[发明专利]一种基于最大内切球机制的L1中值骨架提取方法

权利要求书

1.一种基于最大内切球机制的中值骨架提取方法，其特征在于，包括如下步骤：

步骤S1、获取三维物体的三维点云数据集；

步骤S2、根据所述三维点云数据集，获取三维数据的最大内切球和球心，所述球心作为模型骨架点；

步骤S3、对所述三维点云数据进行随机采样，对初始抽样点进行多次迭代，将排列整齐的抽样点固定为骨架分支；

步骤S4、将所述骨架分支的头尾两端作为桥接点，通过与不断收缩的抽样点连接，生成新的骨架；

步骤S5、扩大局部邻域范围，直到抽样点趋于稳定，生成全局的骨架。

2.如权利要求1所述的一种基于最大内切球机制的中值骨架提取方法，其特征在于，在步骤S2中，还包括：

步骤S21、所述三维点云数据中，所述最大内切球的提取可从所述数据模型内部一初始点出发，计算所述初始点与所述数据模型表面最近点的向量，并将所述初始点沿向量负方向延伸调整所述初始点位置；

步骤S22、将点位置从距离场低的地方往距离场高的地方移动，经过算法多次迭代调整，寻找三维数据的最大内切球和球心；

步骤S23、通过数据集内部点的欧氏距离限制球半径。

3.如权利要求1所述的一种基于最大内切球机制的中值骨架提取方法，其特征在于，所述步骤S2中，在非定向的点云数据集Q＝{q_j}中，用X＝{x_i}表示L₁中值法获取的骨架点；所述X满足通过对采样数据进行规整化，得到每个抽样点集I中点x_i的新坐标为：所述所述{γ_i},i∈I是平衡参数，用于稳定采样数据集中各抽样点间的斥力关系；所述J为点云原始数据集，所述所述μ为一固定参数值可控制抽样点间的斥力，由实验分析取得参数值为μ＝0.35。

4.如权利要求1所述的一种基于最大内切球机制的中值骨架提取方法，其特征在于，步骤S3中包括：

逐渐扩大邻域半径，在骨架分支的头尾分配新的抽样点，直到该领域内的抽样点全部迭代收缩形成新的骨架点并连接到骨架分支中。

5.如权利要求1所述的一种基于最大内切球机制的中值骨架提取方法，其特征在于，在步骤S4中，包括：

步骤S41、通过K近邻点平滑的方法，从未标记的采样点中筛选出骨架分支的候选点，通过公式得出抽样点σ的值，当σ_i值大于给定阈值未标记固定的抽样点就变骨架候选点；

步骤S42、骨架候选点中选取一确定骨架点与骨架分支相连，首先从候选点中选取与骨架分支距离最靠近的点q，从点q沿骨架分支的PCA方向开始搜索，当候选点与骨架分支间的夹角满足cos(∠(x_ix_i-1,x_ix_i+1))≤-0.9,i＝...,-1,0,1,...，即相邻夹角小于15度，则将抽样候选点融入骨架分支。按上述方法对候选点计算，若新融入骨架分支的抽样点数目大于4则说明新骨架分支可靠，若小于4则应去除新融入的候选点，继续从剩余σ_i值最大的候选点中搜索；所述桥接点是骨架分支头尾的端点，桥接点不是一成不变的，当出现最邻近候选点与桥接点的距离大于2h；候选点与桥接点的方向夹角大于90度及候选点与桥接点的距离超过三倍的领域半径时，出现两个桥接点且两各桥接点所在的骨架分支夹角大于155度，则合并为一个点。