[发明专利]一种网格数据结构的邻域访问方法、装置、设备及介质

说明书

一种5D纹理网格数据结构的邻域访问方法，5D纹理网格数据结构用于点云数据的四角网格重构包括多个半边四角网格，半边四角网格包括四个顶点、半边以及一四角面片，顶点存储点云数据中对应点P_ij的3D位置坐标（x，y，z）、法向量、颜色以及其为起始顶点的半边的指针信息，半边存储起始顶点、终止顶点、邻接面、上个半边、下个半边、对立半边的指针或索引；5D纹理网格数据结构中的任一顶点Si，以顶点Si作为初始顶点开始本次的邻域访问时，包括如下步骤：判断初始顶点是否为边界点，若初始顶点为边界点，则返回空；若初始顶点不为边界点，以初始顶点为中心，寻找访问半径为r的网格数据结构内全部邻域顶点，从而建立3D点与邻域点之间的访问方式。

技术领域

本发明属于涉及计算机图形和计算机视觉技术领域，特别涉及一种点云数据的网格化后的访问方法。

背景技术

近年来，随着计算机硬件性能的提高及价格的降低，其在扫描系统中被大量的引入。做法一般是使用点云获取装置获取物体的点云（即由多个三维离散点组成的点的集合），而后将点云数据输入计算机，执行相应软件对点云数据进行各种处理，比如计算机辅助验证（Computer Aided Verification，CAV）、逆向工程（ReverseEngineering，RE）、有限元网格自动生成、计算机图形处理及模式识别（如人脸的识别）等。

构建点云网格面是上述各种处理所需要使用的重要技术之一，也是上述各种处理所需要解决的一个关键问题。点云网格一般有三角形、四边形及多边形等多种形状。现有的技术中，只能构建点云三角网格面，

在工业制造、物流等领域，机床上下料、零件分拣、货品拆零拣选等无序分拣任务对于传统人工操作的方式来说，劳动强度大、分拣效率低、招工难度大。机器人无序分拣技术越来越多地替代人工，成为相关产业降本增效、智能化升级的重要手段。机器人无序分拣依靠视觉识别方法定位待分拣物体，进而引导机器人末端完成物体的抓取和放置操作。一般采用2D图像、3D点云或网格等方式表征物体信息，物体的视觉识别方法可分为2D方法和3D方法两类。

目前传统的2D视觉或3D视觉识别方法尚不能解决海量无序姿态工件的通用准确识别问题，难以应对电商物流的无序分拣需求。当待扫描工件的姿态倾角较大、杂乱堆叠时，比如进行位于周转箱侧放的桶装方便面识别，传统2D方法需要制作多个不同视角的模板进行匹配定位，这样面对海量工件时，建立模板工作量过于庞大；当待检测工件紧密放置时，3D视觉方法难以分割场景中的不同物体，且对物体形状变化较小的待检测工件难以适应，比如识别位于周转箱内紧密排列的手机包装盒。只有识别工件的完整形状（包括侧面和底面）等，才能工件实现准确码放，避免抓取贵重工件时损伤工件，而传统的2D/3D视觉识别方法，都只能基于工件上表面的局部信息进行识别，难以判断待测工件的完整形状，对准确码放难以适应。

上述问题的出现主要是由于现有视觉识别方法受限于表征三维物体的数据结构，其中得益于2D图像的矩阵形式，2D视觉中图像处理方法都十分成熟，但2D图像难以表示三维物体的全方位信息；在3D视觉处理中，现有3D图像处理方法大多基于无序点云，难以实现类似2D的有序邻域访问，从而无法利用2D的纹理特征；基于有序点云的3D图像处理方法，由于有序点云仅能表达工件的上表面信息，对底面和侧面无法表达，也无法实现完整形状的表达。鉴于此，申请人提出了提出一种5D纹理网格算法库（SeizetColorMesh Library），该算法库采用一种5D纹理网格的数据结构（SeizetColorMesh），该结构使用顶点、半边、四角面片的连接关系进行索引，用于点云数据的四角网格重构，点云基于5D纹理网格的数据结构的数据表示后，呈拓扑结构且可有效表征三维物体的全方位信息。

邻域搜索是法线计算、模型渲染、特征提取、数据精简、数据平滑及曲面重建等处理的基础，基于5D纹理网格的数据结构建立点云数据的空间拓扑结构后，如何通过Mesh建立3D点与邻域点之间的访问方式，获取5D纹理网格结构中顶点的临近点的信息，以实现高效的邻域搜索对三维数据处理具有决定性的影响。

发明内容