[发明专利]一种三维点云自动补全方法

说明书

技术领域

本发明涉及三维点云处理领域，尤其涉及一种三维点云自动补全方法。

背景技术

三维点云是在同一空间参考系下表达目标空间分布和目标表面特性的海量点集合。

随着三维激光扫描技术的快速发展并广泛应用，三维点云数据尤其是包含点云颜色信息的三维彩色点云数据，已经成为了一种重要的记录目标空间分布及表面特性的重要数据形式。

由于在三维点云的获取过程中，被扫描的对象往往会面临被其他对象遮挡的问题，使其被遮挡的部分无法被激光扫到，从而造成这部分的数据缺失。这就使得对点云缺失数据的补全显得尤为重要。由于全波形数据的出现，使得最后一次回波能够成为点云由于遮挡产生的缺失数据位置的指示，为由遮挡产生的缺失数据的检测提供了一种手段。

发明内容

本发明的目的在于提供一种三维点云自动补全方法。

为实现上述目的，本发明采用以下技术方案：

一种三维点云自动补全方法，包括以下步骤：

S1、基于最后一次回波的点云数据，对三维点云进行缺失边界检测，获取用来反映缺失边界的边缘点；

S2、在三维点云中提取与所述边缘点相匹配的点云数据，并将其补入到原始三维点云中的缺失位置，实现对三维点云的补全。

优选地，所述步骤S1具体通过以下方法实现：对最后一次回波的点云数据中的每一个点，在非最后一次回波的点云数据中找出距离该点最近的点作为边缘点，遍历最后一次回波的点云数据中的所有点，获得所有用来反映缺失边界边缘点，然后删除最后一次回波的点云数据。

优选地，所述步骤S2包括以下分步骤：

S21、对步骤S1中得到的每个边缘点，提取与其对应的源块作为该边缘点的周围数据的表达，所述源块定义为以边缘点为中心，块半径r内的所有点的集合；

S22、对步骤S21中得到的每个源块，在三维点云中提取与其相匹配的点云数据，并补入到该源块中。

优选地，所述步骤S22包括以下子步骤：

S221、对步骤S21中得到的每个源块，提取与其对应的扩展块，所述扩展块定义为以该源块的中心点为中心，1倍块半径r到2倍块半径r之间的所有点的集合；

S222、对所述扩展块中的每一个点，提取与其对应的目标块，所述目标块定义为以该点为中心，块半径r内的所有点的集合。

S223、采用迭代最近点方法，将步骤S222中得到的每个目标块分别与对应的源块进行匹配，获得最佳匹配目标块，并获取最佳匹配目标块与源块匹配过程中的变换矩阵，对该变换矩阵求逆获得逆变换矩阵。

S224、计算源块的影响半径，在源块中随机选取一个点，找出到其距离最近的两个点，取这两个点到该点的平均距离，即为该源块的影响半径。

S225、对于每个源块，将其对应的最佳匹配目标块通过逆变换矩阵变换形成要补入源块中的数据集，对于该数据集中的每一个点，在源块中以影响半径搜索，如果有源块中的点在影响半径内，则该点不加入源块中，如果没有，则将该点加入源块中。

优选地，所述步骤S2还包括以下分步骤：

S23、对于每个源块，根据补入到其内的点云数据，更新其对应的边缘点；

S24、重复步骤S21至步骤S23并循环，直至将三维点云的所有缺失位置补全。

优选地，所述步骤S23包括以下子步骤：

S231、对于每个源块，计算源块中心点到所有补入到该源块内的点的方向向量的平均值作为补全向量，将补全向量的长度归一化为块半径r，找出距离补全向量的终点最近的点p；

S232、计算点p到源块中心点的距离；

S233、判断点p到源块中心点的距离是否大于边缘阈值，若是，则以点p作为新的边缘点，若否，则先计算源块中心点到点p的方向向量，再归一化其长度为块半径r，寻找到该向量最近的点p'作为新的边缘点。

优选地，所述步骤S233中的边缘阈值为2R/3。

采用上述技术方案后，本发明与背景技术相比，具有如下优点：本发明基于最后一次回波的点云数据来获取三维点云的缺失边界，并根据缺失边界数据进行三维点云的补全，能够获得完整的三维点云数据，有利于进行三维重建等后续处理；同时，本发明补全精度高，处理速度快。

附图说明

图1为本发明的工作流程示意图。

图2为本发明步骤S2的流程示意图。

图3显示了边缘点周围数据表达的结果。

图4本发明步骤S22的流程示意图。

图5显示了扩展块和目标块的提取结果。