[发明专利]一种基于SFM的点云孔洞修补方法

说明书

本发明公开了一种基于SFM的点云孔洞修补方法，该方法实现步骤为：(1)利用光栅投影法和SFM方法分别获取点云数据后，再利用光栅投影法中获取的的点云二维相位信息，提取三维点云孔洞的边界点；(2)对SFM获取的点云数据集和光栅投影法获取的点云数据集进行配准；(3)在SFM获取的数据集上提取光栅投影获取点云中孔洞区域的补充点；(4)基于补充点，利用径向基函数实现进一步孔洞修补。本发明算法鲁棒，修补效果精确度高，并且能够更多地恢复物体的细节信息。

技术领域：

本发明涉及一种基于SFM的点云孔洞修补方法，属于点云后处理技术领域。

背景技术：

在三维测量的过程中，由于物体的形状复杂或者测量方式本身的缺陷，三维点云数据常常存在孔洞。光栅投影测量法具有速度快，自动化程度高等特点，但是由于测量时需要投射辅助光，所得点云数据会由于物体本身的遮挡和被测物体表面的反射率等原因而产生孔洞区域。孔洞的存在严重影响点云后续的操作。因此，孔洞的修补工作不可缺少。

孔洞修补的难点在于：1.如何准确的提取孔洞边界；2.如何在孔洞区域获取更多的信息以使修补的点更加贴合原始形状。孔洞边界的提取是孔洞修补的第一个工作，它的准确性直接影响孔洞修补的结果。现有的点云孔洞边界点提取方法主要在三维的基础上进行，主要分为基于点云网格的提取方法和直接在点云上提取边界点的方法。前者计算复杂，易将采样不够均匀的点云的内部点也当做边界点；后者通常需要计算点和邻域点的关系，且易受噪声的影响。通过实际测量可以发现点云边界点在二维相位图中特征明显，而利用二维相位来提取孔洞边界免去了在三维方法中需要建立网格或者计算邻域信息，显著提高了边界点提取的效率。因此本文利用点云二维相位信息来提取提取孔洞边界。

现有的孔洞修补算法大致分为两类:一类是直接利用点云孔洞周边的邻域信息，连续性或者曲率来进行孔洞修补，例如利用样条曲线，神经网络等方法进行插值，从而修补孔洞。该类算法简单易行，不需要任何地补充信息。但是对于曲率变化较大或者形状较为复杂的点云孔洞，由于信息缺失过多，修补效果并不理想。另一类主要通过获取附加信息再结合点云孔洞周边的结构进行修补。比如Yann Quinsat等提出了使用先验CAD模型和孔洞区域邻域的连续性作为约束条件进行孔洞修补。M Panchetti等提出了利用对应图片的二维信息和点云网格之间的曲率信息来修补孔洞。这类方法对于复杂的孔洞区域修补效果良好，但是不论是先验CAD的模型的建立，还是二维像素与三维点云之间的配准，都会导致算法整体复杂度较高。

发明内容

技术问题：针对孔洞修复过程中孔洞区域信息较少，复杂的孔洞修补效果不够理想的问题，结合三维重建中已经较成熟的融合SFM和激光扫描获取点云信息的技术，本发明提供了一种基于SFM的点云孔洞修补方法。本发明通过获取SFM的点云数据来补充孔洞部分的信息，指导孔洞修补，这些补充信息可以有效地帮助恢复点云孔洞的信息，提高孔洞修补结果的精确度，并且恢复更多的信息。又利用点云的二维相位信息提取点云的边界点，降低了边界点定位的复杂度。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种基于SFM的点云孔洞修补方法，包括以下步骤：

步骤1：点云孔洞边界获取：利用在光栅投影中获取的点云二维相位信息来提取点云孔洞边界；首先提取出点云的边界点；然后去除点云的外边界点；

步骤2：对两幅点云进行配准：首先利用基于共面四点集的RANSAC算法进行粗配准，然后利用改进的ICP算法进行精确配准；

步骤3：提取补充点：在完成配准后，利用步骤1中得到的点云孔洞边界，提取出SFM法获取的点云P_s在光栅投影法获取的点云P_w中孔洞区域的补充点IP；