[发明专利]一种适用于多视角点云处理的圆柱形邻域及其搜索方法

说明书

技术领域

本发明属于光学三维测量技术领域，涉及一种点云邻域及其搜索方法，更进一步涉及一种新的用于包含重叠区域的多视角点云处理的圆柱形邻域及其搜索方法。

背景技术

光学三维测量技术是集光、机、电和计算机技术于一体的智能化、可视化的高新技术，主要用于对物体空间外形和结构的扫描，以得到物体的三维轮廓，获得物体表面点的三维空间坐标。随着现代检测技术的进步，特别是随着激光技术、计算机技术以及图像处理技术等高新技术的发展，三维测量技术逐步成为人们的研究重点。光学三维测量技术由于具有非接触、快速测量、精度高等优点，使其在航空航天、军工、汽车和装备制造等行业得到了广泛应用。三维测量技术是获取物体表面各点空间坐标的技术，主要包括接触式和非接触式两大类。其中，通过光学三维非接触式测量设备采集的多视角点云数据的处理技术，如融合、降噪、曲面重建等，是当前研究的热点。

在多视角点云数据处理过程中，大部分的运算、操作都是在局部邻域内进行的，为此，需要获取点数据的局部邻域信息。文献“PointPrimitivesforInteractiveModelingand Processingof3DGeometry”（FederalInstituteofTechnology（ETH）ofZurich，MarkPauly，PhdThesis，2003）报道了三种点数据的邻域：K近邻（K-nearestNeighbors）、BSP邻域（BSPNeighbors）和Voronoi邻域（VoronoiNeighbors）。其中，K近邻应用最为广泛，BSP邻域和Voronoi邻域是K近邻的子集，即这两种邻域是在K近邻的基础上建立的。

三维空间中任意一点数据P的K近邻定义为：以点数据P为中心，以r为半径的球形区域内的点数据集合。其中，半径r的值可由使用者事先指定或者在搜索过程中确定。由上述定义可知，由于任意一点数据P的K近邻一定位于以点数据P为中心的一个球形区域内，因此，K近邻也可称为球形邻域。在本发明中，将K近邻称为球形邻域。

球形邻域的搜索可通过构建一棵kd-树（kd-tree）或者一棵八叉树（octree）来实现。球形邻域的搜索因其具有简单、高效的特点而得到广泛的应用，但其在使用过程中也存在需要克服的缺陷。球形邻域的搜索的缺点主要体现在以下两个方面：（1）受测量精度、匹配偏差等因素的影响，多视角点云之间存在间隙，搜索点数据的邻域时，一部分邻域点数据由于间隙而处于球形区域之外，导致该部分邻域数据的缺失。因此，在搜索多视角密集点云数据重叠区域的点数据的邻域时，搜索的邻域不完整。（2）对于厚度较薄物体的点云数据，比如薄壁叶片的点云数据，当搜索半径大于厚度尺寸时，搜索某一表面上点数据的邻域时，会将另外一表面上的点数据也包括在其中，导致搜索出错。

发明内容

针对上述现有球形邻域搜索方法的不足，本发明提出了一种适用于多视角点云处理的圆柱形邻域及其搜索方法，以满足包含重叠区域的多视角点云处理过程中邻域搜索的需求。

为实现上述目的，本发明采用的技术方案是：

一种适用于多视角点云处理的圆柱形邻域，对于三维空间中任意一包含法向量n的点数据P，点数据P的圆柱形邻域定义为：位于底面半径为r、高度为h的圆柱形区域内，并同时满足欧氏距离判据及法向量判据的点数据集合Ω；