[发明专利]一种适用于已配准多视角有序点云的整体优化方法

说明书

本发明公开了一种适用于已配准多视角有序点云的整体优化方法。针对已配准的多视角有序点云，反复执行下列过程，直到达到迭代终止条件：首先对各点云进行三角化，然后通过检查点‑视点连线与三角面相交的情况来进行干涉检查，对于产生干涉的点按不同情况进行加权处理与偏移量计算，最后对异常点进行移动或删除处理。与现有技术相比，本发明在较好地保留点云细节的基础上有效解决了局部点云形变的问题，同时达到了较好的降噪效果，处理所得的各幅点云仍保持有序，并具有较好的鲁棒性，且应用广泛。

技术领域

本发明属于计算机图形技术领域，具体涉及一种适用于已配准多视角有序点云的整体优化方法。

背景技术

在对物体进行三维扫描时，通常需要从被测物的不同方位进行扫描以获得较完整的三维数据，并需要对所得被测物的多视角三维点云进行配准使其处于同一坐标系中。目前基于结构光、编码光、ToF等原理的面阵三维扫描设备已被广泛使用，其所得点云通常为有序点云。因此初始所得的三维数据通常为一组已配准的多视角有序点云。

受测量原理、设备误差、被测物材质、环境干扰等影响，点云噪声的存在难以完全避免，某些情况下甚至会产生如局部点云形变等的严重误差，这都导致了所得数据不够准确，造成表面点云有厚度、点云分层或分叉等问题，对后续的三维重建等工作造成了很大影响。

为解决该问题，目前已有多种对点云进行降噪、修复与优化的方法。常见的方法有：

1.基于邻域特征的降噪方法。该方法的基本原理是通过建立若干局部区域作为邻域，并对每一邻域内的点进行某种处理，从而达到降噪的效果，该种方法通常能较好地在保留点云局部特征的同时完成降噪，但其缺点在于当邻域尺度选择较小时难以去除离散性较大的噪声，而当邻域尺度选择较大时又会导致点云细节丢失。

2.基于统计特征的降噪方法。该方法的基本原理为通过对点云的局部或者整体进行统计特征计算，从而识别出噪声点并进行处理。例如基于聚类的点云降噪方法通过聚类来建立点云的拓扑关系，从而完成噪声点的识别与删除。此类方法通常能较好地去除点云中的离散噪声，但难以有效地处理混杂于物体点云表面的噪声以及局部点云形变的情况。

3.非刚性配准。该方法的基本原理为通过识别多视角点云的局部特征，将不同视角点云中非重叠的相似部分加以移动与变形，使具有相同特征的点云能够良好地重叠。该方法虽不属于纯粹的点云降噪方法，但其能有效解决点云局部形变的问题，而其缺点在于对点云的既有特征依赖性较强，易存在误匹配或识别不到特征的情况。

发明内容

为解决背景技术中存在的问题，本发明提出了一种适用于已配准多视角有序点云的整体优化方法。

本发明采用如下步骤的技术方案：

1)初始化：载入各幅点云及其各自的视点，各幅点云均为有序点云，且各幅点云已经配准，初始化迭代次数NI为1；

2)点云三角化：对各幅点云分别使用有序点云三角化方法进行三角化；

3)干涉检查：定义点云中存在的点为有效点，为各幅点云中的每个有效点均设立可移动标记BT，并初始化为-1；对各幅点云中的每个有效点分别进行干涉检查处理，获得干涉组，每个干涉组包括被遮挡点E、三角面T、三角面T三个顶点各自对应的伪目标点Q’、干涉距离H和干涉方向D的数据；

4)计算权重：为各幅点云中的每个有效点均设立被遮挡权重Wd、正面遮挡权重Wf和反面遮挡权重Wb的三个权重值，并都初始化为0，然后对每个干涉组分别采用如下方式进行处理；