[发明专利]一种面向无人机扫描重建的点云质量评价和轨迹规划方法

说明书

本发明公开了一种面向无人机扫描重建的点云质量评价和无人机轨迹规划方法，步骤：使用无人机扫描来获取并重建出场景原始的点云模型；使用kd树将点云模型的点进行分类；对点云中的每个点，分别估算该点是孔洞边界点的概率，将三个概率加权平均，综合判断该点是否为孔洞边界点；采用搜索最近点的方法生成孔洞边界线，区分不同的孔洞；在点云模型场景中使用球填充方法构造带有可见性信息的道路图；生成最佳无人机重扫描轨迹；最后输出结果，将生成的路径反馈给无人机，无人机沿规划路径飞行，将点云模型孔洞区域修补完整。本发明协助无人机快速自动地重新扫描要重建的场景，生成更为精确的建筑模型，减少建筑点云模型中缺失纹理的孔洞区域。

技术领域

本发明属于计算机视觉领域，特别涉及一种面向无人机扫描重建的点云质量评价和无人机轨迹规划方法。

背景技术

目前，无人飞行器，特别是小型无人机以其安全，高机动性，成本低等特点，逐步在军用和民用方面得到了较为广泛的应用。无人机的高速发展使得高效且低成本的获取航拍图像成为了可能。

同时，随着时代的发展，对三维物体或者场景模型的需求也越来越多。但现在以谷歌地球为代表的大多数厂商使用的是卫星照片建模得到的2.5D模型，一些重要的建筑物建模依赖人工作业，这样不仅效率低下，而且精度差强人意。如果想要获得高精度非人工的三维模型，可使用雷达建模，然而雷达的成本又过于昂贵，很难大规模推广到商用或者民用领域。

基于点云的无人机三维场景重建技术就能解决三维场景重建中的成本问题。但是由于实际物体表面的形状复杂性及扫描设备测量过程的局限等原因，无人机扫描重建出的点云模型中时常会出现孔洞，因此如何评价点云模型找出漏洞并且修补漏洞仍需研究。

为了实现基于三维点云模型的孔洞寻找修补，Sharf(SharfA，Alexa M，Cohen—OrD.Context-based surface completion[J]，ACM Transactions on Graphies，2004，23(3)：875-887.)等人提出了一种关于点云模型的曲面修补算法。该算法找到点云模型孔洞区域附近的数据分布特征，并将其和该点云的其它区域进行特征匹配，从而找到最相似的数据区域来对孔洞进行修补，该算法的最大缺点是计算量过大，效率不高，而且往往会由于错误匹配导致效果一般。Pavel(Pavel C，Bert J.Filling holes in point clouds[A].In：Mathematics of Surfaces LectureNotes in Computer Science，2003，2768：196-212.)等人提出了新的三维点云模型孔洞的修补算法。他们首先会计算每个点云数据点的邻近点并以此来确定模型的孔洞边界。然后，使用这些边界点的邻近点构造一个曲面来修补孔洞。陈飞舟(陈飞舟，陈志杨，丁展，等.基于径向基函数的残缺点云数据修复[J].计算机辅助设计与图形学学报，2006，18(9)：1414-1419.)等首次提出了一种构建Kd-树的点云模型修补算法。首先通过Kd-树来提取出三维点云模型的所有的孔洞边界点。接着使用二次曲面的特性找出孔洞的边界点序列。最后，利用径向基函数表示插值曲面，来计算存在孔洞缺陷区域的内部点云点的数据，从而实现点云孔洞的填补。但是在具体使用过程中，常常因误差过大而修补失败。