[发明专利]骨架线引导的树状点云表面重建方法及装置

说明书

本发明公开了一种骨架线引导的树状点云表面重建方法及装置。该骨架线引导的树状点云表面重建方法包括：S1，从输入的点云数据中提取骨架线；S2，在所述骨架线上的全部或部分骨架点处生成以骨架点为圆心的圆环，所述圆环所在平面与骨架线在所述圆环圆心处的切向量垂直；S3，利用三角面片连接相邻圆环重建出树木网格模型。该方法在提取出的骨架线上生成多个圆环，利用三角面片连接相邻圆环，这样重构出的树木网格模型能更好的保留输入点云数据的拓扑结构，不仅在与参考模型的相似度对比上表现出了很好的效果，同时避免了网格模型出现孔洞的现象，视觉上更具有真实性。

技术领域

本发明涉及树木重建技术领域，特别是涉及一种骨架线引导的树状点云表面重建方法及装置。

背景技术

将真实世界中的模型重建为计算机内的数据模型，是计算机视觉、自动驾驶以及虚拟现实领域中的热点问题。而如何把真实世界中拓扑结构复杂的树木重建为具有几何形状的三维网格模型，一直是数字城市与数字林业工程研究领域内的重难点问题。

以递归树模型为代表，早期的树木三维重建工作采用人工创造并修改模型，计算机辅助计算并展示的方式。随后的三维重建方法也出现过基于规则的L系统、Xfrog系统以及基于用户输入模型图的L系统等，然而这些方法重建后的模型不具备细节特征且精度不高。在随后的一段时间里，树木的三维重建建立在了输入数据为图像的基础之上，这其中也不乏使用机器学习的方法。在点云扫描设备得到快速发展后，该领域的研究重心逐渐转移，三维重建工作的输入逐渐变成了经扫描真实世界模型而获取到的点云模型，当中同样也有基于机器学习的方法。

上述方法大多是基于场景的三维重建，而非场景内某个具体模型的三维重建，因此专用性不强。另外，由于树木的点云模型自身具有结构复杂和易形成遮挡物干扰的特性，传统的三维重建方法在对树状点云数据进行处理后，重建效果较差。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种骨架线引导的树状点云表面重建方法及装置。

为了实现本发明的上述目的，根据本发明的第一个方面，本发明提供了一种骨架线引导的树状点云表面重建方法，包括：S1，从输入的点云数据中提取骨架线；S2，在所述骨架线上的全部或部分骨架点处生成以骨架点为圆心的圆环，所述圆环所在平面与骨架线在所述圆环圆心处的切向量垂直；S3，利用三角面片连接相邻圆环重建出树木网格模型。

上述技术方案：该方法在提取出的骨架线上生成多个圆环，利用三角面片连接相邻圆环，这样重构出的树木网格模型能更好的保留输入点云数据的拓扑结构，不仅在与参考模型的相似度对比上表现出了很好的效果，同时避免了网格模型出现孔洞的现象，视觉上更具有真实性。

在本发明的一种优选实施方式中，所述S1包括：S11，利用K近邻收缩方法对输入的点云数据进行收缩处理获得多个骨架点，按三维坐标顺序连接骨架点获得骨架线；S12，将所述骨架线表示为无向无环图，所述骨架点为所述无向无环图中的节点；S13，所述骨架点包括端骨架点、连接骨架点和分叉骨架点三种类型，则第i个骨架点v_i的类型T(v_i)为：其中，deg(v_i)表示骨架点v_i的度。

上述技术方案：从输入的原始点云数据中提取骨架线，不需要对原始点云数据进行预处理，极大地节省了时间和运算资源，使用K近邻收缩法提取得到骨架线，避免了树状点云提取过程中骨架线出现环的问题，点云的拓扑结构不会因为数据点的缺失或噪声而改变，对这些负面影响具有较高的鲁棒性，对骨架点进行分类，便于后续骨架点重建圆环处理，特别是圆环半径的确定。