[发明专利]一种海底声呐点云数据处理方法

摘要

本发明公开了一种海底声呐点云数据处理方法，首先根据声呐点云的特性进行点云数据的融合与去燥，然后针对声呐点云的几何特性进行分区的点云精简，最后利用基于同心圆局部扩张的点云孔洞修补算法进行四维海底声呐点云孔洞的修补的海底点云数据处理方法；经本发明相关方法处理后的点云数据便于滤波算法对声呐点云数据中的人工目标进行识别与检测，既节省了人工对声呐图像数据判读所消耗的时间，又提高了人工目标识别算法的精确性，具有十分重大的意义。

主权项

1.一种海底声呐点云数据处理方法，其特征在于，具体包括以下步骤：/n步骤1：进行原始点云数据的融合/n步骤2：对步骤1融合后的点云数据进行高频滤波，高频噪声主要指漂浮在主点群上方的稀疏点和远离主点群中心的具有高频率和大幅值等特点的点群集合，针对高频噪声的特点，采用一种基于近邻点平均距离的滤波算法，将明显离群点进行剔除。去噪后得到的新的点云数据集S'为：/n /n其中为采样点k近邻邻域μ_n内点到近邻点的平均距离，μ_n为主体点云的点云距离平均值，σ_n为标准差。各参数的计算公式如下：/n /n /n /n步骤3：对步骤2中高频滤波后点云进行点云法向量修正。/n步骤4：进行声呐点云低频去燥，该算法表达式为：/ns′_i＝s_i-ε·n (5)/n其中：s′_i为滤波后的点；s_i为初始采样点；ε为原始双边滤波因子；n为初始采样点s_i的法向量方向；/n /n其中为采样点s_i的某一邻域点；n_i为采样点s_i的法向量；n_j为采样点s_j的法向量；W_p为采样点的光顺滤波权因子；W_c为采样点s_i到邻域点s_j法向n_j上的特征保持权因子；/n光顺滤波权函数W_c(x)定义为:/n /n特征保持权函数W_p(y)定义为:/n /n其中σ_c和σ_s为高斯滤波参数，σ_c等于采样点s_i的邻域半径，σ_s等于采样点s_i的邻域标准差；当σ_c为定值时，σ_s的大小变化影响点云特征变化；当σ_s为定值时，σ_c的大小变化影响点云的光顺程度。/n步骤5：针对步骤4中低频去燥后的点云进行全局精简；/n首先，使用kd-tree进行点的k邻域查找；/n其次，针对采样点与其相邻点的曲率与法向量差和局部平均距离等定义了采样点的特征值，应用基于区域生长的方式进行点云区域的分割；/n最后，依据分割区域的标准对平坦区域和非平坦区域应用不同的点云精简方式，自动调整精简策略。/n步骤6：将步骤5中精简过后的点云区域进行分割/na.选取初始点P₁，将该点与其k邻域内欧式距离最小的点进行连接得到点P₂，形成初始边P₁P₂，在P₁和P₂的k邻域中找到符合P₂P₃+P₁P₃最短的点P₃，从而构造初始三角形P₁P₂P₃。/nb.对于初始ΔP₁P₂P₃，将三角形的边界边作为初始边，在曲面S上进行ΔABC的扩展，由于D点的夹角是ΔABC和ΔDBC大于规定范围，选取夹角范围内的点E作为网格点。在实验过程中，对C值选定一个合适的阈值范围对点云的区域生长效果尤为重要。计算相邻三角网格法向量的夹角α，并设定C值对点云表面变化进行表征。假设存在两点M(x₁,x₂,x₃)和N(y₁,y₂,y₃)，对M和N的k邻域点进行计算，并采用同样方式寻找构造点进行扩展：/n /n其中和分别表示一条重叠边关联的两个平面法向量。由(9)分析可得，C值的取值范围是[0-2]且随法向量夹角α单调递增，如果C值范围较小，则说明新加入的三角形较为平缓，将该点加入初始点所属分片中，否则停止该边进行扩展。/nc.在扩展过程中，遇见已扩展的点集时，停止该边的扩展。如果所有边都已扩展完成，将原始数据点与已扩展的点进行分离，跳转至a直到所有点云数据均分离完毕。/n步骤7：将点云分为平坦与非平坦区域进行局部精简，确保复杂场景下的精简精度/n针对平坦区域采用包围盒法进行精简，取部分点就可以做完整描述/n针对非平坦区域采用阈值分析法进行精简，采用点云特征点保留的越多，越能更好的描述区域细节。/n步骤8：海底声呐数据除包含x、y和z三维坐标外，存在第四维回声强度坐标i，采用点云修补算法对第四维坐标进行修补；/n通过对数据点的邻域关系从而进行判断某点是否为边界点，先计算每个数据点的k近邻，然后根据求该点的k邻域点的最小二乘拟合曲面，将该点和其邻域点进行投影，再进行边界识别，识别后的边界点包含内外边界，外边界属于点云边缘点，内边界属于孔洞边界点，k点指代某点的邻域点个数为k，是一种点云邻域关系的指代方式。/n步骤9：由上一步骤获得了孔洞的边界特征点，使用质心做圆来解决海底声呐点云四维的孔洞修补，该方法可以有效修补海底声呐点云数据产生的三维孔洞，并可以针对第四维声强信息进行合理有效的修补，经本方法修补后的点云孔洞分布均匀，填充点与孔洞点平滑相接，孔洞填充点周围点云声呐分布合理，实现了对海底声呐点云数据的有效处理。/n