[发明专利]一种针对光切式的基于半有序点云的三维重建方法

说明书

本发明公开了一种针对光切式的基于半有序点云的三维重建方法，包括：步骤1：定义点云格式；步骤2：选取目标物件进行扫描，获得半有序点云；步骤3：分析测量数据的误差来源；步骤4：检测并提取点云模型中的孔洞边界；步骤5：基于贝叶斯模型对点云孔洞进行修补。本发明在经典结构光三角法的基础上，获取半有序点云，既具有离散点云的灵活性，又具有有序点云的规则性，非常适用于高精度三维重建。同时针对半有序点云，通过在孔洞区域建立贝叶斯概率模型，结合点云的特异性分布对待增长区域进行最大似然参数估计，能够最大限度的综合考量局部特征与全局优化。

技术领域

本发明涉及三维重建技术领域，尤其涉及一种针对光切式的基于半有序点云的三维重建方法。

背景技术

三维重建技术在诸如工业、建筑业、生物医疗、交通运输、航天军工等领域中均有广泛的应用前景，其中数字点云的准确获取是三维重建的关键环节。光学主动式非接触三维点云获取方法由于测量精度高、有效信息量大，常用于复杂目标的高精度重建。目前常用的是各种原理的三维激光扫描仪，飞行时间法(TOF法)依赖时间分辨力，对设备参数要求较高，价格昂贵且难以适应复杂环境；光学干涉测量法(如莫尔条纹法)的工作范围主要依赖于基准光栅的尺寸，无法对较大尺寸物体进行重建，且测量稳定性较差；相位测量轮廓术(又名光栅投影法)的测量范围较小、测量环境要求严格，也难以推广至实际应用。结构光三角法作为一种非接触高精度测量方法，在保留了无磨损、效率高、精度高、成本低等优点的基础上，环境适应性更强，测量鲁棒性更高，应用场景更加广泛，测量精度最高可达微米级别，因而受到较多的关注。

传统的结构光三角法结合成熟的光条纹中心线提取算法可获取当前光平面内目标轮廓的坐标信息，若辅以第三自由度的移动装置可得到当前覆盖场景的完整三维信息。当测量各截面层叠的偏移量信息时，若被测目标为刚性或静态时，则可将其转换为位移量，此类方式获取的点云精度较大程度上受光三角系统和移动装置的参数及性能的影响。当被测目标为非刚性或动态时，上述方法所获取的相邻两帧信息不具备空间强相关性，直接进行数据拟合获取的结果置信度不高，不足以完成此类场景的高精度三维重建。

另外，单帧情况下的结构光成像条纹具有一定的厚度，二维图像涵盖了多维特征下的信息如某一方向上的光强分布信息、边界方程的法向信息、灰度值概率密度函数信息等。若像传统方法所述，单利用其中心线映射求取某深度坐标的信息，则信息利用度极低，且难以建立置信度较高的局部区域内的拓扑信息。

在点云的实际应用中，由于待重建目标中复杂多部位造成的自相互遮挡，或测量环境及目标物的表面特性引入的噪声，亦或是前端设备的扫描不完整/死区和数据丢失等固有局限性，常做成点云缺失引起的孔洞现象。这些孔洞使得真实世界对象获得的多边形网格表现出不合算法设计标准的缺陷，如退化的元素、自相交/重叠部分、表面孔等，限制了点云的应用场景。此外，在动态场景下获取的原始点云亦会因目标物的相对运动速度快、采集设备功能或参数受限、场景组成成分复杂等原因，出现数据缺失造成的孔洞现象，进而影响点云的准确性、均匀性和有效性，无法满足后续建模等点云处理算法的需求。同时，在对点云模型进行大规模形变时，模型亦会出现裂缝等现象。

针对离散点云已有各类经典的点云孔洞修补算法，但这些算法存在一些缺陷，一方面，部分算法关注于普适性，将孔洞修补问题转化为曲面闭合问题。这固然使得算法的运算效率以及健壮性较高，修补的结果可行可控，但相应地会丢失局部细节特征，进而降低数据整体的保真效果和点云的质量。另一方面，其余算法更多关注于对点云的细节特征的处理，追求更高置信度的缺失数据的还原。这种操作时而会引入混乱拓扑结构或自相交面片等错误，还需要对算法参数进行适应性的调整或人为的干预。同时，这些算法所追求的目标与实施手段，并不完全适应于半有序点云这一维度介于散乱点云和有序点云中间的目标。