[发明专利]一种基于三维特征描述子的机翼叉耳点云分割方法

权利要求书

1.一种基于三维特征描述子的机翼叉耳点云分割方法，其特征在于，包括如下步骤：

步骤S1：采集机翼信息，获取机翼点云数据集；

步骤S2：根据叉耳CAD模型采样获取叉耳点云数据作为模板点云M，对模板点云M计算其三维特征描述子m；

步骤S3：将机翼点云数据集进行随机采样，得到采样集I1；

步骤S4：选取采样集中的采样点i，寻找采样点的特定邻域k，将采样点和特定邻域k组成预测点云I，并计算预测点云I中的三维特征描述子n_i；

步骤S5：分别度量三维特征描述子m和n_i的相似性，并设置阈值ε，筛选大于阈值ε的点云数据；得到新的点云数据集并对其聚类，得到多个聚类点云；

步骤S6：将每个聚类点云的三维特征描述子n_i和模板点云的三维特征描述子m对比，筛选出差异大的异常点聚类；

步骤S7：滤除异常点聚类，得到分割后的叉耳点云数据。

2.根据权利要求1所述的一种基于三维特征描述子的机翼叉耳点云分割方法，其特征在于：所述步骤S2中，计算模板点云M的三维特征描述子m具体为：

通过边缘检测算子获取轮廓边缘,对轮廓边缘采样得到一组离散的点集：X＝{x₁,x₂,x₃,...,x_j}；

以其中任意一点x_i为参考点,在x_i为圆心、R为半径的局域内按对数距离间隔建立a个同心圆，将此区域沿圆周方向b等分，点x_i到其它参考点的向量相对位置简化为模板点云上各扇区内的点分布数；分析其它参考点的形状上下文特征h_i(k)，计算公式为：

h_i(k)＝#{y≠x_i:(y-x_i)∈bin(k)}；

其中，y表示采样集中余下的采样点，bin(k)表示第k个等分，1≤k≤K,K＝a×b，h_i(k)即为形状上下文特征；

选取点集X中j个点x₁,...,x_j为参考点，依次计算与剩下的j-1个点构成的形状上下文特征，最终得到j个形状直方图，并以j*j-1大小的矩阵存储表示三维特征描述子m。

3.根据权利要求2所述的一种基于三维特征描述子的机翼叉耳点云分割方法，其特征在于，所述步骤S3具体为：设定阈值δ，根据设定的阈值δ对点云数据集进行采样，其中采样的点云数据大于设定的阈值δ。

4.根据权利要求3所述的一种基于三维特征描述子的机翼叉耳点云分割方法，其特征在于：所述步骤S4具体为：选取采样集中的采样点i，寻找采样点的邻域k，把与采样点的法向量夹角小于阈值的邻域点添入集合中，遍历整个点云数据集组成预测点云I，利用三维形状上下文特征计算得到预测点云I中参考点i的点云块的三维特征描述子n_i。