[发明专利]基于点云的无人机轨迹生成方法

权利要求书

1.一种基于点云的无人机轨迹生成方法，其特征在于：包括有以下实施步骤，

步骤(1)、点云模型输入阶段

使用无人机扫描场景生成点云模型，将点云模型输入系统，并对点云模型进行预处理；

步骤(2)、点云模型评价阶段

基于步骤(1)中获取的点云模型构建Kd-树，根据Kd-树查找点的k邻点、以及计算法向量；

通过边界点判别方法，判别点是否为边界点以找到模型中的空洞部分；

步骤(3)、路径轨迹生成阶段

基于通过寻找最近点的孔洞集合区分算法，将每个孔洞区分开来；

使用球模型构建道路图；

在道路图上寻找相机视点最短路径，进行路径规划并优化；

步骤(4)、结果输出阶段

将步骤(3)中优化后的路径轨迹输入无人机，使用无人机沿规定的路径飞行并扫描，将点云模型的空洞区域进行扫描修复。

2.根据权利要求1所述的基于点云的无人机轨迹生成方法，其特征在于：在所述的步骤(2)中，对于三维点云模型中的每个点p，k个与点p欧氏距离最短的点即为该点P的k邻点；

设П为一个有序的序列、且满足以下公式(1)，

||p_Π(1)-p||＞0,||p_Π(i)-p||＜||p_Π(i+1)-p||,i∈[1,n-1] (1)

点云数据点p的k邻点的集合表示为以下公式(2)，

在点云模型中，集合N_p^k近似地为一个空间球，该空间球的球心是数据点p，半径为k邻点中与点p欧氏距离的最大值，当且仅当i∈N_p^k时，P_i位于该空间球内。

3.根据权利要求2所述的基于点云的无人机轨迹生成方法，其特征在于：在所述的步骤(2)中，基于对整个点云模型进行Kd-树划分，具有以下查找k邻点的流程，

首先，从Kd-树的根节点处开始查找，按照目标数据点的空间坐标，向下查找，直到找到该数据点所在的叶子节点空间；

然后，设定一个初始半径r1，开始回溯查找，对于与目标点的欧氏距离小于等于r的点，即在一个以目标点为球心，半径为r1的球内的所有数据点都添加到一个升序的序列Q中；而该序列的长度只有k，每次添加新的数据点时，就使用插入排序的方法来进行维护；

对于回溯过程中，非叶子节点的切割超平面到目标点的距离大于r的，只查找其左子树；否则，左右子树都需查找；若最后Q的数据点总数小于k，则增大半径r1，得到r2，再用r2替换r1；再重复上述过程。

最终，序列Q为目标点的k邻点序列。

4.根据权利要求2所述的基于点云的无人机轨迹生成方法，其特征在于：在所述的步骤(2)中采用协方差分析算法来计算目标点p的法向量，即寻找目标点p的k邻点，使用k邻点与目标点p构造一个协方差矩阵，计算该矩阵的特征向量以及特征值来分析获得目标点p的法向量。

5.根据权利要求2所述的基于点云的无人机轨迹生成方法，其特征在于：在所述的步骤(2)中，采用最大角度度量、半径圆盘度量、形状度量三种度量准则来判断目标点是否是孔洞边界点；

即先设置一个经实验确定的阈值，通过上述三种不同的度量准则各计算出一个概率；然后，将三个概率加权合并成一个概率值，再与预先设定的阈值对比；

达到阈值的点，即为孔洞的边界点；

具体如以下公式(7)所示，

P(p)＝w₁P₁(p)+w₂P₂(p)+w₃P₃(p) (7)

其中，权值和为1。