[发明专利]一种基于局部采样的多几何特征点云数据的分割方法

说明书

技术领域

本发明涉及一种点云数据的分割方法，尤其涉及一种基于局部采样的多几何特征点云数据的分割方法，该方法更适用于处理海量点云数据。

背景技术

激光点云数据分割，是根据一定的属性或规则，将点云数据分割为若干互不相交的子集的过程。目前，激光点云数据分割主要利用点云数据的几何信息(曲率、法向、高斯球等)或者光谱信息(多结合几何信息)。基于几何信息的方法主要有基于边的分割、基于面的分割以及其他方法。基于边的分割方法是根据一定的属性或规则探测突变边界，根据突变边界分割数据体；基于面的分割方法是根据几何空问特性，把点云数据分为不同的类别；其它方法包括基于扫描线的分割、基于Level Set的分割、基于Reeb图的分割等。

在人工环境中，目标对象多以规则几何形体(平面、柱面、球面等)组成，基于面的分割能为人们提供点云数据的抽象表达，且在激光点云后处理中具有重要应用，如点云数据的自动配准、模型与拓扑重建、空间数据组织与分析、点云数据滤波与精简等，因此基于面的分割方法获得了广泛的认可。

在基于面的方法中，RANSAC和HOUGH变换是其中最著名的方法，但HOUGH变换存在效率低、内存消耗高等缺点，不适合处理海量点云数据。RANSAC具有内存消耗低，方法简单、通用、易扩展等特点，因此在点云数据处理中获得了广泛的应用。但是传统未经优化的RANSAC方法，采用全局采样策略，即从全部的点云数据中选取采样点进行几何模型的构建，这样容易产生“拟合出现实世界中所不具有的模型”的问题，举例来说，当从一建筑物内部的全部的点云数据中选取了三个采样点拟合出一平面，这三个采样点可能分别来自于屋顶、墙面和底板，这样得到的平面在现实世界是完全不存在的，得出的结果与现实相去甚远，影响了计算效率；同时，RANSAC方法一次计算只能从点云数据中确定出一个几何特征，而现实人工对象多以多种规则几何形体(即多几何基元)组成，因此如何在海量点云数据中有效提取多几何基元特征在现实应用中具有重要的意义。

发明内容

本发明提供了一种更适合处理海量点云数据的、可快速提取几何特征的基于局部采样的多几何特征点云数据的分割方法。

本发明提供的技术方案为：

一种基于局部采样的多几何特征点云数据的分割方法，包括以下步骤：

步骤一、利用激光扫描仪对目标对象进行扫描取点，以获取目标对象的点云数据；

步骤二、利用三维规则格网将对所获取的全部的点云数据划分为多个第一格网单元；

步骤三、从全部的点云数据中提取多个几何特征，多个几何特征的提取过程包括：(1)以全部的点云数据为第一当前数据集，(2)在第一当前数据集中随机选取一个采样点，确定该采样点所在的当前第一格网单元，利用该采样点以及当前第一格网单元内的其他点构建出α个候选几何模型，(3)从α个候选几何模型中确定一最优模型，(4)在第一当前数据集中，计算步骤(3)得到的最优模型的一致集，该一致集为一个子集，则第一当前数据集中不属于该一致集的点形成下一个第一当前数据集，重复(2)～(4)，根据多个几何特征将全部的点云数据的分割成多个子集。

优选的是，所述的基于局部采样的多几何特征点云数据的分割方法中，所述步骤三的(3)中，当α个候选几何模型中只有一个候选几何模型满足以下条件：在当前第一格网单元的点中，当一个候选几何模型的一致集的点的数目到达第一阈值时，则将该候选几何模型作为最优模型。

优选的是，所述的基于局部采样的多几何特征点云数据的分割方法中，所述步骤三的(3)中，当d个候选几何模型中有β个候选几何模型满足以下条件：在当前第一格网单元的点中，一个候选几何模型的一致集的点的数目到达第一阈值，其中，β≤α，则利用超几何分布方法对p个候选几何模型进行验证，从β个候选几何模型确定最优模型，具体过程为：

(1)对于β个候选几何模型中的任一个候选几何模型ψ，以其在当前格网单元S₁的一致集的点的数目作为其在当前格网单元Sl的局部打分

则一个候选几何模型中在多个格网单元的全局打分推断为：