[发明专利]一种支持套索的大规模点云选择方法

说明书

技术领域

本发明涉及逆向工程技术领域，特别涉及一种支持套索的大规模点云选择方法。

背景技术

当前，逆向工程中最普遍的应用模式是利用基于光学原理的扫描设备快速测量零件或模具外表面形成点云数据，从中提取几何特征进而重建多边形或NURBS曲面。随着扫描硬件精度的提升，原始扫描数据较好地逼近了物理模型的曲面形态，通常无需进行点云去噪滤波。但是，删减处理始终是不可或缺的关键预处理步骤。首先，根据被测物体的摆放方式，扫描点云中通常会不可避免地包含如墙面、支撑物等非目标背景数据；或者用户只希望保留目标模型中的一部分数据进行分析，解决这一问题需设计能够高效并灵活指定大规模点云中待删除区域的选择算法。

目前，在逆向工程应用领域中多使用Geomagic(参见Geomagic studio.Geomagic Studio user’s gde[M].Geomagic studio，2008)、Rapidform(参见Inus Technology.RapidForm2004user gde and tutorial[M].Korea：Inus Technology Inc，2004)等商业软件进行上述删减处理，相关算法并没有公开。在图像处理中选择目标区域最为常用的方式是套索，从点云中选择数据相较于图像区域选择，其难度在于空间分布复杂、数据规模巨大。由于常用计算机输入方式是二维指针设备，二维套索仍然是点云区域选择最直观的方式。除商业软件外，研究领域通常使用简单空间形体完成点云选择(参见Weyrich T，Pauly M，Heinzle S，Keiser R，Scandella S，Gross M.Post-processing of scanned 3D surface data[C]//Proceedings of Eurographics Symposium on Point-Based Graphics.New York：ACM Press，2004：85-94)。

点云选择算法涉及如何判断采样点在视平面上的投影与套索多边形之间的包含关系，Eric(参见Haines Eric.Point in polygon strategies，graphics gems IV[M].Academic Press，1994)总结了若干经典的点在多边形内测试方法，包括射线求交、角度和、三角形扇等算法。在地理信息与图形学领域，目标应用通常需实时测试大规模数据，经典方法无法满足速度指标，后续研究采用基于区域分解的分治策略进行优化。Li(参见Li J，Wang W，Wu E.Point-in-polygon tests by convex decomposition[J].Computers& Graphics，2007，31(4)：636-648)分解多边形为凸子域，将点在任意多边形内测试转换为更为简单的点在凸多边形内测试。Zali(Zalik B，Kolingerova I.A cell-based point-in-polygon algorithm stable for large sets of points[J].Computers & Geosciences，2001，27(10)：1135-1145)等人将多边形所在区域分解为均匀单元格并赋予内、外、边界属性，首先进行简单的点在单元格内测试，最后仅对包含于边界单元格的点进行完整测试。Yang(参见Yang S，Yong J H，Sun J，Gu H，Paul J C.A point-in-polygon method based on a quasi-closest point[J].Computers & Geosciences，2010，36(2)：205-213)等人利用近似最近点概念提高了均匀单元格方法的精度。

这些方法大都仅注重分解或降低多边形复杂性，然后进行逐个单点测试，计算量大。

发明内容

本发明提供了一种支持套索的大规模点云选择方法，以解决逐个单点进行点在多边形内的测试计算量大的间题，通过草绘套索多边形，剔除大部分点在多边形内的判断，提升扫描点云区域选择的效率。

一种支持套索的大规模点云选择方法，包括步骤：

(1)用户旋转点云模型至合适圈选目标点云的方位后草绘套索多边形，圈选目标点云；

(2)对草绘的套索多边形，构建矩形覆盖，并对组成矩形覆盖的每个矩形单元分别赋以内部、外部、边界属性，将组成套索多边形的所有线段嵌入矩形单元中；