一种基于法线信息和K邻域搜索结合的点云边缘提取方法技术

本发明专利技术公开了一种基于法线信息和K邻域搜索结合的点云边缘提取方法，首先使用三维扫描仪获得点云数据，对点云数据进行预处理；然后使用双阈值约束法提取准确的边缘点；最后把满足双阈值约束法条件的边缘点存储在一个点云中，经过去噪处理就提取到精确的边缘信息。本发明专利技术方法不必把三维点云转换为二维图像，操作简单，不会因为三维点云转换为二维图像而损失原始数据；又使用双阈值约束法提取边缘，相对于单独使用一种约束方法提取点云边缘信息提高了准确性。

A method of point cloud edge extraction based on normal information and K neighborhood search

The invention discloses a method for extracting edge point cloud search with normal information and K neighborhood based on the first use of 3D scanner to obtain the point cloud data, the point cloud data preprocessing; and then accurately extracted edge points using double threshold constraint method; finally the method satisfies the constraint conditions of double threshold edge points stored in the a little cloud, after denoising to extract accurate edge information. The method does not need the 3D point cloud into two-dimensional image, simple operation, not because the 3D point cloud into two-dimensional image and the loss of original data; and edge extraction using double threshold constraint method, compared with the single extraction of point cloud edge information improves the accuracy of the use of a constraint method.

【技术实现步骤摘要】
一种基于法线信息和K邻域搜索结合的点云边缘提取方法
本专利技术涉及三维点云测量
，尤其涉及一种基于法线信息和K邻域搜索结合的点云边缘提取方法。
技术介绍
目前，大部分工业产品都是根据三维CAD模型制造而成的，而三维点云数据测量技术通过对产品实物进行测绘，根据产品几何特征获得模型，已成为CAD领域的一个热点问题。而边缘特征是工业产品中一个重要特征，如何精确提取工件的边缘成为三维点云测量技术中一个重要的环节。K维树是计算机科学中使用的一种数据结构，用来组织表示K维空间中的点集合。点云数据处理技术中的核心问题就是建立离散点的拓扑关系，K维树对于区间和近邻的搜索以及点云形状分析都很有用。点云表面的法线是工件表面信息的一个重要属性，依据点云的法线信息可以推断它在坐标系中的方位。近年来，国内外相继提出了一些边缘提取方法，有的通过间接方法先把三维点云数据转换为二维图像，然后利用二维图像中提取边缘的方法提取点云边缘，然而在三维点云数据转化为二维图像的过程中会损失一部分数据信息，利用这种方法较为繁琐，而且损失的信息会影响边缘提取的效果；有的方法单独利用法矢信息的变化来提取边缘点，这种方法虽然简单，但是在应对一些较复杂的工件时，往往精度较低，提取不到准确的边缘。
技术实现思路
本专利技术目的在于提供一种操作简单、准确性高的基于法线信息和K邻域搜索结合的点云边缘提取方法。为实现上述目的，采用了以下技术方案：本专利技术所述方法包括以下步骤：步骤1，用体素化网格方法对点云进行下采样，采集点云数据，对数据进行预处理；步骤2，使用双阈值约束法提取准确的边缘点；步骤3，把最终得到的边缘点存储在一个点云中，采用RadiusOutlierRemoval滤波移除离群点对该点云进行去噪处理，去除噪声点。进一步的，步骤1中，使用体素化网格方法对点云进行下采样：通过输入点云创建一个三维体素栅格，然后在每个体素中用体素内所有点的重心来近似显示体素中其他点，用一个重心来表示每个体素的所有点。进一步的，步骤2的具体方法如下：步骤2-1，估计点云表面法线，把下采样后的点云与法线连接在一起形成一个新的点云；步骤2-2，对新的点云用K维树建立点云拓扑关系，计算各邻域法线(normali)与该点的法线(normal0)之间的夹角θi并求方差s2；步骤2-3，通过迭代方法找到最佳夹角阈值H；步骤2-4，每次计算出一个点的方差s2都与阈值H比较大小，大于阈值的点为初步提取的边缘点；步骤2-5，对初步提取的边缘点(当前点)，用K邻域点拟合一个最小二乘平面；步骤2-6，把当前点与它的K邻域点通过投影滤波的方法投影到参数化模型平面，然后将邻域点的投影点与该点的投影点依次连接组成一组向量，计算两两相邻向量之间的夹角；步骤2-7，设定约束条件：如果两两相邻向量之间的夹角都小于一定的阈值，说明这个点所处的位置表面平缓，周围的点分布较均匀；若有夹角大于阈值的，说明该点所处的位置表面尖锐，周围的点分布不均匀，周围存在与之不共面的相邻点，即这个点是经过双阈值约束法最终提取的边缘点。进一步的，所述的步骤2-2中，计算各邻域法线(normali)与该点的法线(normal0)之间的夹角θi并求方差s2，包括以下过程：bi＝normali·normal0(1)θi＝arccos(bi/di)(3)以上各式中，normal0是该点的法线，normali是该点邻域的法线，bi是该点的法线与其邻域法线的点积，di是该点法线与其邻域法线的模长乘积，θi是该点法线与其邻域法线的夹角，mθ是所有邻域法线与该点法线夹角的均值，s2是这些夹角的方差。进一步的，步骤2-3中，通过迭代方法找到最佳夹角阈值H的具体步骤如下：步骤2-3-1，将各邻域法线与该点法线之间的夹角按照从小到大的顺序排序(θ0～θk-1)，选取排在中间位置的夹角作为初始阈值H0；步骤2-3-2，H0将夹角分为两组：G1代表大于H0的所有夹角组，G2代表小于H0的所有夹角组，分别计算G1、G2两个组的平均角度值，得到M1和M2；步骤2-3-3，计算M1和M2的平均值作为新的阈值H；步骤2-3-4，重复步骤3-2至3-3，直到连续迭代中的H值间的差小于一个预定义的参数为止。与现有技术相比，本专利技术方法具有如下优点：1、直接对点云数据进行处理，避免了由三维数据转化为二维图像带来的信息损失、影响边缘提取效果的问题，而且方法操作更简单方便。2、针对基于法线估计的邻域法线间的夹角方法提取的边缘方法和基于点云邻域点的分布情况提取边缘方法结合到一起，可以弥补单独使用一种方法提取的边缘不完整的缺陷，准确性更高。3、在法线信息提取边缘点的阈值选取时利用迭代法选取阈值，相对于人工选取阈值自动化程度更高。附图说明图1为本专利技术方法的总体流程图。图2为本专利技术方法的双阈值约束法边缘提取的详细流程图。具体实施方式下面结合附图对本专利技术做进一步说明：如图1所示，本专利技术所述方法包括以下步骤：步骤1，用体素化网格方法对点云进行下采样，采集点云数据，对数据进行预处理；使用体素化网格方法对点云进行下采样：通过输入点云创建一个三维体素栅格，然后在每个体素中用体素内所有点的重心来近似显示体素中其他点，用一个重心来表示每个体素的所有点，达到精简数据的作用，从而提升运行速率；步骤2，如图2所示，使用双阈值约束法提取准确的边缘点；步骤2-1，估计点云表面法线，把下采样后的点云与法线连接在一起形成一个新的点云；步骤2-2，对新的点云用K维树建立点云拓扑关系，计算各邻域法线(normali)与该点的法线(normal0)之间的夹角θi并求方差s2；包括以下过程：bi＝normali·normal0(1)θi＝arccos(bi/di)(3)以上各式中，normal0是该点的法线，normali是该点邻域的法线，bi是该点的法线与其邻域法线的点积，di是该点法线与其邻域法线的模长乘积，θi是该点法线与其邻域法线的夹角，mθ是所有邻域法线与该点法线夹角的均值，s2是这些夹角的方差。步骤2-3，通过迭代方法找到最佳夹角阈值H；步骤2-3-1，将各邻域法线与该点法线之间的夹角按照从小到大的顺序排序(θ0～θk-1)，选取排在中间位置的夹角作为初始阈值H0；步骤2-3-2，H0将夹角分为两组：G1代表大于H0的所有夹角组，G2代表小于H0的所有夹角组，分别计算G1、G2两个组的平均角度值，得到M1和M2；步骤2-3-3，计算M1和M2的平均值作为新的阈值H；步骤2-3-4，重复步骤3-2至3-3，直到连续迭代中的H值间的差小于一个预定义的参数为止。步骤2-4，每次计算出一个点的方差s2都与阈值H比较大小，大于阈值的点为初步提取的边缘点；步骤2-5，对初步提取的边缘点(当前点)，用K邻域点拟合一个最小二乘平面；步骤2-6，把当前点与它的K邻域点通过投影滤波的方法投影到参数化模型平面，然后将邻域点的投影点与该点的投影点依次连接组成一组向量，计算两两相邻向量之间的夹角；步骤2-7，设定约束条件：如果两两相邻向量之间的夹角都小于一定的阈值，说明这个点所处的位置表面平缓，周围的点分布较均匀；若有夹角大于阈值的，说明该点所处的位置表面尖锐，周围的点分布不均匀，周围存在与之不共面的相邻点，即这个点是经过双阈值约束本文档来自技高网...

【技术保护点】
一种基于法线信息和K邻域搜索结合的点云边缘提取方法，其特征在于，所述方法包括以下步骤：步骤1，用体素化网格方法对点云进行下采样，采集点云数据，对数据进行预处理；步骤2，使用双阈值约束法提取准确的边缘点；步骤3，把最终得到的边缘点存储在一个点云中，采用RadiusOutlierRemoval滤波移除离群点对该点云进行去噪处理，去除噪声点。

【技术特征摘要】
1.一种基于法线信息和K邻域搜索结合的点云边缘提取方法，其特征在于，所述方法包括以下步骤：步骤1，用体素化网格方法对点云进行下采样，采集点云数据，对数据进行预处理；步骤2，使用双阈值约束法提取准确的边缘点；步骤3，把最终得到的边缘点存储在一个点云中，采用RadiusOutlierRemoval滤波移除离群点对该点云进行去噪处理，去除噪声点。2.根据权利要求1所述的一种基于法线信息和K邻域搜索结合的点云边缘提取方法，其特征在于，步骤1中，使用体素化网格方法对点云进行下采样：通过输入点云创建一个三维体素栅格，然后在每个体素中用体素内所有点的重心来近似显示体素中其他点，用一个重心来表示每个体素的所有点。3.根据权利要求1所述的一种基于法线信息和K邻域搜索结合的点云边缘提取方法，其特征在于，步骤2的具体方法如下：步骤2-1，估计点云表面法线，把下采样后的点云与法线连接在一起形成一个新的点云；步骤2-2，对新的点云用K维树建立点云拓扑关系，计算各邻域法线(normali)与该点的法线(normal0)之间的夹角θi并求方差s2；步骤2-3，通过迭代方法找到最佳夹角阈值H；步骤2-4，每次计算出一个点的方差s2都与阈值H比较大小，大于阈值的点为初步提取的边缘点；步骤2-5，对初步提取的边缘点(当前点)，用K邻域点拟合一个最小二乘平面；步骤2-6，把当前点与它的K邻域点通过投影滤波的方法投影到参数化模型平面，然后将邻域点的投影点与该点的投影点依次连接组成一组向量，计算两两相邻向量之间的夹角；步骤2-7，设定约束条件：如果两两相邻向量之间的夹角都小于一定的阈值，说明这个点所处的位置表面平缓，周围的点分布较均匀；若有夹角大于阈值的，说明该点所处的位置表面尖锐，周围的点分布不...

【专利技术属性】
技术研发人员：胡硕，孙翔，赵银妹，
申请(专利权)人：燕山大学，
类型：发明
国别省市：河北,13