[发明专利]点云骨架提取方法及装置

说明书

技术领域

本发明涉及计算机图形处理技术领域，特别是涉及一种点云骨架提取方法及装置。

背景技术

当今的生产应用中，计算机辅助设计，逆向工程，虚拟现实，三维动画和游戏等三维技术发展的一个主要瓶颈是：至今仍没有一个便利的方法快速获得用计算机存储的三维模型。如何直接从扫描点云数据出发，直接快速得到实用的点云模型，仍是一个未完近年来，三维激光扫描仪凭借其能够方便灵活地获取现实物体的三维表面数据的优势，得到了广泛应用。然而，目前在世界范围全解决的难题。点云数据处理的难点在于，点云数据一般是散乱的，有大量缺失，噪声和外点的。经过二十多年的研究，从较为完整的点云数据中重构三维模型的技术已经较为成熟。然而，制约其成为一种通用的逆向重构技术的关键在于，点云数据往往有大面积的缺失，这是现有硬件扫描设备无法解决的问题。而现有的基于拟合的重构手段都难以快速从缺失的点云数据直接重构出令人满意的三维模型。

所谓点云模型，一般指由三维扫描设备发射扫描光到被测物体表面上，接收反射光，并以此推算出物体表面的三维坐标点的集合。所谓点云三维重建，是指在一定的点云模型数据基础上，重建出能表示源模型的网格数据，便于计算机渲染和用户交互。

为了更好地处理点云数据，从点云中提取骨架是很重要的一个预处理步骤。因为骨架中包含了物体的拓扑结构信息。所以点云骨架的提取其实相当于对原物体的形状的理解过程。一旦得到了点云的骨架后，我们可以利用骨架来反补缺失和增强点云数据，为下一步的点云重构工作奠定基础。

从另外一个角度说，骨架信息的提取一直图形学领域的一个重要的研究课题。因为，不管是二维还是三维的形状，骨架都是对源数据的一个重要的描述特征。有了骨架信息后，可以大大帮助我们分析并操纵各种图形数据，比如基于骨架的形状匹配，骨架动画等。

从封闭的三维网格中提取骨架的技术已经较为成熟，但是从散乱点云中提取骨架却是个新兴的问题。从网格中提取骨架的技术并不能直接应用到点云骨架提取，因为点云中缺少网格的连接信息，并且现有的网格骨架提取技术并不能应对点云中的噪声，外点和缺失等问题。而目前能够从点云中提取曲线骨架的方法是2009年提出的方案，简称ROSA（rotational symmetry axis）。该方案提出了一个旋转对称轴的概念，并且假设输入模型的基本形状主要由圆柱体构成。假设已知一个二维的点集并且知道每个点的法向量，可以算出一个旋转对称中心点，最能表达该点集的中心位置。基于这个二维概念，ROSA方案首先为三维点云的每一个点找到一个最佳的切平面。然后，把切平面附近的输入点投影到该二维平面上，并算出该平面点集的旋转对称中心。把这些旋转对称中心点进行进一步收缩，并且对接合点区域作特殊处理后，得到最后的旋转对称中轴。另外，值得一提的是文献提出的基于拉普拉斯收缩的点云骨架提取技术。该技术假设输入的点云数据足够稠密和规整，从而可以建立基于点集的拉普拉斯连接关系，相当于构造了一个隐性网格。然后利用较为成熟的拉普拉斯网格骨架提取技术提取骨架。

然而，传统技术中的ROSA方案严重依赖点云法向量的信息，以及对物体基本形状的假设。在ROSA方案中，法向量信息是计算局部旋转对称中心的必要条件。而对基本形状是圆柱的假设，是它对缺失数据仍能较好提取中轴的关键。然而，法向量信息并不是直接从硬件设备中得到，而是由局部邻点的信息估算出来的值。对于有大量外点和噪声的情况，很可能估算出错误的法向量方向和朝向，因此，传统技术总的ROSA方案提取点云骨架的准确度不高。

发明内容

基于此，有必要提供一种能提高准确性的点云骨架提取方法。

一种点云骨架提取方法，包括：

获取输入的点云采样数据；

根据迭代公式进行点云收缩得到骨架分支，所述迭代公式为：