三維激光點云特征點線完整準確提取方法技術

本申請提出一種改進的三維激光點云模型的特征點線提取方法，采用局部二次曲面擬合的曲率極值點備選特征點提取方法，將高斯曲率、平均曲率與法向量相鏈接，對曲率特征點提取進行了分段式改進，得到了更加快速的備選點特征提取效果；采用一種主分量分析的鄰域投影判斷方法對備選特征點集進行處理，剔除備選特征點集中的散亂點；采用改進的折線生長法對特征點集進行折線生長，篩選關聯關系較大的特征點；通過k次貝茲線方法對生成的折線生長點集進行線擬合。本申請可以完整的提取出點云模型的特征點線，局部特征細節不容易受噪聲影響，魯棒性好，點云特征點線提取清晰準確且效率較高。點云特征點線提取清晰準確且效率較高。點云特征點線提取清晰準確且效率較高。

【技術實現步驟摘要】
三維激光點云特征點線完整準確提取方法


[0001]本申請涉及一種三維點云特征點線提取方法，特別涉及一種三維激光點云特征點線完整準確提取方法，屬于點云特征點線提取


技術介紹

[0002]隨著三維激光點云技術的發展和計算機處理能力的提高，點云數據掃描精度和質量也得到逐步提升，三維激光掃描儀器無論是在價格上還是在便攜性上都有了較大突破，逐步推進了三維激光點云數據在各行各業的廣泛應用，無論是在設備醫療、工業應用、航空測量、建筑模型構筑方面，還是在損毀文物復原、數字多媒體等方面，三維激光點云都起到了非常重要的作用，同時各行各業也對點云數據的幾何處理方法提出了更高的要求。三維點云的特征提取技術是點云數據應用的關鍵技術之一，在點云的各種幾何處理如點云分片、點云簡化、點云配準、點云拼接、點云重建等多個方面起著較為重要的作用。
[0003]三維激光點云技術尤其在工業制造領域功績卓著，除開能夠對各種鑄件進行精確的質量檢測以外，通過對精度要求極高的精細鑄件進行三維掃描和幾何化處理，在保留特征的前提下進行網格簡化，可以實現非接觸測量、真實視覺渲染、立體模型3D重構、逆向工程等，愈來愈收到來自各行各界的重視。
[0004]將三維激光點云數據特征定義為可以體現出模型表面幾何特征以及表面凹凸結構的特征點、特征線和特征面，特征通過對物體表面幾何結構的掌握對點云配準、簡化、分塊以及三維重建等眾多過程進行約束和指導，尤其對模型的精確重構起著極其重要的作用。隨著三維激光掃描技術和建模技術的提高，三維激光點云模型的幾何特征提取已成為計算機模式識別、計算機圖形學、逆向工程及數字圖像處理等應用領域的關鍵技術之一，因此，點云的特征提取越來越受到重視。
[0005]點云的特征點定義為三維激光點云里可以將模型的各種幾何形態和表面的凹凸特征表現出來的點集，例如不同兩個邊的交界線上的點，要么就是模型的拐點，還比如各個曲面與曲面、曲面與曲線、曲線與曲線直接的交點，都可以稱作特征點，可以根據這些點的排布規則建立起點云三維重建的重要參數和約束標準。
[0006]現有技術缺少可靠的三維點云特征點線提取方法，本申請的難點和待解決的問題主要集中在以下方面：
[0007]第一，現有技術通過計算曲率或是法向量的散亂點云的特征點提取方法較大的缺陷在于需要計算散亂點云中每個點的曲率值或法向量，從而必須進行多次點云的局部二次曲面擬合，進一步計算出所有點的平均曲率，根據平均曲率的變化定位到曲率極值點，整個過程比較繁瑣，而且計算量大，耗費時間多，效率低，三維點云的特征提取方法都具有較高的空間復雜度，導致其在許多生產生活領域的應用較少；
[0008]第二，現有技術通過基于曲率的特征提取方法，得到散亂無序的備選特征點集，需要將這些點集進行特征點聚合為特征曲線,由于特征點集不能很好的表現出三維激光點云模型的幾何特征和形狀特征，所以需要將特征點集按照一定的拓撲關系聚類成特征線，用
以表示模型的模型輪廓線、凹邊、凸邊、邊界線的幾何特征，現有技術的折線生長法是隨機的從備選特征點集中選取某個點作為初始生長點，然后將當前生長點及所有鄰域點都投影到由協方差矩陣確定的主軸向量上，取投影最遠的兩個遠端點作為新的生長點，這樣的折線生長法，確定的生長點有可能偏離原特征點集的正確的生長方向，且特征線可能不夠光順，方法實現效率低下；
[0009]第三，現有技術提出一種多尺度點云特征點提取方法，通過調整該點的鄰域半徑作為離散尺度參數，根據鄰域半徑的大小不斷的判斷針對不同半徑的某一點成為特征點的概率，這種方法能夠較好識別出含有噪聲的散亂點云的特征點，但較高的計算量導致其可用性較低。現有技術提出一種空間三角網格曲面的邊界提取方法，通過判斷一個點的鄰接點是否都能通過三角網格的邊組成閉合曲線來獲取邊界點，并在判斷邊界點的同時完成對邊界點的排序，獲得邊界曲線，該方法的優點是提取較為準確，缺點是計算量較大，較為耗費時間，不適應于散亂的不規則的點云，應用性不夠廣泛。現有技術還提出一種網格劃分特征檢索方法來進行應用于工業反求，但是特征篩選度較低，應用性不強，方法較為復雜；
[0010]第四，現有技術對特征點提取的曲率極值方法，需要對點云的每個點進行局部二次曲面擬合求取曲率值，才可以檢索到曲率極值點，計算效率很低，很難得到清晰正確的特征線提取結果，容易出現毛刺和特征線的斷裂缺口，在局部不夠流暢光滑；現有技術折線生長的點特征聚類方法，關聯系數較小的點作為生長點，可能出現的折線重復生長，局部特征細節隨著噪聲擾亂的加劇，提取的特征線的光滑度愈來愈低，特征線褶皺逐漸增多，局部特征線提取不夠精確，稍微有棱角和粗糙有丟失重要的特征線，不能保持特征線的完整性，抗噪聲的魯棒性差，三維點云特征點線提取不夠完整準確且效率較低。
[0011]三維激光點云技術發展逐漸深入，三維點云的特征提取等問題也顯示出愈來愈深刻的重要性和廣泛的應用前景。特征點線提取技術是三維激光點云特征提取技術的重要組成部分，從散亂點云中快速準確的生成特征線，對與實現幾何模型外觀和結構的精確重建和表達具有重要作用，可以應用于曲面重建、點云分割、對稱性檢測、點云配準與點云的注冊等眾多方面。本申請從三維激光點云的數據組成特征出發，圍繞三維激光點云的點特征和線特征提取技術進行改良和創新，對相應的提取方法進行改進，最終實現能夠準確提取出不同的三維激光點云的清晰明確的特征曲線。

技術實現思路

[0012]本申請對三維激光點云特征線提取方法進行分步的改進和優化，第一是對特征點提取的曲率極值方法進行改進，首先檢索點云高斯曲率極值點作為初始檢索點集，以高斯曲率極值點為初始檢索點，沿著最大主曲率和最小主曲率的方向檢索出點云的曲率極值大值點和極小值點，該特征點提取方法鏈接了高斯曲率、平均曲率和法向量對點云進行非遍歷型特征點檢測，不需要對點云的每個點進行局部二次曲面擬合求取曲率值，就可以檢索到曲率極值點，大幅提高了計算效率；第二是對折線生長的點特征聚類方法進行改進，通過主成分分析的方法，鏈接自關聯關系和鄰域最遠距離兩個參數對折線生長點進行有效的判斷，避免了關聯系數較小的點作為生長點，其次采用角度臨界值，進一步進行生長點的篩選，避免了可能出現的折線重復生長。本申請改進的方法能完整準確的提取出點云模型的特征點和特征線，局部特征細節不容易受到噪聲的影響，具有巨大的實際意義和廣泛的應
用前景。
[0013]為實現以上技術特征，本申請所采用的技術方案如下：
[0014]三維激光點云特征點線完整準確提取方法，采用一種局部二次曲面曲率擬合鏈接法向量的特征提取方法，基于點云模型曲率的變化提取特征點并逐步聚類為特征線，首先采用擬合局部曲面方程，根據二次曲面擬合結果估算點云曲率和法向量，利用改進的平均曲率極值鏈接法向量的判斷方法初步提取備選特征點，通過光順投影法篩選備選特征點，通過改進的折線生長特征線生成方法提取點云的特征線，準確的估算曲率，以較少的時間提取出清晰明確的特征線；
[0015]在三維激光點云的特征點提取方面，基于特征點的本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.三維激光點云特征點線完整準確提取方法，其特征在于，采用一種局部二次曲面曲率擬合鏈接法向量的特征提取方法，基于點云模型曲率的變化提取特征點并逐步聚類為特征線，首先采用擬合局部曲面方程，根據二次曲面擬合結果估算點云曲率和法向量，利用改進的平均曲率極值鏈接法向量的判斷方法初步提取備選特征點，通過光順投影法篩選備選特征點，通過改進的折線生長特征線生成方法提取點云的特征線，準確的估算曲率，以較少的時間提取出清晰明確的特征線；在三維激光點云的特征點提取方面，基于特征點的幾何特性，采用高斯曲率和平均曲率的基本特質，對曲率極值法進行改進，首先將三維激光點云中的所有數據點分塊柵格化，在已分塊處理后的點云區域里根據某一個點的k鄰域局部曲面擬合并檢索求取高斯曲率極值點，把這個點暫時作為備選曲率極值備選點，然后隨著主曲率的方向，定位次高斯曲率極值點鄰域其余主方向上的極值點，提取最終的點云特征點；曲率擬合鏈接法向量的特征點提取過程包括搜索初始特征點和檢索備選特征點；在三維激光點云的特征線提取方面，從幾個方面改進折線生長方法，將特征點k鄰域的自關聯系數、鄰域最長距離和折線生長點判斷角度臨界值相鏈接作為折線生長點的判斷參數，通過k次貝茲曲線方法對生成的折線生長點集進行曲線擬合，提取點云的特征線。2.根據權利要求1所述的三維激光點云特征點線完整準確提取方法，其特征在于，曲率擬合鏈接法向量的特征點提取法：采用高斯曲率K的正負表示局部曲面上某點的性質，當K＞0，則該點為橢圓點，當K＝0，則該點為拋物點，當K＜0，該點為雙曲面點，高斯曲率K和平均曲率L反映曲面表面的凹凸情形，高斯曲率和平均曲率的取值，將曲面分為8種情形，k1和k2分別為最大主曲率和最小主曲率，當高斯曲率K不為0時，可求取局部的高斯曲率極值點，并把這個高斯極值點作為下一步曲率極值點，即特征點的檢索點，當某一點是高斯曲率極值點時，根據平均曲率的取值，沿著該點的主曲率方向檢索到相應的曲率極大值或是極小值，從而獲得三維點云的特征點；在高斯曲率K＝0的情形，其中L＝0局部曲面類型為平面，不存在任何曲率極值點，L＞0和L＜0兩種點的局部曲面類型不存在高斯曲率極值點，可求得法向量的特征點代替高斯曲率極值點作為檢索點。3.根據權利要求1所述的三維激光點云特征點線完整準確提取方法，其特征在于，對于備選特征點的提取，本申請提出一種新的曲率檢索方法，首先將三維激光點云中的所有數據點分塊柵格化，在分塊的點云區域里求取高斯曲率極值點，直至檢索所有的柵格，另外增加高斯曲率K和主方向作為額外的特征點的新的判斷參數，將三維激光點云模型表面的三個重要幾何特征高斯曲率K、平均曲率L和法向量相鏈接，求取點云的備選特征點,方法核心是：首先通過k鄰域檢索，找出高斯曲率極值點，作為備選曲率極值備選點，若不存在高斯曲率極值點，則求取這個區域的法向量角度變化較大的點作為備選曲率極值備選點，然后沿著主曲率的方向，按照判斷方法，定位次高斯曲率極值點鄰域其余主方向上的極值點，沿著主方向進行特征點檢索，不用求出點云中所有點的曲率和法向量。4.根據權利要求1所述的三維激光點云特征點線完整準確提取方法，其特征在于，搜索初始特征點：第一步：首先在點云中隨機選取一點E，對E點進行k鄰域檢索，得到E點外的k個鄰近點,將E點在內加上所有檢索到的點通過最小二乘局部二次曲面擬合，得到E的k鄰域的擬合曲面T0(v,u)，以E定位第一個檢索點檢索T0(v,u)上的高斯曲率的極大值點或極小值點，當在
T0(v,u)上檢索到極值點A1，重新檢索A1的k鄰域，重新局部二次曲面擬合并查尋高斯曲率的極值點A2，然后以A2為起始點再次檢索，逐步迭代；第二步：重復進行第一步，每次都已前一個極值點為中心重新檢索k鄰域并重新查找新的極值點，這個極值指的是極大值和極小值，需要分兩步依次檢索，其中如果發生沒有高斯曲率的極大值或極小值，改用法向量進行檢索，法向量的備選特征點檢索是將法向量夾角大于臨界值的點作為檢索點來代替高斯曲率極值點，直至將整個點云數據全部檢索一遍，檢索出A1、A2、
…
、A
k
、
…
所有的以高斯曲率為判斷標準的極值點；第三步：將前面第一步和第二步所檢索出的曲率極值點組成一個備選特征點集合，以這個備選特征點集合為初始點再次進行基于平均曲率的曲率極值檢索。5.根據權利要求1所述的三維激光點云特征點線完整準確提取方法，其特征在于，檢索備選特征點：三維激光點云數據點在所擬合的局部曲面上，都有兩個主曲率方向，曲率最大方向L1和曲率最小方向L2，假設點E是點云上的高斯曲率極值點，即A1、A2、
…
、A
k
、
…
中的一個點，高斯曲率是曲面的兩個主曲率的乘積，假設某點在曲面上的兩個主曲率分別為K1、K2，即K＝K1
×
K2為某點在曲面上的高斯曲率,根據L＝(K1+K2)/2計算出L(B)，根據L(B)的數值判斷特征點；(1)步驟一：如果平均曲率L(B)＞0，無論該點E是高斯曲率極大值還是極小值，則在最大主曲率方向一定存在著一個點使得曲率值極大，首先檢查此次檢測點的點云片里的點，將偏移量較大的點去除，留下的點繼續進行下一輪處理；具體方法為：求出點E的最大主曲率方向，將點E分別與分塊區域內的所有點連接，計算這些連接線與點E的最小主曲率方向的夾角b，并與給定的夾角臨界值b0進行比較，當b＜b0，則保存，反之則排除；然后將保存的點按照夾角b的大小的進行升序排列，作為求取極值點的備選點集，從點集中取出第一個點B1，即與最小主曲率方向夾角最小的點，在最大曲率方向前后找到兩個點B
f
和B
t
和，這兩個點必須是與B1相鄰接的，判斷如果在最大主曲率方向，B1的曲率大于等于B
f
的曲率并且小于等于B
t
的曲率，K2(B1)≥K2(B
f
)并且K2(B1)≤K2(B
t
)，把點B1確定為曲率極值點，否則就排除極值點的可能，一直按照該方法，按照從小到大的順序，處理剛排序好的所有的備選點，最終獲取三維點云的小分塊柵格里的所有的沿著最大主曲率方向的極大值點，將這些點按照順序存儲進鏈表，從這個鏈表里取出最后一個點B
max
，重新做一個新的向量沿著點B
max
最小主曲率方向，這個向量指向下一個繼續檢索的點云數據分塊柵格，以B
max
為初始點，以B
max
的最小主曲率方向為標準方向，檢索這個新的柵...

【專利技術屬性】
技術研發人員：王彬，
申請(專利權)人：王彬，
類型：發明
國別省市：