[发明专利]一种保留细节与边界特征的点云精简方法

说明书

本发明公开的一种保留细节与边界特征的点云精简方法，包括以下步骤，读取原始点云模型数据，得到原始点云数据并进行栅格化处理，建立局部k‑d树；拟合最小微切平面，计算该点云数据的投影点的加权等效合力Fsubgt;i/subgt;及其平均值F，当Fsubgt;i/subgt;＞F，则为边界点并保留，得到边界精简子集PSet1；对于非边界点，估算其局部密度ρsubgt;i/subgt;并进行分块得到相应子集；计算非边界点的法向量，根据局部密度ρsubgt;i/subgt;计算局部特征因子Dsubgt;i/subgt;及其平均值D，分别为相应子集选定阈值μsubgt;TH/subgt;，当Dsubgt;i/subgt;/D＞μsubgt;TH/subgt;，保留该点云数据，得到特征点精简子集PSet2；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，本发明便于获取数据量合适且不失真的点云模型，提高点云精简效率，使曲面细节特征和边界特征描述更精确。

技术领域

本发明涉及逆向工程与测绘的研究领域，特别涉及一种保留细节与边界特征的点云精简方法。

背景技术

随着三维扫描技术、机器视觉等技术的不断发展，三维点云数据在工业检测、逆向工程、医疗诊断、文物保护等领域已被广泛运用。同时，因非接触式扫描设备的精度和速度越来越高，获取的点云数据量也急剧增加。在实际的测量过程中可获取数十万乃至上百万个数据点的密集点云，所产生的冗余数据点大大增加了计算机的运算负荷。因此，在不影响待测物体特征的前提下，对所获取的三维点云数据进行精简是必要的工作。

近年来，点云数据的精简主要分为基于空间分割和基于曲率本身的两大类方法。基于空间分割的方法包括包围盒法、均匀网格法和三角网格方法。包围盒法通过保留点云数据最小包围盒的每个等分网格内最接近网格中心的点来达到精简的目的。该方法对于数据量大且结构简单的模型处理结果较好，但是对于结构复杂，曲面曲率多样的模型会丢失很多细节。均匀网格法是包围盒法的优化方法，它通过利用中值滤波计算立方体内Z坐标的中值点进行精简处理。基于三角网格化的方法需要对原始点云数据进行三角化，并通过三角形的法向量来移除部分三角形达到简化的目的。基于曲率的方法通常需要通过K邻域搜索来构造点云拓扑结构并拟合最小二乘曲面，最后通过曲率阈值制定不同精简策略。该方法精简效果较好，但曲率的计算通常比较耗时，通常需要寻找间接替代曲率计算的其它方案进行优化。

现有技术中，CN101373540B公开了一种基于抛物面拟合的点云精简方法，该方法本质上是基于曲率阈值的精简算法，在曲率计算上的时间花费是该方法不能回避的缺点；CN101021954A公开了一种简化曲率计算的点云精简方法，该方法通过待测点到邻域点的距离与到拟合微切平面的距离之比代替曲率计算，用近似曲率的平均值和各点近似曲率的差值作为判定阈值进行点云精简，该方法简化了曲率计算，但是在实际应用过程中不合适的判定阈值可能会造成点云数据的平坦区域出现孔洞的现象；CN102890828A公布了一种基于法向夹角的点云数据精简方法，该方法通过计算每个点云数据点的法向量与邻域内点云数据点的法向量的点积的平均值，并用该值的变化划分区间和设置采样比，删除不符合采样比的点，该方法避免了繁琐的二次曲面拟合与曲率估算，但在实际应用中需要人为的设定的参数过多，实际效果往往因经验而异；CN106373118A公开了一种可有效保留边界和局部特征的复杂曲面零件点云的精简方法，该方法通过将点云法向量与邻域点云法向量点积作为阈值进行粗分类，然后通过k-means聚类方法和Hausdorff距离完成点云数据细分完成点云数据精简，由于邻域查找和点云法向量计算时没有考虑距离权重的因素，致使k-means聚类方法的结果不够稳定，以致于最终在边界特征保留上出现不可预期的误差。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种保留细节与边界特征的点云精简方法，便于获取数据量合适且不失真的点云模型，提高点云精简效率，使曲面细节特征和边界特征描述更精确。

本发明的目的通过以下的技术方案实现：

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：