[发明专利]一种点云几何细节特征去除方法

摘要

本发明公开了一种基于滚动法向量滤波和多法向技术的点云几何细节特征去除方法，包括步骤：1)利用滚动滤波方法对点云法向量场进行滤波；2)根据滤波后的法向量场对点位置进行更新，完成细节特征去除过程。本发明利用滚动滤波方法对法向量场进行滤波，可以在去除细节特征的同时，保持物体的大尺度特征不被模糊，并采用多法向方法使其尖锐特征避免被扭曲，有助于对点云模型几何特征进行编辑，并可应用于噪声数据，具有高鲁棒性的特点，具有很好的推广前景。

主权项

一种点云几何细节特征去除方法，其特征在于，包括以下步骤：1)利用滚动滤波方法对法向量场进行滤波，其公式如下：nik+1=1WikΣj=1nws(pi,pj,σs)wr(nik,njk,σr)nj---(1)]]>式中，是归一化因子，k为迭代次数，是pi点的第k+1次迭代滤波后的法向量，n点为点云的顶点个数，nj是pj的原始法向量，是位置差权重，当pj点与pi点的欧氏距离越远时，权重越小；是法向量差权重，当pj点的法向量与pi点的法向量法向量差越大时，权重越小；通过上述两个权重，对模型内所有除pi点之外的所有点的原始法向量进行加权平均，得到pi点滤波后的法向量；2)基于滤波后的法向量场对顶点位置进行更新，得到新的点云模型，需要定义如下的优化问题：argminCEU(C)=argminC(ENW(C)+λEP(C))---(2)]]>式中，用来保持更新后的顶点位置与滤波后的法向量场保持一致性，其中为两种权重因子组合，为归一化因子，是位置差权重，当pj点与pi点的欧氏距离越远时，权重越小；是法向量差权重，当pj点的法向量与pi点的法向量法向量差越大时，权重越小，这一权重用来约束来自模型中另外一个面上的点的法向量的拉动；为位置约束能量，γi为对非小特征点的移动惩罚权重；求解公式(2)得到的迭代求解公式为：p‾it+1=(1+βλγi)p‾it+β{-λγipi-Σj∈NiwijWi[n‾j·(p‾jt-p‾it)]n‾j+Σj′∈Ni-1wj′iWj′[n‾i·(p‾it-p‾j′t)]n‾i}]]>式中，t和t+1为第t次和第t+1次迭代，由此得到新的点位置通过迭代多次后得到更新后的点云模型；γi作为对非小特征点的移动惩罚权重，即对于需要保持的大特征区域处的点，希望其尽可能保持不动，此时该权重应大于预设值；而对于要抹除的小特征区域，要尽量抹平，因此该权重小于预设值；因此在进行完全顶点位置程序之前，需先进行一次λ＝0的迭代，得到并计算其中ε＝10‑5用来避免分母等于0的情况出现；以上的迭代公式能够应对大部分的模型，但是对于法向非连续过度的模型，会出现尖锐特征区域凹陷的情况，为了解决这种情况，需引入多法向策略来处理；因此在法向滤波后，按照候选特征点提取、提取特征区域骨架、重采样特征点、赋予特征点多法向一系列步骤，得到特征点的多法向，再根据多法向进行顶点位置更新。