[发明专利]一种基于局部离群因子的三维点云特征提取方法

说明书

本发明属于三维点云数据处理与三维场景重建技术领域，一种基于局部离群因子的三维点云特征提取方法，包括以下步骤：(1)获取规则化三维点云数据，(2)提取线点云数据，(3)计算线点云参数，(4)估算线点云的切向量和曲率，(5)提取线点云中的位置不连续点，(6)提取线点云中的切向不连续点，(7)获取三维点云特征点。本发明通过将规则化三维点云数据分解为线点云数据，并对四组线点云中的位置不连续点与切向不连续点进行提取，最后合并完成整个三维点云的特征提取，本发明方法简单且有效。

技术领域

本发明涉及一种基于局部离群因子的三维点云特征提取方法，属于三维点云数据处理与三维场景重建技术领域。

背景技术

伴随着计算机图形学与三维扫描技术的快速发展，三维点云数据也愈加频繁地出现在我们的生活与工作中，并且在建筑、机械、医学等领域都获得了广泛关注。有关点云数据的处理技术作为实现上述应用的基础，发挥着重要的作用，成为了国内外学者研究的热点。三维点云数据处理技术主要包括多视配准、去噪与压缩、特征提取、分割技术与曲面重建等。其中，三维点云数据的特征提取作为点云数据处理中的一项关键技术，是区域分割、曲面重建等后续工作的基础，影响着三点云数据的应用效果。因此，研究如何从三维点云数据中准确地提取出特征点，对于提高三维点云数据的应用水平具有重要的意义。

在三维点云数据采集过程中，通过三维扫描测距仪器对物体表面进行测量，所得到的数据一般会存在许多的几何不连续处，通常表现为离散点的形式，称之为几何不连续点。几何不连续点可分为三类：位置不连续点、切向不连续点和曲率不连续点。这些几何不连续点包含着物体表面重要的几何信息和拓扑信息，是我们特征提取的主要对象。三维点云数据的特征提取就是指从目标点云数据中提取出能够表示物体特征的几何不连续点。

近年来，关于三维点云数据的特征提取方法主要可以分为两类，一类方法是通过估算切向量、曲率等几何特性直接从三维点云数据中提取出特征点；而另一类方法则是对点云数据进行三角形网格建模，通过三角形网格模型的几何信息和拓扑信息来提取其上的特征点和边。本发明是在线点云几何特性估算的基础上进行特征提取的。本发明根据离散切线的定义，用有约束最优化问题的求解方法，计算给定点的离散切线，利用离散切线的斜率来计算离散导数，并通过离散导数来估算给定点的几何特性。在计算出线点云的几何特性后，本发明充分分析了弦长、单位切向量的角度变化和曲率在几何不连续点处的行为变化，通过对弦长与曲率使用局部离群因子算法，提取出点云数据中的位置不连续点和切向不连续点。

发明内容

为了解决现有技术中存在的不足，本发明目的是提供一种基于局部离群因子的三维点云特征提取方法。该方法针对实际场景，首先利用三维激光扫描测距仪，扫描场景物体，获取场景物体的规则化三维点云数据，按照水平、竖直、斜下和斜上四个排列方向提取出四组线点云数据，对线点云数据进行参数化处理，结合离散导数和普通参数化曲线的几何特性，估算线点云的弦长、单位切向量和曲率，分别以线点云弦长和曲率为研究对象，计算其局部离群因子，利用箱线图分析，提取位置不连续点和切向不连续点，合并四组所有线点云的位置不连续点和切向不连续点，获取整个三维点云的特征点。该方法分析线点云的几何特性在几何不连续点处的行为特征，结合局部离群因子算法，通过提取弦长与曲率中的极值点，来提取出位置不连续点和切向不连续点，特征提取准确可靠。

为了实现上述发明目的，解决现有技术中所存在的问题，本发明采取的技术方案是：一种基于局部离群因子的三维点云特征提取方法，包括以下步骤：

步骤1、获取规则化三维点云数据，利用三维激光扫描测距仪，扫描场景物体，获取场景物体的规则化三维点云数据，其是一组分布在物体表面、按照矩形网格规则排列的离散点；