[发明专利]结合人类视觉感知特性的3D点云精简算法

说明书

结合人类视觉感知特性的3D点云精简算法，属于3D点云数据处理领域，针对稠密3D点云数据量的急剧增加加重了后期数据处理、存储和传输负担的问题，本发明提出一种几何特征结合人类视觉感知特性的3D点云精简算法；结合点云的几何特征，该算法建立单向感知尖锐度函数与局部可见度函数来完成点的重要性评价，再根据点的重要性制定不同精简规则对点云实现分级精简。此外，为了提高混合特征评价模型的普适性，建立了各评价函数权重动态优化策略，实现了以特征评价结果为导向的权重值实时更新。实验验证了所提算法的有效性，与传统点云精简算法相比，本发明算法可在保持数据整体均匀性的同时，最大限度的保留点云的局部细节。

技术领域

本发明属于3D点云数据处理领域，特别是涉及一种结合人类视觉感知特性的3D点云精简算法。

背景技术

3D重建技术的快速发展为3D点云的获取奠定了基础，同时3D点云精度及稠密度的不断提高使其在3D打印、在线检测、目标识别等任务中的应用更加广泛。针对不同应用需求，各类稠密的3D点云均存在不同程度的信息冗余，采用合理的3D点云精简技术可有效提高后期3D数据的处理、存储和传输效率，因此研究3D点云精简算法成为当下数据处理领域的一个热点话题。

现有的3D点云精简算法主要分为两类：基于网格的精简和基于点的精简。基于网格的精简算法先根据点云分布建立不规则网格，然后通过制定规则去除冗余网格实现点云精简。S.-M.Hur等人使用Delaunay三角测量去除点数据，实现点云数据的减少。T K Dey等人提出一种通过控制用户输入密度的方法来有效避免数据过采样，以提高曲面拟合精度。Sun Feng等人提出一种由形状近似误差度量进行定量驱动的算法，来逐步简化初始的中间网格。Li Minglei等人提出一种基于网格过滤技术的折痕轮廓提取方法，实现了细节特征的保留。基于网格的精简虽然可以有效地保留点云的整体轮廓与几何细节特征，但由于构建网格结构需要巨大的计算开销，限制了其在实际任务中的应用。

基于点的精简算法计算复杂度低，是近几年点云精简的主流算法。这类算法在对数据精简时，应对点云的每一点进行重要性评价从而决定该点是否保留。已有算法对点云进行重要性评价时大多基于单一特征评价指标，如Zang Yufu等人提出一种局部表面变化结合相邻显著点分布的方法来提取点云中的显著点。Wei Xuan等人提出一种基于法向角局部熵的特征评价指标用于点云精简算法。Gao Yanfeng等人提出一种利用八叉树编码结合曲率特征评价的点云简化算法。由于单一的评价指标大多仅适用于特定场景或特定分布的3D点云，限制了算法通用性。为了适应3D点云形态日益多样化的发展趋势，基于多评价指标的点云精简算法被相继提出，如Ji Chunyang等人提出一种采用法向量差、投影距离、空间距离与曲率差相结合的多特征评价指标。Yang Yang等人提出一种基于法向量、角熵、曲率和密度信息的点云数据分割方法以实现点云的精简。Leal等人提出通过法向量坐标、位置坐标和曲面曲率的字典学习方法实现点云的精简。这些算法虽然采用了不同的特征评价指标，但都侧重于保留点云模型的几何特征显著区域，忽略了人类视觉对点云的敏感区域，且每个特征评价指标的权重通常根据经验设定，当被精简点云形态变化较大时，权重值的失衡会降低点云的后期应用价值。

发明内容

本发明针对现有技术存在的不足，旨在提供一种结合人类视觉感知特性的3D点云精简算法。本发明的算法在3D点云整体几何轮廓与局部细节轮廓折中保留的基础上，充分注重人类视觉对点云的敏感区域，通过所提的人类视觉感知评价函数对3D点云的局部细节特征进一步强化，并建立各评价函数权重动态优化策略，以增强点云精简模型的普适性。

为解决上述技术问题，本发明采用的技术方案为：结合人类视觉感知特性的3D点云精简算法，按照以下步骤进行：

步骤1)对点云进行K邻域搜索；

步骤2)计算每一点的单向感知尖锐度、局部可见度、曲率、平均距离和投影距离值，并采用权重动态优化公式计算每一特征的权重值，不同特征值与对应权重加权平均后得到每一点的混合特征值；