一种三维点云中多种几何基元自动识别方法技术

本发明专利技术公开一种三维点云中多种几何基元自动识别方法，其包括，对输入的三维点云进行预处理，即体素滤波，基于Kd树建立邻域结构并估计点的法向量；对点云进行邻域关系的确定，再对点云进行抽样；计算样本点邻域的协方差矩阵，分析三个特征值的大小关系，根据共面规则生成相应的初始几何基元模型；根据初始几何基元的模型分别构建相应的能量方程，按照能量优化框架进行平面、球面和柱面能量计算；循环迭代以上步骤，对多种几何基元的能量进行最小化，利用最优化算法求解得到最优意义下的几何基元参数，从而实现几何基元模型参数的精化，最终输出多种几何基元的参数和内点。采用本发明专利技术的技术方案，不仅具有应用范围广、参数估计准确、抗干扰能力强等特点，而且大大提高了对三维点云的识别与分析能力。

An automatic recognition method of geometric primitives in 3D point clouds

The invention discloses a 3D point cloud of various geometric element automatic identification method, comprising a 3D point cloud preprocessing, namely voxel filtering method, vector Kd tree based neighborhood structure and estimate the point based on point cloud; determine the neighborhood relation, then the point cloud sampling covariance; matrix calculation of sample point neighborhood, analysis the size relationship of the three characteristic value, according to the rules to generate the corresponding initial coplanar geometric element model; according to the initial geometric element model energy equations were constructed respectively, are planar, spherical and cylindrical energy in accordance with the energy optimization framework calculation; iteration steps above, minimizing the variety geometric element energy use optimization algorithm to obtain the optimal parameters of geometric primitives, so as to realize the refinement of geometric parameters of element model, finally Output parameters and interior points of various geometric primitives. By adopting the technical proposal of the invention, the utility model has the advantages of wide application range, accurate parameter estimation, strong anti-interference ability, etc., and greatly improves the ability of identifying and analyzing the three-dimensional point clouds.

【技术实现步骤摘要】

本专利技术涉及计算机视觉的三维感知和机器人导航
，尤其涉及三维点云中物体的自动检测与识别的方法。
技术介绍
近年来，计算机视觉研究蓬勃发展，研究者们不断创造出开创性的算法理论，设计出崭新的产品技术，从而赋予了机器越来越接近人类的视觉能力，给人们的生活和工作带来了翻天覆地的变化。特别是高性能的摄像摄影设备的普及、计算机运算速度飞速提升以及具有学习能力的算法理论的突破，使得计算机视觉在机器人、安防监控、工业生产、游戏娱乐和医学影像等各个领域发挥了重要作用。RGB-D这一高性能摄影设备是新近出现的新产品、新技术的代表之一。它可以便捷的同时获取到彩色(RGB)和深度(D)信息，突破了原有的普通摄像机和激光扫描仪只能采集彩色或深度一种信息的局限。这类设备的出现和快速发展，使得以光学方式获取3D数据变得方便快捷、成本低廉。但随之出现了一个挑战性问题：如何利用计算机自动分析、感知采集到的庞大的3D数据。从3D点云中自动检测几何特征识别平面、球面和柱面等几何基元，是计算机感知世界的一个基础性问题。解决该问题可以降低计算机感知环境的难度，缩小高层语义和底层视觉特征之间的语义鸿沟，有助于使计算机像人一样来分析和感知世界，实现智能操作。因此，提出一种多几何基元的识别方法。三维点云中几何基元识别算法主要是借鉴二维图像中几何基元识别的算法思想来实现的，这些常见的算法为Hough变换、RANSAC(Random Sample Consensus)和区域生长(Region Growing)等。Hough变换能快速准确的拟合出平直线和平面，但不能同时识别多个不同类别的模型。RANSAC算法能检测出超过50％外点的模型，是最常用的鲁棒估计算法，但需要对全局数据进行验证计算量大。Hough变换和RANSAC算法都需要利用贪婪搜索法穷举出数据中所有可能存在的模型，然后根据距离阈值约束找到模型的内点。这类方法较高效地处理单个模型，但在拟合多个模型时会漏掉某些模型；对距离阈值非常依赖，通常需要人为不断调整距离阈值的取值；并且不能从全局分析各个模型间内点的归属关系。区域生长算法需要预先手动选取一些内点再扩大生长，不能完全由计算机自动进行分析，而且对外点和噪声非常敏感，鲁棒性较差。这些法方法的主要问题：一是不能同时能识别多种几何基元；二是对外点和噪声的抗干扰能力差；三是依赖角度和阈值来判断几何基元的内点，自动化程度低。
技术实现思路
本专利技术要解决技术问题是，提供一种实用的、高精度的三维点云中多种几何基元的自动识别方法。为解决上述问题，本专利技术采用如下的技术方案：一种三维点云中多种几何基元自动识别方法包括以下步骤：步骤1、对获取的三维点云进行体素滤波，基于Kd树建立邻域结构并估计点的法向量；步骤2、对点云进行邻域关系的确定，再对点云进行抽样；步骤3、计算样本点邻域的协方差矩阵，分析三个特征值的大小关系，根据共面规则生成相应的初始几何基元模型；步骤4、根据初始几何基元的模型分别构建相应的能量方程，按照能量优化框架进行平面、球面和柱面能量计算；步骤5、循环迭代以上步骤，对多种几何基元的能量进行最小化，利用最优化算法求解得到最优意义下的几何基元参数，实现几何基元模型参数的精化，最终输出多种几何基元的参数和内点。作为优选，步骤3具体为：采用协方差矩阵来表示具有三个离散型随机变量的三维点云坐标之间的相关性，设存在子点集P＝{pi,...pN本文档来自技高网...

【技术保护点】
一种三维点云中多种几何基元自动识别方法，其特征在于，包括以下步骤：步骤1、对获取的三维点云进行体素滤波，基于Kd树建立邻域结构并估计点的法向量；步骤2、对点云进行邻域关系的确定，再对点云进行抽样；步骤3、计算样本点邻域的协方差矩阵，分析三个特征值的大小关系，根据共面规则生成相应的初始几何基元模型；步骤4、根据初始几何基元的模型分别构建相应的能量方程，按照能量优化框架进行平面、球面和柱面能量计算；步骤5、循环迭代以上步骤，对多种几何基元的能量进行最小化，利用最优化算法求解得到最优意义下的几何基元参数，实现几何基元模型参数的精化，最终输出多种几何基元的参数和内点。

【技术特征摘要】
1.一种三维点云中多种几何基元自动识别方法，其特征在于，包括以下步骤：步骤1、对获取的三维点云进行体素滤波，基于Kd树建立邻域结构并估计点的法向量；步骤2、对点云进行邻域关系的确定，再对点云进行抽样；步骤3、计算样本点邻域的协方差矩阵，分析三个特征值的大小关系，根据共面规则生成相应的初始几何基元模型；步骤4、根据初始几何基元的模型分别构建相应的能量方程，按照能量优化框架进行平...

【专利技术属性】
技术研发人员：王亮，申超，吴至秋，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11