[发明专利]保持锐利特征的三维重建方法及系统

权利要求书

1.保持锐利特征的三维重建方法，其特征在于包括以下步骤：

(1)采用扩展到三维空间的二维图像滤波方法对输入并经过粗配准的点云进行平滑去噪；

所述对输入并经过粗配准的点云进行平滑去噪具体是：将二维图像的平滑滤波方法扩展应用于三维点云的平滑去噪，即点云数据点(x,y,z)的x,y当做平面定位标识，而z当做二维图像中的像素值，对点云块逐点进行z值的平滑去噪，所述点云块指相同视角下采集的点云；所述粗配准的点云指采用经典坐标变换方法对不同拍摄角度的系列点云块PQ进行过坐标变换的点云；

所述对点云块逐点进行z值的平滑去噪指：以当前(x,y)为中心的邻域内采集z值，根据经验选用二维图像平滑滤波方法对z值进行平滑处理，所述以当前(x,y)为中心的邻域为正方形，边长在3～15内选取；

(2)采用改进的区域生长方法对平滑后的粗配准点云进行离群点移除；

所述采用改进的区域生长方法对平滑后的粗配准点云进行离群点移除指：采用KNN聚类方式统计由kd-tree划分的点云区域中的点数，通过对当前区域内点数进行判断移除离群点；所述离群点指与主点云有别的孤立点云，所述主点云即隶属重建对象表面的点云，所述孤立点云包括孤立点和稀疏点云，稀疏点云是密度小于整体点云密度的40％或预设值的局部点云，具体算法如下：

1)对点云P＝{p_i,i＝1,2,3,…,N},p_i为点云中的点，N为点云的点数，N1，计算P密度ρ；p_i标志位flag的标志值为flagNum，初值flagNum＝0，flag＝flagNum,利用kd-tree划分点云P,i＝0；

2)使i增加1；

3)若p_i的Flag＝0，则对p_i，使flagNum增加1，Flag＝flagNum并将p_i压入栈S，否则返回2)；

4)弹出S栈顶，记为p_s，使用半径搜索算法寻找以p_s为中心、r为半径的区域中的点云P_r(p_j,j＝1,2,…,N_r)，N_r为P_r中的点个数；计算P_r密度ρ_r；若ρ_r≤0.4ρ，则剔除p_s即剔除稀疏点，若ρ_r＝0,跳转6)；

5)对P_r中Flag＝0的点P_zero(p_k′,k＝1,2,…,N_zero)，N_zero为P_zero中的点个数，若N_zero≥1，逐点执行p_k′的Flag＝flagNum，并压入S；

6)若S非空，返回4)；

7)若i≤N，返回2)；

统计逐个聚类点云的点数量当Th为预设阈值，剔除稀疏点云；

(3)采用基于kd-tree加速的ICP算法对移除离群点后的粗配准点云进行精配准；

所述采用基于kd-tree加速ICP算法对移除离群点后的粗配准点云进行精配准指，对经过粗配准的系列点云PQ进行精细配准，具体算法如下：

1)建立点云Q的RT变换矩阵，变换矩阵初值置为0，i＝0；

2)使i增加1，查找相邻PQ的点对：遍历点云P{p_i,i＝1,2,3,…,N_p}中的点p_i，对点云Q{Q_j,j＝1,2,3,…,N_q}建立kd-tree，搜索离p_i最近的q_j；

3)通过点对系列p_iq_j映射求得旋转矩阵R和平移矩阵T；

4)更新点云Q的RT变换矩阵；

5)计算点云Q经RT变换后PQ间的均方差σ，若σ≥Th或迭代次数N≤N_max,Th为预设阈值，N_max为预设最大迭代次数，返回2)；

6)点云精配准结束；

(4)采用基于邻域查找和边界点检测的融合方法对精配准点云进行融合；

(5)采用基于特征点检测和自适应步长更新方法对融合后的精配准点云进行表面重建。