型误差之和小于预设误差阈值(可以称为第四误差阈值)的情况下，确定达到优化结束条件。

在一个示例中，上述依据对待配准物体的图像数据进行有限元划分得到各有效模块的第一类型误差和第二类型误差，对各有效模块对应的位姿变换关系进行优化，确定待配准物体的配准结果，可以包括：

在达到优化结束条件的情况下，若各有效模块的第一类型误差和第二类型误差的融合值超过预设误差值，则确定待配准物体与模型数据对应不同类型物体(即该模型数据不是待配置物体的模型数据，而是属于其它物体的模型数据)。

示例性的，在达到优化结束的情况下，若各有效模块的第一类型误差和第二类型误差的融合值超过预设误差阈值(可以称为第一误差阈值)，则可以确定待配准物体与模型数据对应不同类型物体，即可以确定待配准物体配准失败。

若各有效模块的第一类型误差和第二类型误差的融合值未超过第一误差阈值，则可以确定待配准物体与模型数据对应同一类型物体，即可以确定待配准物体配准成功。

通过上述方式，可以实现对指定非刚性物体的计数，在确定待配准物体配准成功的情况下，对对应非刚性物体的计数进行累加，如加1。

在一个示例中，本申请实施例提供的方案还可以包括：

在达到优化结束条件，且各有效模块的第一类型误差和第二类型误差的融合值不超过预设误差阈值的情况下，依据各有效模块对应的最终位姿变换关系，分别对各有效模块进行坐标系变换，得到待配准物体在模型坐标系下的数据；

依据待配准物体在模型坐标系下的数据以及模型数据进行差异对比，并依据差异对比结果对待配准物体进行缺陷检测。

示例性的，在达到优化结束条件，且各有效模块的第一类型误差和第二类型误差的融合值不超过预设误差阈值的情况下，即待配准物体配准成功的情况下，可以依据各有效模块对应的最终位姿变换关系(即在达到优化结束条件时，各有效模块对应的位姿变换关系)，分别对各有效模块进行坐标系变换，得到待配准物体在模型坐标系下的数据。

示例性的，可以依据待配准物体在模型坐标系下的数据以及模型数据进行差异对比，并依据差异对比结果对待配准物体进行缺陷检测。

例如，可以对待配准物体在模型坐标系下的数据以及模型数据进行差分，得到待配准物体在模型坐标系下的数据与模型数据之间的差分结果，并将差分结果的绝对值超过预设阈值的区域判定为缺陷区域。

在一个示例中，上述依据待配准物体在模型坐标系下的数据以及模型数据进行差异对比之前，还可以包括：

在待配准物体在模型坐标系下的数据中存在有效模块之间的间隔大于预设距离的情况下，依据待配准物体在在模型坐标系下该有效模块中的数据，对待配准物体在模型坐标系下有效模块之间的间隔进行填充。

示例性的，考虑到在对待配准物体的场景数据进行有限元划分的情况下，若模块划分过小，则可能会由于模块数量过多导致计算资源无法满足需求，因此，在实际场景中，可能会存在由于受限于计算资源而无法进行小模块划分，而导致坐标转换后得到的待配准物体在模型坐标系下的数据(下文中称为投影数据)中不同模块之间存在较大缝隙的情况。

相应地，针对上述情况，在按照上述实施例中描述的方式得到了待配准物体的投影数据的情况下，可以确定投影数据中是否存在有效模块的投影区域之间(即待配准物体在模型坐标系下有效模块之间)的间隔大于预设距离(如1个像素)的情况下。

在存在有效模块的投影区域之间的间隔大于预设距离的情况(该间隔可以称为裂缝)下，依据该有效模块的投影区域中的点云数据，对有效模块的投影区域之间的间隔进行填充。

例如，可以依据裂缝两侧的投影区域中的点，通过线性插值的方式对裂缝进行填充。

为了使本领域技术人员更好地理解本申请实施例提供的技术方案，下面结合具体实例对本申请实施例提供的技术方案进行说明。

在该实施例中，利用有限元划分的思想，将全局非刚性的物体划分为有限个局部刚性的物体，通过有限元模块的划分增加非刚性工件匹配的自由度。通过模块的刚性匹配和模块间的变形约束，得到每个模块的匹配结果，从而可以将场景图像、按照模块的匹配结果依次转换到模型坐标系。并且对于有限的模块间变形造成的裂缝，可以通过插值的方式进行填充，从而得到更为完整的匹配和矫正结果。将非刚性图像、点云转换到模型后，通过与模型图像、点云的差分可以获取到和模型之间的差异，从而进行缺陷检测等相关应用，其实现流程如图4所示。

下面对上述流程中的部分细节进行说明。

1、全局匹配

使用通常的模板匹配技术；或者，PPF特征匹配以及点云ICP技术进行全局匹配的方法得到整个灰度图/深度图/点云的全局一致的匹配初值(得到上述初始位姿变换关系)，即模型点(模型数据中的点)到场景点(即待配准物体的场景数据中点)的变换。

示例性的，在进行模板匹配的情况下，通常通过点云配准的技术进行匹配，例如，灰度图匹配可能通过边缘点(2维点)的配准、深度图既可以转化成灰度图像使用2D点云配准、也可以转化成3D点云进行3D点云配准实现匹配。

2、有限元划分

对灰度图像/深度图/点云进行有限元划分。

示例性的，划分方式可以是XY方向的矩形划分，也可以是三角形划分以及其他形式的划分，将整个灰度图/深度图/点云划分成N个有限元模块。

示例性的，对于任一有限元模块，可以确定待配准物体的点云数据中哪些点属于哪一个有限元模块。若一个有限元模块中不存在待配准物体的点云，则确定该有限元模块为无效模块；存在待配准物体的点云的有限元模块为有效模块。

每一个有效模块均存在一个待求解的从模型点云变换到场景点云的位姿变换关系，该位姿变换关系的初始值即为上述全局匹配确定的匹配初值。

举例来说，灰度图/深度图划分可以在图像上按照一定的图像宽高进行矩形划分。

例如，将图像划分为8*8/10*10/25*25等有限个模块。每个模块周边有8个邻域模块(也可以称为近邻模块)，其示意图可以如图2A所示，并且每个模块又可以通过匹配初值投影到模型上。

其中，如图2A所示，对于模块5，模块1～4，以及，模块6～8，即为其邻域模块。

图3中所示为场景数据相对模型数据发生变形的情况下进行的图像有限元划分的结果。

示例性的，在场景数据和模型数据形状不一致的情况下，可以认为场景数据相对模型数据发生变形，例如，场景数据发生翘曲。

3D点云体素栅格划分过程可以如图2B所示，按照一定的大小定义栅格，每个栅格中包含若干点，每个体素栅格(如图中的虚线栅格)和周围的26个栅格构成相邻有限元模块的约束，而每个有限元模块(体素栅格)中的点又和模型中的点构成ICP约束。

3、构建点云配准约束

每个有限元模块中的灰度图/深度图/点云在模型点云中都有对应匹配的区域，该模块的位姿变换关系需要满足模型点云通过该位姿关系转换到场景点云中，可以使用点面距离或者点点距离进行约束，这部分约束即为通常使用的点云ICP方法，即将场景点和模型点进行坐标系变换配准。

示例性的，对于任一有效模块，可以依据以下公式确定表征点云配准约束的误差(即上述第一类型误差)：

4、构建邻域约束关系

每个有限元模块在其周边邻域内都有M个(M≥3，对于非二维非边/角模块，M＝8，对于非三维表面/棱/角模块，M＝26)其他有限元模块(即邻域模块)。

示例性的，在深度图/点云没有变形的情况下，模块与邻域模块间的约束都是单位阵的约束关系，即没有相对的位姿变换。而对于非刚性物体，不同模块间的位姿关系则相对模型是有差异的，因此，还需要增加不同模块间的变形约束，以避免在ICP运算的过程中发生过多的偏移。

示例性的，对于任一有效模块，可以依据以下公式确定表征邻域约束的误差(即上述第二类型误差)：

5、联合优化

对上述两种约束进行优化，求解每个模块相对模型的位姿变换关系。

例如，通过以下公式，以优化误差总和为目标进行位姿变换关系的确定：

其中，m为有效模块的总数。

6、数据矫正

利用各有效模块的位姿变换关系，对场景图像划分的各有效模块进行变换，将每一个点按照其归属模块的位姿变换关系，进行坐标转换，投影到新的位置，得到新的灰度图/深度图/点云。所有模块的所有点完成变换即得到新的完整的灰度图/深度图/点云(即上述投影数据)。

7、裂缝填充

考虑到实际场景中可能会受限于计算资源不能进行小模块划分，划分模块较大的情况下，模块与模块之间会出现裂缝(即相邻模块之间间隔超过预设距离)，这些细小的裂缝可以通过相邻模块的点进行线性插值实现填充。

8、基于矫正灰度图/深度图/点云的应用

对于经过上述处理得到的灰度图/深度图/点云，通过和模型进行差异对比(如差分)，可以得到和模型之间的差分结果，比如深度图校正后可以和模型图像的对应点进行差分，差异大的区域即可以判定为缺陷，从而实现缺陷检测。

以上对本申请提供的方法进行了描述。下面对本申请提供的装置进行描述：

请参见图5，为本申请实施例提供的一种非刚性配准装置的结构示意图，如图5所示，该非刚性配准装置可以包括：

全局匹配单元510，用于依据非刚性待配准物体的场景数据以及模型数据，对所述待配准物体进行全局匹配，得到所述待配准物体的场景数据与所述模型数据之间的初始位姿变换关系；

误差确定单元520，用于对于对所述待配准物体的场景数据进行有限元划分得到的模块中的任一有效模块，确定该有效模块对应的第一类型误差和第二类型误差；其中，有效模块为包括待配准物体的点云的模块，第一类型损失用于表征该有效模块中的点与模型数据中对应的点之间的配准约束，有效模块中的点在模型数据中对应的点依据有效模块对应的位姿变换关系确定，有效模块对应的位姿变换关系的初始值为所述初始位姿变换关系，第二类型损失用于表征该有效模块与邻域有效模块之间的相对位姿约束；

配准单元530，用于依据对所述待配准物体的场景数据进行有限元划分得到各有效模块的第一类型误差和第二类型误差，对各有效模块对应的位姿变换关系进行优化，确定所述待配准物体的配准结果。

在一些实施例中，所述配准单元530依据对所述待配准物体的场景数据进行有限元划分得到各有效模块的第一类型误差和第二类型误差，对各有效模块对应的位姿变换关系进行优化，包括：

以最小化各有效模块的第一类型误差和第二类型误差的融合值为优化目标，对各有效模块对应的位姿变换关系进行优化。

在一些实施例中，所述配准单元530依据对所述待配准物体的场景数据进行有限元划分得到各有效模块的第一类型误差和第二类型误差，对各有效模块对应的位姿变换关系进行优化，确定所述待配准物体的配准结果，包括：

在达到优化结束条件的情况下，若各有效模块的第一类型误差和第二类型误差的融合值超过预设误差阈值，则确定所述待配准物体与所述模型数据对应不同类型物体；

在达到优化结束条件，且各有效模块的第一类型误差和第二类型误差的融合值不超过预设误差阈值的情况下，依据各有效模块对应的最终位姿变换关系，分别对各有效模块进行坐标系变换，得到所述待配准物体在模型坐标系下的数据；依据所述待配准物体在模型坐标系下的数据以及所述模型数据进行差异对比，并依据差异对比结果对所述待配准物体进行缺陷检测。

在一些实施例中，所述配准单元530，还用于在所述待配准物体在模型坐标系下的数据中存在有效模块之间的间隔大于预设距离的情况下，依据待配准物体在模型坐标系下该有效模块中的数据，对待配准物体在模型坐标系下的有效模块之间的间隔进行填充。

本申请实施例还提供一种电子设备，包括处理器和存储器，其中，存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现上文描述的非刚性配准方法。

请参见图6，为本申请实施例提供的一种电子设备的硬件结构示意图。该电子设备可包括处理器601、存储有机器可执行指令的存储器602。处理器601与存储器602可经由系统总线603通信。并且，通过读取并执行存储器602中与非刚性配准逻辑对应的机器可执行指令，处理器601可执行上文描述的非刚性配准方法。

本文中提到的存储器602可以是任何电子、磁性、光学或其它物理存储装置，可以包含或存储信息，如可执行指令、数据，等等。例如，机器可读存储介质可以是：RAM(RadomAccess Memory，随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等)，或者类似的存储介质，或者它们的组合。

在一些实施例中，还提供了一种机器可读存储介质，如图6中的存储器602，该机器可读存储介质内存储有机器可执行指令，所述机器可执行指令被处理器执行时实现上文描述的非刚性配准方法。例如，所述机器可读存储介质可以是ROM、RAM、CD-ROM、磁带、软盘和光数据存储设备等。

本申请实施例还提供了一种计算机程序产品，存储有计算机程序，并且当处理器执行该计算机程序时，促使处理器执行上文中描述的非刚性配准方法。

需要说明的是，在本文中，诸如目标和目标等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。