一种基于序列图像的粗大误差点剔除方法技术

本发明专利技术一种基于序列图像的粗大误差点剔除方法属于逆向工程领域，涉及一种基于序列图像的粗大误差点剔除方法。该方法首先通过激光结合双目视觉的方式，利用左、右摄像机拍摄激光发射器在被测物上形成的辅助激光条纹，获取代表被测物表面信息的点云数据。根据最小二乘法将选取的点拟合成一条曲线，将相邻两条曲线作为点云区域边界，完成点云区域的划分；再分别求出每块点云区域中的点到两条边界曲线的最短距离，根据比值大小判断粗大误差点。该方法操作简单，不需要先建立拓扑结构，计算点云的密度等信息来删除多余的点云，提高了点云粗大误差点去除的效率，克服了单幅激光光条图像点云处理的局限性，保证了点云数据的局部信息的准确性。

A method for eliminating gross error points based on sequence images

The invention discloses a method for eliminating gross error points based on sequence images, which belongs to the reverse engineering field, and relates to a method for eliminating gross error points based on sequence images. Firstly, by using laser and binocular vision, the auxiliary laser stripe formed by the laser transmitter on the detected object is captured by the left and right camera, and the point cloud data representing the surface information of the measured object is obtained. According to the least squares method of selected points are fitted to a curve, two adjacent curves as boundary point cloud, dividing point cloud area is completed; and then calculate each point cloud area in the point of the shortest distance between the two boundary curves, according to the ratio of gross error judgment. The method is simple, does not need to establish the topological structure, calculation to remove excess density of point cloud information such as point cloud, improve the point cloud gross error removal efficiency, overcomes the single laser stripe image point cloud processing limitations, the point cloud data of local information accuracy.

【技术实现步骤摘要】
一种基于序列图像的粗大误差点剔除方法
本专利技术属于逆向工程领域，涉及一种基于序列图像的粗大误差点剔除方法。
技术介绍
随着航空制造业数字技术的不断发展，行业竞争将越来越激烈，对飞机产品质量的要求也越来越高，所以发展对飞机零件的逆向建模技术取代传统制造手法已经迫在眉睫。点云数据的处理作为逆向工程的关键步骤，其处理精度将直接决定模型的重建精度。在点云数据处理过程中，点云的粗大误差点剔除是点云处理的第一步。针对点云处理过程中点云的粗大误差点剔除的方法，国内外诸多学者开展了相应研究，如.kd-tree法、空间单元格法、八叉树法等，但目前这些方法中，kd-tree法的缺点是，需要极长的时间来构建kd-tree，从而使得对每个点求邻域也要花费大量时间；空间单元格法对栅格的选取要求比较高，操作复杂；八叉树是线性结构，需要大量的内存储存指针。在激光测量系统数据采集过程中，由于被测物本身和测量环境等原因造成的误差会产生脉冲噪声点，即所谓粗大误差,它的分布无规律性且偏离真实数据较大,但数量较少，影响重建精度。为避免上述问题，就有必要对数据点云进行粗大误差点剔除处理。针对点云数据的粗大误差点剔除处理，西安交通大学的高建民等人，在《现代控制工程》第7期，《基于逆向工程的点云数据预处理技术研究》一文中提出一种利用孤立点统计排异法剔除粗大误差的方法。该方法通过计算单条点云扫描线上的得到均值μ和方差σ2后,建立相邻点距离的正态分布N(μ,σ2)。然后,在扫描线上将相邻两点的直线距离作为统计对象,利用相邻点距离的正态分布N(μ,σ2)的3σ法则判断点的去留，可以较好地剔除单条扫描线上脉冲噪声数据。但该方法只能够针对单幅激光光条图像获得点云数据进行处理，无法对多条点云线组成的点云面进行粗大误差点剔除，具有很大的局限性。北京矿冶研究总院的刘冠洲等人，在专利号：201210496277.9，专利《一种三维激光点云数据的去噪与精简方法及系统》中提出了一种点云数据的处理方法及系统，该方法主要计算拓扑构造后的点云中当前点与其邻域各点的距离及距离的均值和用于表示数据离散程度的标准差，对当前点进行删除判断。通过采用该点云处理方法，提高了噪声点过滤的准确率及点云数据的精确度，并有效地降低了点云数据的冗余度。但该方法需要先建立拓扑结构，并通过计算点云的曲率、密度等信息来删除多余的点云，具有计算量大，效率低，无法保证原始扫描数据局部信息等问题。
技术实现思路
本专利技术为了解决现有大视场下，大型航空平板类零件点云数据处理过程中的局限性，专利技术了一种基于序列图像的粗大误差点剔除方法。其目的是针对点云数据的粗大误差点剔除去除过程中需要先建立拓扑结构，并通过计算点云的曲率、密度等信息来删除多余的点云，计算量大，效率低，无法保证原始扫描数据局部信息，无法对多条点云线组成的点云面进行处理等问题，通过对获取的点云数据按照扫描线的方向进行搜索，拟合点云数据，划分点云区域，通过判断点到两条边界曲线的最短距离之比，实现点云数据的快速、高精度的粗大误差点去除。克服了现有点云处理过程中需要建立拓扑结构，无法保证原始扫描数据局部信息，无法对多条点云线组成的点云面进行处理等问题，具有广泛的应用前景。本专利技术采用的技术方案是一种基于序列图像的粗大误差点剔除方法，其特征是，该方法首先通过激光结合双目视觉的方式，利用左、右摄像机a、b拍摄激光发射器c在被测物e上形成的辅助激光条纹f，获取代表被测物e表面信息的点云数据；其次将每条点云线两端对应的边界点连接，获得直线g，将两个边界点之间在直线g附近的点，每隔n个点取一个点之后，根据最小二乘法将选取的待拟合点J拟合成一条曲线，将相邻两条曲线作为点云区域边界，完成点云区域的划分；最后分别求出每块点云区域中的点到两条边界曲线的最短距离h1、h2，之后，根据h1与h2的比值大小判断粗大误差点；方法的具体步骤如下：第一步，获取点云数据安装测量设备，打开辅助激光发射器c并照射被测物e，在开始采集之后，打开转台d带动激光发射器c转动，使激光扫描被测物e。然后，整体平移左右摄像机a、b的位置，进行多次拍摄，保证被测物e形面信息的完整性。通过信息采集系统采集到辅助激光光条f图像之后，需要对激光光条f的中心线进行提取，本专利技术是利用光条图像中心灰度重心提取的方法，公式(1)为：其中：，(ui,vi)为第i行光条灰度重心坐标，Iij为第i行第j列灰度值；。通过此方法获取辅助激光光条f的特征点二维信息，再结合标定结果以及重建公式，得到边界点和光条中心点在世界坐标系下的三维坐标值，重建公式如下：其中，假设xi'＝(Xi',Yi')，Xi'，Yi'分别为左摄像机a采集的图像边界点或光条中心点xi'在像面坐标系下的横、纵坐标；xi′′＝(Xi′′,Yi′′)，Xi′′，Yi′′分别为右摄像机b采集的图像光斑中心点xi‘'在像面坐标系下的横、纵坐标；f1、f2分别为左、右摄像机a、b标定得到的焦距；是右摄像机b相对于左摄像机a的旋转矩阵，[txtytz]是右摄像机b相对于左摄像机a的平移矩阵，由标定实验得到；则(xi,yi,zi)为重建出来的对应点的三维坐标，由此获取整个被测物e表面的三维点云数据。第二步，点云区域的划分针对获得的点云，将每条点云线的首尾两个点进行编号，即对点云图像的边界点编号1,…,2n，将每条点云线两端对应的边界点连接，获得直线g，将两个边界点之间在直线g附近的点，每隔n个点取一个点之后，利用公式(3)(4)，根据最小二乘法将选取的待拟合点J拟合成一条曲线；yi＝a0+a1xi+...+akxik(3)将相邻两条曲线作为单块点云区域左、右边界l1、l2，完成点云区域的划分；第三步，粗大误差点的去除点云区域划分之后，依次对点云区域内的点进行搜索，分别求出每块点云区域中的点到两条边界曲线的最短距离h1、h2，之后，根据h1与h2的比值ρ大小判断粗大误差点I；其中，h1为点到左边界的最短距离，h2为点到右边界的最短距离；当点云区域内的点靠近左边界l1时，ρ趋于0，当点云区域内的点靠近右边界l2时，ρ趋于∞，因此，设置阈值α1、α2，当α1≤ρ≤α2时，判断此点为粗大误差点I，将此点剔除；当ρ≤α1或ρ≥α2时，判断此点为正常点，将此点保留；这样就完成了数据点云的粗大误差点I剔除。本专利技术的效果和益处是采用激光结合双目视觉的方式获得扫描式点云数据，对获取的点云数据按照扫描线的方向进行搜索，拟合点云数据，划分点云区域，通过判断点到两条边界曲线的最短距离之比，实现点云数据的快速、高精度的粗大误差点去除。克服了现有点云处理过程中需要建立拓扑结构，无法保证原始扫描数据局部信息；克服了单幅激光光条图像点云处理的局限性，无法对多条点云线组成的点云面进行处理等问题。提高了点云粗大误差点去除的效率，并保证了点云数据的局部信息的准确性，具有广泛的应用前景。附图说明图1是点云数据的获取示意图，其中，a-左摄像机，b-右摄像机，c-激光发射器，d-转台，e-被测物，f-激光光条。图2是点云区域划分示意，其中，1,3,…,2n-1-上边界点编号，2,4,…,2n-下边界点编号，g-两端对应的边界点连线，I-粗大误差点，J-选取的待拟合点，l1-单块点云区域左边界，l2-单块点云区域右边本文档来自技高网...

【技术保护点】
一种基于序列图像的粗大误差点剔除方法，其特征是，该方法首先通过激光结合双目视觉的方式，利用左、右摄像机(a、b)拍摄激光发射器(c)在被测物(e)上形成的辅助激光条纹(f)，获取代表被测物(e)表面信息的点云数据；其次将每条点云线两端对应的边界点连接，获得直线g，将两个边界点之间在直线g附近的点，每隔n个点取一个点；再根据最小二乘法将选取的待拟合点J拟合成一条曲线，将相邻两条曲线作为点云区域边界，完成点云区域的划分；最后分别求出每块点云区域中的点到两条边界曲线的最短距离h1、h2，之后，根据h1与h2的比值大小判断粗大误差点；方法的具体步骤如下：第一步，获取点云数据安装测量设备，打开辅助激光发射器(c)并照射被测物(e)，在开始采集之后，打开转台(d)带动激光发射器(c)转动，使激光扫描被测物(e)；然后，整体平移左、右摄像机(a、b)的位置，进行多次拍摄，保证被测物(e)形面信息的完整性；通过信息采集系统采集到辅助激光光条(f)图像之后，需要对激光光条(f)的中心线进行提取，利用光条图像中心灰度重心提取的方法，公式(1)为：

【技术特征摘要】
1.一种基于序列图像的粗大误差点剔除方法，其特征是，该方法首先通过激光结合双目视觉的方式，利用左、右摄像机(a、b)拍摄激光发射器(c)在被测物(e)上形成的辅助激光条纹(f)，获取代表被测物(e)表面信息的点云数据；其次将每条点云线两端对应的边界点连接，获得直线g，将两个边界点之间在直线g附近的点，每隔n个点取一个点；再根据最小二乘法将选取的待拟合点J拟合成一条曲线，将相邻两条曲线作为点云区域边界，完成点云区域的划分；最后分别求出每块点云区域中的点到两条边界曲线的最短距离h1、h2，之后，根据h1与h2的比值大小判断粗大误差点；方法的具体步骤如下：第一步，获取点云数据安装测量设备，打开辅助激光发射器(c)并照射被测物(e)，在开始采集之后，打开转台(d)带动激光发射器(c)转动，使激光扫描被测物(e)；然后，整体平移左、右摄像机(a、b)的位置，进行多次拍摄，保证被测物(e)形面信息的完整性；通过信息采集系统采集到辅助激光光条(f)图像之后，需要对激光光条(f)的中心线进行提取，利用光条图像中心灰度重心提取的方法，公式(1)为：其中：，(ui,vi)为第i行光条灰度重心坐标，Iij为第i行第j列灰度值；；通过此方法可以获取辅助激光光条(f)的特征点二维信息，再结合标定结果以及重建公式，得到边界点和光条中心点在世界坐标系下的三维坐标值，重建公式(2)如下：

【专利技术属性】
技术研发人员：刘巍，赵海洋，张致远，叶帆，兰志广，张洋，马建伟，贾振元，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁,21