[发明专利]三维点云中基于随机采样一致性的特征线检测方法

说明书

技术领域

本发明涉及三维点云数据中的特征提取方法，特别是在点云数据具有较大的噪声及较多外点时有效地提取特征线的方法。

背景技术

随着三维激光扫描仪在逆向工程、城市建模、文物保护、地质勘测、数字娱乐等各个领域的迅速普及与应用，三维点云数据(Point Cloud)逐渐成为三维几何模型常用的表示方式之一。

点云，顾名思义，即由大量无组织、无结构的三维点(一般为坐标位置，也可以包含法向量、颜色等其他属性)来表示三维物体的空间分布和表面特性，点与点之间不存在拓扑关系，这与传统的基于网格(三角形网格或多边形网格)的模型表示方法中存在已知的点连接关系有着根本的不同。因此，点云数据具有更为简单的数据结构，但这同时也决定了点云的数据量通常比网格大得多。

尽管三维扫描仪可以不依赖于外界光照条件直接精确地获取三维点云，由于扫描仪中传感器本身固有的物理特性限制，得到的点云不可避免地会包含噪声(Noise)；同时，扫描数据的规格化处理以及扫描过程中扫描仪和被扫描物体之间的相对移动都会加剧噪声。其次，扫描中激光的多次反射则会导致最终得到的点云中包含相当一部分的外点(Outlier)，即远离被扫描物体表面的点。最后，由于扫描场景中多个物体以及单个物体本身存在的遮挡，物体本身的透明特性，或者扫描过程中的路线或位置限制(如建筑物的顶部)，最终得到的点云通常会包含有许多空洞。因此，高效、鲁棒的点云数据处理方法是当前学术界和工业界共同关注的热点之一。

在众多方法之中，基于特征线的方法由于具有较高的鲁棒性，近些年受到了普遍关注。点云的特征线可以看作是由扫描物体上尖锐特征(Sharp Feature)或高曲率部分采样得到的点构建的线段或曲线。相对于点云的无组织特性，从中提取的特征线由于反映了较高层次的数据点分布模式，从而更能刻画三维物体的几何特征。点云特征线在点云处理中具有重要的应用，目前已用于对称性检测，表面重建及点云/图像注册等。当前已有的特征线检测方法可以大体上分为三类：

1.基于局部平面性分析的方法

Gumhold等人于2001年提出了基于局部平面性分析的方法，其主要思想是对点云P中每个点p_i，查询出该点的k个最近的相邻点N_i，然后对N_i中的点进行协方差分析(CovarianceAnalysis)，得到由N_i中的点构造的协方差矩阵的三个特征值，根据三个特征值的相对大小来确定p_i成为特征点的可能性，以此作为p_i的权值w_i。而后依据每个点的权值建立整个点云的最小生成图(Minimum Spanning Graph)，最小生成图中的点则构成了特征线的候选点，通过裁减之后再使用样条函数对这些候选点进行拟合得到最终的特征线。Pauly等人于2003年将协方差分析部分扩展为多尺度实现，并采用活动轮廓线(Active Contour)取代样条函数，从而可以更有效地处理噪声。这类方法的缺点是无法处理点云中的外点。

2.基于点云分割的方法

Demarsin等人于2006年提出了点云中封闭特征线的检测方法。该方法首先为每个点p_i计算法向量n_i，然后根据n_i之间的相似性(即夹角大小)，采用区域增长的方法将整个点云分割为多个簇(Cluster)，而位于特征线上的点由于其相邻点的法向量变化较大，形成的簇较小。将具有较小簇的点作为候选，构建最小生成树(Minimum Spanning Tree)，最后将最小生成树中的边进行裁剪、平滑处理得到特征线。为了有效处理较大的噪声以及外点，DanielsII等人在2007年采用鲁棒的最小二乘方法(Robust Moving Least Squares)对每个p_i的局部邻域进行分类，局部邻域可以划分为两个及两个以上的p_i经投影后被选中作为特征线的候选点，而后对这些点进行主元素分析(Principal Component Analysis)，将各个点连接为特征线。随后他们在2008年采用样条函数对候选点进行拟合得到更为光滑的特征线。这种方法的缺陷是计算开销较大，而且主要依赖于点云的局部分析而没有考虑全局特性。

3.基于滑动性分析的方法