[发明专利]基于分步三维空间-特征域映射的点云直线特征提取方法

摘要

一种基于分步三维空间-特征域映射的点云直线特征提取方法，它主要适用于从三维点云中提取直线特征，方便目标相对姿态的测量，属于三维测量和机器视觉技术领域，共有六大步骤。该方法运用了Hough变换原理，分步对点云直线特征进行提取。首先对每个点进行邻域搜索，并用邻域点集确定某点的空间方向，通过在参数空间观察指向分布找出可能存在的直线方向。将原始点云按照提取的直线方向投影，在二维平面直线上的点理论上会汇聚于一个区域内，对投影点借用近邻函数准则算法原理进行分析，估计直线的投影点，从而得到各直线的全部参数。

主权项

1.基于分步三维空间-特征域映射的点云直线特征提取方法，其特征在于：该方法具体步骤如下：步骤一：特征点云中某点邻域的确定；首先用KD-TREE算法构建全体点云的结构树，根据点云的坐标分布将原始点云细分到不同区域，由于细分过程是基于坐标信息的，直接根据区域地址信息实现最近点的搜索，以大幅提高搜索速度，快速构建出指定点的临近点集；步骤二：特征点云中某点方向的确定；某点方向的确定要根据该点邻域的点云的坐标分布来确定，如果某点属于直线特征，使用用邻域点集与该点坐标差所得向量表示；其邻域点集提供的方法如下：计算点集坐标的平均值(x‾,y‾,z‾)=(1rΣj=1rxj,1rΣj=1ryj,1rΣj=1rzj),]]>将点集中离平均点较近的点排除，计算点集的平均距离d，若|p_i-p_j|<2·d则p_j不予以考虑；用平均点同较远的点确定直线方向并将方向统一为向上，即如果zj-z‾<0,]]>n→ji=-(xj-x‾,yj-y‾,zj-z‾);]]>而该特征点的点云方向则为有效方向之均值，即步骤三：特征点云中直线方向探测；将各点云方向向量归一化，映射到单位向量球中，点云集中地方为直线方向所在；步骤四：点云的空间自动分割；通过自动识别的方法将单位向量球中密度较大的区域找出并计算出其中心作为特征点云中直线的方向估计，即在方向域中根据元素的集散程度确定直线的方向参数，借助于近邻函数准则算法原理可采用的点云聚类分割方法得到不同的点集；步骤五：特征点云按照提取的直线方向投影；将特征点云按照步骤四提取的直线方向投影，获得平面内的点云投影图象；基于3DHough变换的直线识别算法第一步即通过方向参数域的处理确定直线的可能方向α,β；在步骤四中得出的直线方向则对应的直线方向β=arcsin(r3r12+r22+r32)a=arccos(r1cos(β)·r12+r22+r32)]]>对于一条空间直线来说，自由度为4，因此固定其分布需要的参数为4个，确定了方向指向后，再加上直线垂直平面的位置固定即获得直线的全部参数；所以本步是将特征点云按照步骤四提取的直线方向投影，获得平面内的点云投影图象；与之前的映射规律类似，一条直线的投影会聚集与一个区域，即获得了平面内的点云分布图，并在某区域有密度较大的点汇聚，其他位置点离散分布，继续应用步骤四中所述点云聚类分割方法，得到不同直线对应的映射平面的位置分布；即对于点集P_n，沿着向量投影即相当于将点云所在的坐标系Z轴由n_z=(0,0,1)变为(r₁,r₂,r₃)；则用(0，0，1)到(r₁,r₂,r₃)的Householder矩阵来实现旋转矩阵；即：b=r→-n→zR=I-2·b·bT]]>则转换后的点云为P′=(R·P^T)^T=(x′,y′,z′)，则投影平面数据为P_face{x_i′,y_i′}(i∈[0,n])；步骤六：在投影平面中确定直线全部参数；继续应用步骤四中所述点云聚类分割方法，提取平面点云分布图像中直线投影点，得到不同直线对应的映射平面的位置分布。