[发明专利]一种用于大场景高精度三维激光测量点云数据的简化方法

说明书

技术领域

本发明涉及一种用于大场景高精度三维激光测量点云数据的简化方法，能够支持大场景、高精度三维激光扫描点云数据的快速简化，同时保持点云数据中关键特征，属于三维建模技术领域。

背景技术

随着三维扫描仪的测量精度不断提高，采集到的点云越来越密，而且包含了丰富的细节信息。但是，庞大的点云数据对后续处理以及存储、显示、传输带来了许多不便。如果直接对其进行处理，势必占用大量的硬件资源和时间，而且并不是所有的数据点都需要用于后续处理，过密的点云数据在可视化过程中会影响三维物体重构的质量。现有处理方法主要有基于空间的点云简化方法、基于法向的点云简化方法、基于曲面变化度的点云简化方法和混合简化方法。基于空间的点云简化方法，利用八叉树或空间栅格对点云进行空间划分，将细分后空间中的点用一个点进行代替，执行速度快，但点云特征缺失较严重；基于法向误差的点云简化方法，考虑了点云的局部几何特征，但是容易产生孔洞；基于曲面变化度的点云简化方法，能够有效控制点云和数据点的分布，但执行速度较慢；混合简化方法，根据点数和曲面变化度采用八叉树划分点云空间，只保留叶结点中距离点集重心最近的数据点，该方法执行速度较快，但是难以充分保留点云中的几何特征。

发明内容

针对大场景、高精度的三维激光扫描点云数据庞大，直接存储占用空间大，无法直接进行传输、三维建模、显示等缺点，本发明提供一种用于三维激光测量点云数据的简化方法，能够支持大场景、高精度三维激光扫描点云数据的快速简化，有效减少数据冗余，同时保持点云数据中关键特征和细节。

一种用于三维激光测量点云数据的简化方法的技术方案如下。

1）数据点领域搜索

（1）点云空间划分

采用均匀栅格法对散乱点云进行空间划分。首先读取散乱点云数据，获得数据点集在X、Y、Z 坐标轴上的最大值和最小值，建立与坐标轴平行的包含所有数据点的长方体包围盒。将包围盒等分成均匀栅格，建立点云数据对应的栅格索引，一个栅格可以包含多个数据点。

（2）构建包围球

以点云中的数据点为球心构建包围球，并用线性链表记录包围球中除球心外的所有数据点。利用栅格间的空间位置关系快速构建包围球，根据点p的坐标值计算得到点p所在的立方体栅格索引号及相邻的26 个立方体栅格，分别计算栅格中的每个数据点与点p 间的距离，若距离小于等于包围球的半径R，则将该点追加到包围球对应的线性链表中。重复以上步骤，直到点云中的每个数据点都对应一个包围球。

（3）K领域搜索

对于数据点p，可从以点p为球心的包围球中找出距离点p 最近的K个数据点即可。对于边界点和孤立噪声点，可能在其包围球内邻居数据点少于K个，将这类数据点进行标记，在曲面变分计算步骤中需要特殊处理，若实际邻居数据点数量小于K的20%，可认为该数据点为噪音点，进行标记将不再参与后续运算。

２）曲面变分计算

对于数据点p，根据点p的距离最近的K个数据点，计算点p的协方差矩阵的实数特征值，最小特征值对应的特征向量为点p的法向量。点p处的曲面变分为点p 的K邻域中数据点与点p的切平面间的距离之和。

本发明采取均匀采样法估计点云的曲面变分平均值，在点云划分的栅格中均匀抽取20%的栅格,分别计算栅格中每个点的曲面变分, 然后计算平均值，得到点云曲面变分的估计值。对于包围球内邻居数据点少于K个的数据点，以实际邻居点数进行计算。

３）点云区域划分

（1）提取特征点

计算数据点p所有领域点的投影残差值，以其中的最大值作为点p的残差值。计算所有数据点的残差值，取平均值作为特征点的判断阈值t，若数据点p的投影残差值大于阈值t，则认为该点为特征点。

（2）区域划分

对所有数据点按曲面变分值从小到大排序，依次取出数据点，建立新的划分区域，寻找数据点的K领域，建立种子集，计算数据点与K领域中数据点的曲面变分角度差，若角度差小于阈值0.25，则把数据点加入当前划分区域；若角度差小于阈值0.3，则把数据点加入种子集合。当种子集合为空时，开始新的划分区域，把已经建立的区域加入到区域队列中。当所有数据处理完毕时，点云的区域划分完成。

４）点云简化