[发明专利]一种基于双边滤波器的多视角密集点云数据融合方法

说明书

技术领域

本发明属于光学三维非接触式测量技术领域，涉及一种多视角密集点云数据融合方法，更进一步涉及一种新的基于双边滤波器的多视角密集点云数据融合方法。

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。

点云融合是指消除由测量误差和匹配误差等导致的多视角点云重叠区域的噪声、分层和冗余，建立细节特征清晰、表面光顺的单层点云模型。点云融合技术随着三维光学非接触式测量技术的发展而不断发展。按照融合方式可以将现有点云融合方法分为三类:基于隐式曲面重构的点云融合技术，基于显式曲面重构的点云融合技术和基于聚类的点云融合技术。

基于隐式曲面重构的点云融合技术一般先通过有向距离场(Signed Distance Field，SDF)或者移动最小二乘(Moving Least Squares，MLS)等技术构建一光顺的隐式曲面，然后通过三角网格化方法或者B样条曲面构建技术将隐式曲面转换为显式曲面，从而实现多视角密集点云数据的融合。这类点云融合方法在构建隐式曲面的过程中可以有效地消除由测量误差和匹配偏差等导致的分层及噪音，但这类方法在将隐式曲面转换为显式曲面的过程中会占用大量的计算机资源，融合效率低。

基于显式曲面重构的点云融合技术在网格化的过程中(通过构建三角网格曲面、泊松曲面或者nurbs曲面等)将多视角点云融合在一起，融合结果为一显式的网格曲面。但这类方法对匹配偏差及噪声比较敏感，融合后重叠区域表面的融合效果一般比较差，会保留融合前的痕迹。此外，这类方法占用计算机资源多、效率低，不适用于大规模点云数据的融合处理。

基于聚类的点云融合技术通过聚类的方法将重叠区域的同名点数据聚集在一起并融合，从而实现冗余消除。这类点云融合方法是一种无网格点云处理技术，此类方法占用计算机资源少，但当待融合的点云幅数多于两幅时，需要通过增量式的方法进行融合，即先将其中两幅融合在一起，然后再加进来一幅进行融合，依次类推，直至所有点云融合完毕为止。增量式的融合方式一方面效率低，另外一方面不能保证融合后的点云位于最优的曲面上。

发明内容

为了克服现有点云融合技术的缺陷，满足包含重叠区域的多视角密集点云数据的融合处理要求，本发明提供了一种基于双边滤波器的多视角密集点云数据融合方法。该方法可一次性将多幅包含匹配偏差、噪声的多视角密集点云数据融合为一幅完整、光顺、分布均匀的单层点云数据。

为达到以上目的，本发明采取的技术方案是：

一种基于双边滤波器的多视角密集点云数据融合方法，包括下述步骤：

步骤一，输入多视角密集点云数据

输入测量设备采集的待融合的多幅多视角密集点云数据，输入的多幅多视角密集点云数据需同时包含三维坐标信息及法向量信息；

步骤二，拓扑关系构建

将步骤一所输入的多幅多视角密集点云数据合并在一起，建立一棵k-d树，构建点云数据中点数据间的拓扑关系；

步骤三，基于双边滤波器的点数据归属

在步骤二所构建的拓扑关系的基础上，查询点云中每一个点数据的局部邻域信息，然后采用双边滤波器更新每一个点数据的三维坐标，从而实现点数据的归属；

步骤四，Mean-shift聚类融合

对步骤三所归属后的点数据，采用Mean-shift聚类的方法将欧式距离小于多视角密集点云数据的平均点距的点数据聚集在一起，获得局部模式点数据；并用所获得的局部模式点数据代替所聚集的欧式距离小于多视角密集点云数据的平均点距的点数据，实现冗余消除；

步骤五，输出融合结果

将步骤四聚类融合后的点数据输出，获得融合点云数据。

进一步地，所述基于双边滤波器的多视角密集点云数据融合方法还包括，输入多视角密集点云数据以后，在进行步骤二拓扑关系构建之前，需要计算多视角密集点云数据的平均点距D。