[发明专利]大规模点云数据的局部增长式曲面重建方法

说明书

技术领域

本发明涉及物体的3D曲面重建技术领域，更具体地，涉及一种利用局部增长式曲面重建方法对大规模点云数据构建三维模型的方法。

背景技术

长期以来，如何精确、高效地获取真实世界物体的几何形状信息，是在大型工程中，实现设计、展示、数据存档与误差检测的数字化和智能化所面临的一个根本性难题。传统的3D扫描设备由于视角狭窄固定、有效测量距离短、对扫描环境要求过高等显著缺陷，其应用尚仅局限于对近距离小尺寸物体的室内几何测量。该技术难以适用于大型环境，其苛刻的要求在很多实际工程场景中也难以满足。

针对现代工程复杂程度和精密程度日益加剧的实际状况，现今最先进的3D感知设备，开始运用开放式激光扫描技术，对任意尺度的3D物体的形状、颜色与物理材质进行远程高精度测量。

在获取三维扫描数据后，得到的是物体模型的大量（或称“大规模”）离散采样点，这些离散采样点的数量相当大，当在同一空间参考系下表达这些离散采样点的集合时，也称之为“点云数据”。基于点云数据的三维曲面重建涉及大量应用，诸如逆向工程学、计算机图形学、计算机视觉等等。

通常来说，基于点云数据的曲面重建问题是一个病态问题，例如不存在唯一解。一个可靠并唯一的解需要原曲面和离散采样点的约束来保证。在过去几十年里，大量的曲面重建方法被提出。这些方法例如中国专利申请（申请号为CN201110022410.2）公开的一种基于样点拓扑近邻的散乱点云曲面拓扑重建方法,其特征在于通过对目标样点及其k近邻进行偏心扩展和自适应扩展获取目标样点的拓扑近邻参考数据,从中查询目标样点的拓扑近邻,从目标样点的同层拓扑近邻中获取符合Delaunay条件的匹配点,生成局部Delaunay三角网格,并通过增量扩展实现整个散乱点云的曲面拓扑重建。又例如，中国专利申请（申请号为CN201210401274.2）公开的一种室内场景的分类与重建方法。该方法先将三维点云进行分割处理而得到很多个曲面片，然后在分割得到的曲面片上利用室内场景分类器不断添加与其相邻的曲面片以得到一个有意义的物体，最后将得到的有意义的物体与模型库中的模板进行拟合与处理得到重建好的室内场景。尽管这些方法在表述上不尽相同，但是大多数方法需要对原曲面和它的采样点作一些很强的假定。例如，包括上述方法在内的很多方法需要很高的采样率来保证得到小区域内的剧烈的拓扑和几何变化；有些方法需要曲面法向或内/外插值等额外的信息辅助；有些方法不能抗噪声和部分数据损坏。这些现象在三维数据获取技术中会频繁出现，妨碍了3D重建技术在工程设计中的应用。

一个正确的曲面重建是可行的，当且仅当，采样是“合适”的，比如在高曲率和高拓扑复杂度的区域要有足够的采样点。通常，当两个物体比较接近或者局部曲率比较高时，需要更高的采样率。噪声也会给拓扑识别带来困难。如图1列举的现有技术中由点云数据进行模型重建所存在的困难情形：(a)尖锐角需要高采样率，即使噪声不强；(b)两个曲面比较接近时，噪声导致拓扑奇异；(c)高突发的噪声；(d)尖锐角两边曲面方向的错误赋值。

现有技术中的已有方法通常只能在一些强假定的前提下部分解决上述问题，比如采样率，曲面的连续性或者噪声量。例如，申请号为CN201110191178.5的发明专利申请公开的点云数据网格化的方法。其针对由激光扫描得到的离散点云数据，提供一个自动的、鲁棒性强的全局参数化方法，并利用参数化结果直接获取与主方向一致的能够反映模型内在几何特征的网格化结果。该全局参数化方法就是基于曲面的连续性这种强假定的前提。

发明内容

为了克服现有技术中存在的上述不足，本发明从以下判定为出发点加以改进：在视觉上，人眼可以轻松捕获曲面的特性——即使是在有噪声或者采样不完全的情况下。这种能力可以归结为人类大脑对这些曲面的一些判定：（1）曲面的主要区域没有剧烈的曲率变化和突变噪声；（2）曲率或拓扑的剧烈变化不会集中在小的区域内；（3）曲面是一个二维流型。