[发明专利]基于霍夫变换与区域生长的多尺度平面提取方法

权利要求书

1.一种基于霍夫变换与区域生长的多尺度平面提取方法，其特征在于包涵以下步骤：

步骤1、基于密度下降的霍夫变换优化：提出一种基于离散球的参数空间累加器构造策略以及一种基于密度下降的参数空间投票数据聚类策略，提取任意朝向的平面，避免“丝带”现象，具体如下：

步骤1.1、表面法向量估计，构造以点p为圆心，r₁为半径的球所包含的点集P，计算协方差矩阵Σ，具体而言，

将Σ最小特征值λ₀对应的特征向量v₀作为p的法向量；

步骤1.2、法向量方向校正，首先选择一个点p，在确保其法向量指向物体外部的前提下，检查其近邻点q的法向量若则改变的符号，用q更新p，重复以上过程直到所有的点都被正确地处理；

步骤1.3、基于离散球的参数空间累加器创建，首先用小立方体体素分割重心在原点的单位球面，即构建体素格网，然后去掉不与单位球面接触的体素，剩余体素集合便构成了累加器，用kdtree将累加器中的单元组织起来；

步骤1.4、在投票阶段，遍历点云中每个点的法向量，利用kdtree找到与其最接近的累加器单元，将累加器单元内的投票数加一，同时存储为该单元投票的点，引入高斯核函数对累加器中的投票数据进行卷积平滑，最终构建出类似正态分布的投票密度分布效果；

步骤1.5、基于密度下降的参数空间聚类，参数空间聚类过程是基于累加器中的局部最大值迭代执行，在每次迭代中参数空间的当前最大值被检测出来，然后以持有该最大值的累加器单元作为种子点，最后利用区域生长法将种子点周围具有较小投票值的累加器单元聚类；

步骤1.6、随机选取一个种子点，将位于以该种子点为球心、r₂为半径的圆球内的其它点看作种子点的邻居点，将这些邻居点看作新的种子点依次向外扩张，直至当前聚类无法找到新的邻居点；

步骤2、基于平面簇的自适应区域生长：组成平面簇的点集无法覆盖整个平面，由于生长出来的部分平面属于同一个平面，因此还需对这些平面执行合并操作；

步骤3、平面多边形化及后处理：对平面点云进行数据压缩以及为下一次迭代准备输入点云。

2.根据权利要求1所述的一种基于霍夫变换与区域生长的多尺度平面提取方法，其特征在于所述步骤2进一步包括以下步骤：

步骤2.1、基于平面簇的区域生长，其生长单元是步骤1提取出来的平面簇，生长时逐邻居点进行检测，在检测邻居点与生长单元是否共面时应同时满足以下条件：

(1)更新后平面的法向量与初始生长单元的法向量方向偏差不能过大；

(2)更新后平面的曲率与初始生长单元的曲率差别不能过大；

(3)邻居点的局部法向量与更新后平面的法向量方向偏差不能过大；

步骤2.2、合并由属于同一个平面的生长单元生长出来的平面集合，将每个平面看作关系图的顶点，如果两个平面具有较大的公共部分则在平面对应的两个点之间添加一条边，利用关系图表示平面A与平面B是否具有合并关系，如果A与B满足合并条件，则分别在A与B的关联平面列表中加入对彼此的联系，从而在任意一点找到所有的关联关系；

步骤2.3、执行平面合并操作，首先对平面对应的原始空间中的点集执行并集操作，然后选对应点集数量最大的平面作为更新后的平面，最后去掉其余较小的平面。

3.根据权利要求1所述的一种基于霍夫变换与区域生长的多尺度平面提取方法，其特征在于所述步骤3进一步包括以下步骤：

步骤3.1、边界点提取，首先计算平面点云的最小二乘平面π，然后将点集P投影到最小二乘平面构成投影点集

步骤3.2、计算的二维凹包，得到多边形顶点序列V，基于α-shape方法对平面点集进行Delaunay剖分，形成一组三角面片的集合，删除顶点外接圆半径超过α的三角形，通过识别边界处的三角形实现多边形边界的提取；

步骤3.3、多边形顶点排列顺序校正，基于ear clipping的多边形三角化算法中，为计算多边形顶点内角需要多边形顶点绕着法向量呈逆时针排序，保证每个多边形的顶点排序均围绕多边形法向量呈逆时针方向，即符合右手法则；

步骤3.4、基于ear clipping算法实现多边形三角化。