[发明专利]基于平坦度划分的点云精简算法和装置

说明书

本公开是关于一种基于平坦度划分的点云精简算法和装置。该方法包括：构建树形结构对点云数据进行管理，并对管理后的所述点云数据进行滤波处理；采用曲面拟合算法计算所述点云数据中各点云的平整度，并通过将各点云的所述平整度与第一预设阈值进行比较，将所述点云数据划分为平坦区域点云数据和非平坦区域点云数据；将所述平坦区域点云数据先采用第一精简算法进行第一次点云精简，再采用第二精简算法进行第二次精简，从而得到平坦区域特征点数据；将所述非平坦区域点云数据划分为多个网格，获取非平坦区域特征点数据；将所述平坦区域特征点数据与所述非平坦区域特征点数据进行合成处理后再进行滤波处理从而得到总特征点数据。

技术领域

本公开涉及数据处理及应用技术领域，尤其涉及一种基于平坦度划分的点云精简算法和装置。

背景技术

近年来，点云数据的曲面模型重建在逆向工程、三维城市建模、计算机动画和三维模型重建中有着广泛的应用。通过扫描得到的三维点云模型包含数以百万计的点云数据，但在大多数情况下高密度的点云对于后续的建模并不都是必要的。高密度的点云数据中存在大量的冗余点，使得计算复杂度非常高，严重限制了模型的存储、传输、绘制等后续数据处理任务。

相关技术中，常用的点云简化方法主要包括两种，一种是基于网格的简化，另一种是基于三维点集的简化。当前基于网格的简化方法使用是比较多的，该方法首先需要构造网格拓扑关系，通过对网格内采样点重要性的评估完成简化，但这种方法的缺点是需要生成复杂、繁琐的网格，并且需要消耗庞大的内存维护网格拓扑信息，简化效率低下。基于三维点集的简化的方法一般包括随机采样法、包围盒法等，该方法的缺点是对于几何结构复杂的模型经常丢失大量细节特征，精度较低。

因此，有必要提供一种新的技术方案改善上述方案中存在的一个或者多个问题。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种基于平坦度划分的点云精简算法和装置，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

根据本公开的第一方面，提供一种基于平坦度划分的点云精简算法，包括：

构建树形结构对点云数据进行管理，并对管理后的所述点云数据进行滤波处理；

采用曲面拟合算法计算所述点云数据中各点云的平整度，并通过将各点云的所述平整度与第一预设阈值进行比较，将所述点云数据划分为平坦区域点云数据和非平坦区域点云数据；

将所述平坦区域点云数据先采用第一精简算法进行第一次点云精简，再采用第二精简算法进行第二次精简，从而得到平坦区域特征点数据；

将所述非平坦区域点云数据划分为多个网格，获取各网格中各点云与同一网格中相邻点云所在平面的法矢量夹角，通过各点云的所述法矢量夹角及各点云与同一网格中其余点云的距离权重值获得各点云的预设特征值，将所述各点云的预设特征值与第二预设阈值进行比较对所述非平坦区域点云数据进行精简，从而得到非平坦区域特征点数据；

将所述平坦区域特征点数据与所述非平坦区域特征点数据进行合成处理后再进行滤波处理从而得到总特征点数据。

本公开中，获取各网格中各点云与同一网格中相邻点云所在平面的法矢量夹角，包括：

通过构建的树形结构，选择点云n_i（i∈1~N，N为网格中点云所有的数据量）进行K个近邻点云搜索，得到近邻点组m_j（j∈1~K）；

对相邻点云构建协方差矩阵，求解协方差矩阵的特征值及特征矢量，最小特征值对应的特征矢量即为相邻点云所在平面法矢量；

计算各网格中各点云与同一网格中相邻点云所在平面的法矢量夹角λ。

本公开中，通过各点云的所述法矢量夹角及各点云与同一网格中其余点云的距离权重值获得各点云的预设特征值k，其中。