[发明专利]一种保留细节与边界特征的点云精简方法

权利要求书

1.一种保留细节与边界特征的点云精简方法，其特征在于，包括以下步骤：

S1、读取原始点云模型数据，得到原始点云数据；

S2、将原始点云数据进行栅格化处理，并建立局部k-d树，所述建立局部k-d树，具体为每个点云数据只在其所在栅格及其邻域栅格建立k-d树；其中每个点云数据的邻域栅格定义为(l_x±i,l_y±j,l_z±k)，i,j,k∈[-1,1]；

所述步骤S2具体为：根据点云数据随机采样密度ρ划分立方体栅格边长L，所述立方体栅格边长L最小为采样密度ρ的m倍，将点云数据包围盒分割为空间栅格，并对每个点云数据建立k邻域；

所述将点云数据包围盒分割为空间栅格，具体为：将点云数据按照x,y,z方向划分的栅数M_x,M_y,M_z，计算如下：

其中，x_max为坐标x方向最大值，x_min为坐标x方向最小值，y_max为坐标y方向最大值，y_min为坐标y方向最小值，z_max为坐标z方向最大值，z_min为坐标z方向最小值；为取整，δ为扩张量；

所述采样密度ρ通过以下计算获得：

其中，n为随机取出的点云数据个数，n取值范围为20～30，d_i为与点云数据最近点的间隔；

S3、对栅格化处理后的点云数据及其k邻域的点拟合最小微切平面，并将该点云数据及其k邻域的点投影到微切平面上，求取该点云数据的投影点出发到其邻域投影点的向量，将其向量进行归一化，得到归一化数据计算该点云数据的投影点的加权等效合力F_i，进而计算加权等效合力的平均值F，如果F_i＞F，则该点云数据被视为边界点，对其进行保留，得到边界精简子集PSet1；

所述步骤S3具体为：对每个点云数据及其k邻域的点拟合一个微切平面，所述最小微切面的拟合使用最小二乘法，将该点云数据及其k邻域的点投影到微切平面上，求取该点云数据的投影点出发到其邻域投影点的向量，将其向量进行归一化，得到归一化数据其中j∈[1,k]；计算该点云数据的投影点的加权等效合力，计算如下：

其中，w_ij为的加权系数；d_ij为的模，即该点云数据的投影点到该点云数据的邻域投影点的距离；

计算加权等效合力的平均值，计算如下：

其中，N为点云数据总个数；

如果F_i＞F，则该点云数据被视为边界点，对其进行保留，得到边界精简子集PSet1；

S4、对于非边界点，估算每个点云数据所属k邻域内的局部密度ρ_i并进行分块，得到欠特征点集S₁、特征点集S₂和富特征点集S₃；

所述步骤S4具体为：对于非边界点，估算每个点云数据所属k邻域内的局部密度ρ_i；根据ρ_i的最大值ρ_max和最小值ρ_min，划分非边界点的点云数据为欠特征点集S₁、特征点集S₂和富特征点集S₃，划分计算如下：

其中，P_i为随机非边界点云数据；

所述局部密度ρ_i的计算具体如下：

其中，为从点云数据出发到邻域点云的向量；

S5、计算非边界点的法向量，并根据距离权重计算每个点云数据与其邻域各点法向量夹角的加权平均值θ_i；

所述步骤S5具体为：分别通过主成分分析法计算每个子集中每个点云数据的法向量并根据距离权重计算每个点云数据与其邻域各点法向量夹角的加权平均值θ_i，计算如下：

其中，||p_ij||为点云数据到其邻域各点的欧式距离，为该点云数据邻域各点的法向量；

S6、根据局部密度ρ_i计算局部特征因子D_i，进而计算其平均值D，分别为欠特征点集S₁、特征点集S₂和富特征点集S₃选定阈值μ_TH，即对应的阈值分别为当D_i/D＞μ_TH时，保留该点云数据，否则删除该点云数据，合并每个子集保留后的点云数据集合得到特征点精简子集PSet2；

所述步骤S6具体为：根据局部密度ρ_i计算该点云数据的局部特征因子，计算如下：

其中，表示属于子集S_u的点云数据个数，且u∈[1,2,3]；D_i为该点云数据的局部特征因子；

根据每个点云数据的局部特征因子计算其所属子集的平均局部特征因子：

其中，为子集S_u的平均局部特征因子；

分别为欠特征点集S₁、特征点集S₂和富特征点集S₃选定阈值μ_TH，即对应的阈值分别为

当D_i/D＞μ_TH时，保留该点云数据，否则删除该点云数据，合并每个子集保留后的点云数据集合得到特征点精简子集PSet2；

S7、将边界精简子集PSet1和特征点精简子集PSet2合并，获得精简点云数据集PSet。

2.根据权利要求1所述的一种保留细节与边界特征的点云精简方法，其特征在于，所述阈值μ_TH取值具体为：欠特征点集S₁的阈值为0.2、特征点集S₂的阈值为0.4，和富特征点集S₃的阈值为0.6。