[发明专利]一种根据激光雷达栅格点云构建CSG模型的方法

权利要求书

1.一种根据激光雷达栅格点云构建CSG模型的方法，其特征在于，包括如下步骤：

步骤一，读取地面激光雷达获取的栅格点云数据，同时利用所述栅格点云数据构建空间索引结构树；

步骤二，按照随机抽样一致性算法在上述空间索引结构树的叶子节点数据中提取平面特征点云数据、球面特征点云数据、以及柱面特征点云数据；并利用上述提取的特征点云数据根据最小二乘法分别拟合平面、球面、以及柱面的规则几何模型；

步骤三，根据上述平面、球面、以及柱面的规则几何模型，分别构造对应的长方体、球体、以及圆柱体三维模型；

步骤四，将长方体、球体、以及圆柱体的规则几何模型转换为三维空间体素模型，再将所述三维空间体素模型三角化为三角网模型，之后利用该三角网模型结合多面布尔运算算法生成CSG模型。

2.如权利要求1所述的方法，其特征在于，所述空间索引结构树的叶子节点的数据包括节点的三维最小外包盒信息、二维行列数外包矩形信息、节点名称标识信息、节点存储点坐标的标识信息、三维坐标偏移参数信息。

3.如权利要求2所述的方法，其特征在于，所述步骤一中，依次读取栅格点云数据，通过读取栅格点云数据中点的标识信息或者直接赋予标识信息，将所读取的点标识依次插入空间索引树的叶子节点；在将所读取的点依次插入空间索引树的叶子节点时，判断空间索引树的叶子节点中点的数量，若点的数量大于设定阈值，则进行节点的分裂，直至所有的点都插入到空间索引树的叶子节点中；

计算每个叶子节点的最小外包矩形体，并利用均匀采样的方法以自下而上的方式填充空间索引树的非叶子节点数据，直至根节点，从而构建出多细节层次多分辨率空间索引结构树。

4.如权利要求2所述的方法，其特征在于，所述步骤二中，提取球面特征点云数据的步骤包括：

随机选取一点为中心点，以由该中心点向八个方向放射的星形结构上的预定数量的点为种子点；

将所选取的种子点拟合成球面，并计算各选定的小块点云中点与该球面的距离；

选取距离小于设定阈值的点为符合条件点，当所述符合条件点的数量达到预定值时，以这些符合条件点拟合成初始球面；

移动小块点云，计算各小块点云中点与该拟合的精确球面的距离，选取距离小于设定球面距离阈值的点为球面特征点，不断迭代拟合精确球面，直到获得全部球面特征点云数据。

5.如权利要求2所述的方法，其特征在于，所述步骤二中，提取平面特征点云数据的步骤包括：

以随机选取的一点为基准点，以由该基准点自下而上、自左而右选取预定数量的点为种子点，以所选取的种子点拟合成平面；

对种子点进行数量扩展，并计算各扩展种子点与所述拟合的平面之间的距离，选取距离小于设定阈值的扩展种子点为新的种子点；

将此新的种子点加入前述种子点中并再次拟合成新的平面；

重复上述步骤直至无再进行扩展的种子点，所得新的平面上的点的数据即为平面特征点云数据；

并执行如下步骤：计算所得的多个平面的法向，以第一个平面的法向为基准，若第二平面的法向与该第一平面的法向夹角小于设定的阈值，且两个平面间两个方向上的距离小于给定阈值，则此第二平面与第一平面为同一平面；

重复上述步骤，直至所有平面判断完毕；

将判断为同一平面的各平面进行合并，从而得到各平面所对应的平面特征点云数据。

6.如权利要求2所述的方法，其特征在于，所述步骤二中，提取柱面特征点云数据的步骤包括：

以随机选取的一点为基准点，以由该基准点自下而上、自左而右选取预定数量的点为种子点，以所选取的种子点拟合成柱面；

对种子点进行数量扩展，并计算各扩展种子点与所述拟合的柱面之间的距离，选取距离小于设定阈值的扩展种子点为新的种子点；

将此新的种子点加入前述种子点中并迭代拟合成新的柱面；

重复上述步骤直至无再进行扩展的种子点，所得新的柱面上的点的数据即为柱面特征点云数据；

并执行如下步骤：计算所得的多个柱面的轴向，以第一个柱面的轴向为基准，若第二个柱面的轴向与该第一个柱面的轴向夹角小于设定的阈值，且柱面间轴向距离小于给定阈值，则此第二个柱面与第一个柱面为同一柱面；

重复上述步骤，直至所有柱面判断完毕；

将判断为同一柱面的各柱面进行合并，从而得到各柱面所对应的柱面特征点云数据。