一种基于骨架的三维点云模型分割方法技术

本发明专利技术提出了一种基于骨架的三维点云模型分割方法，主要解决了现有三维模型分割方法存在对模型细微特征不敏感、时间代价高的缺点。本发明专利技术首先提取三维模型的骨架，并通过分析骨架数据之间的关系，提取骨架关键点；然后选择同一邻域内关键点到质心的距离最小的点作为最终的关键点；最后，使用找到的关键点，通过改进的区域生长算法，得到分割后的骨架区域，即相应原始数据的分割结果。该方法适用于对已有的三维点云模型进行语义分割，是处理几何模型的一种基本操作，可以广泛地应用于几何模型的可视化、优化，三维模型拼接，逆向工程等领域。

【技术实现步骤摘要】
一种基于骨架的三维点云模型分割方法
本专利技术属于三维图像
，具体涉及一种基于骨架的三维点云模型分割方法。该方法适用于对已有的三维点云模型进行语义分割。
技术介绍
随着三维扫描获取技术的快速发展，点云数据处理研究已成为数字几何处理研究发展过程中的研究热点。三维模型分割，是把完整的三维模型根据人类语义上的不同，分割为子部分的过程。三维模型的分割是研究和应用过程中非常重要的环节，并且成为近年来计算机辅助设计和图形学研究的热点。对于三维点云模型，其语义分割过程就是对模型上的数据点进行分析并计算，找出其中的特征点，并以特征点为分割依据，对三维模型原始数据进行分割。对于现有三维模型分割方法存在对模型细微特征不敏感、时间代价高以及扫描获取到的点云数据量大的问题，本专利技术先对原始数据进行骨架提取，然后通过骨架分割以达到分割三维模型的目的。
技术实现思路
为了解决现有三维模型分割方法存在对模型细微特征不敏感、时间代价高的缺点,本专利技术提出了一种基于骨架的三维点云模型分割方法。为解决上述技术问题，本专利技术采用的技术方案为：一种基于骨架的三维点云模型分割方法，所述三维点云模型分割方法步骤如下：步本文档来自技高网...

【技术保护点】
1.一种基于骨架的三维点云模型分割方法，其特征在于，所述三维点云模型分割方法步骤如下：步骤1，对输入的三维模型数据source进行面片重组，并通过泰森多边形极点计算内侧骨架，然后使用迭代网格收缩算法提取薄骨骨架结构，得到骨架数据skeleton；步骤2，在骨架数据skeleton中，计算每个骨架点的K近邻点，并置骨架点的标记位skeleton_flag为0，并计算任意两个K邻域点与当前骨架点形成的向量的夹角angle，并与夹角的阈值angle_flag进行比较，若angle>angle_flag或者angle

【技术特征摘要】
1.一种基于骨架的三维点云模型分割方法，其特征在于，所述三维点云模型分割方法步骤如下：步骤1，对输入的三维模型数据source进行面片重组，并通过泰森多边形极点计算内侧骨架，然后使用迭代网格收缩算法提取薄骨骨架结构，得到骨架数据skeleton；步骤2，在骨架数据skeleton中，计算每个骨架点的K近邻点，并置骨架点的标记位skeleton_flag为0，并计算任意两个K邻域点与当前骨架点形成的向量的夹角angle，并与夹角的阈值angle_flag进行比较，若angle>angle_flag或者angle<π-angle_flag，则置该骨架点的标记位near_flag_p为-1，否则near_flag_p为1，然后将点所有邻域点的标记位相加作为点p的标记位skeleton_flag的值；循环计算骨架点标记位的过程，直到全部骨架点的标记位计算结束，选择骨架点标记位skeleton_flag>0的点作为候选关键点，并存储到队列L；步骤3，由于步骤2中的得到的候选关键点存在聚集的情况，通过在候选关键点集合中进行关键点区域生长，得到聚集在同一个区域的关键点的集合cluster_part_key_temp，然后把这些关键点围成的区域看作多边形，通过质心公式计算多边形的质心，接下来分别求这个区域内的候选关键点到质心的距离，最后得到距离局部区域质心最近的候选关键点作为实际关键点，循环关键点优化过程完成关键点优化，并把实际关键点存入数组cluster_part_key中；步骤4，弹出关键点队列L中的第一点，以该点作为种子点进行区域生长，寻找满足同一分区条件的点，将其增加到同一个点集中，直到区域无法生长，集合作为第一个聚类；循环上述区域生长过程，直到关键点队列中全部关键点均作为种子点生长完成，最终形成n个点集cluster_list1…cluster_listn；步骤5，对于步骤4中得到的n个点集，通过计算两个分割区域的相似性把点集cluster_listk(k∈[1,n])与其相邻点集进行合并，得到n’个新的点集cluster_list1…cluster_listn’；步骤6，根据cluster_list1…cluster_listn’中的点与原始三维模型数据的关系，把cluster_list1…cluster_listn’中的数据点与原始点进行映射，其得到的不同区域就是三维模型分割的最终结果。2.根据权利要求1所述的基于骨架的三维点云模型分割方法，其特征在于，所述步骤2中，在骨架数据skeleton中，计算每个骨架点的K近邻点，并置骨架点的标记位skeleton_flag为0，并计算任意两个K邻域点与当前骨架点形成的向量的夹角angle，并与夹角的阈值angle_flag进行比较，若angle>angle_flag或者angle<π-angle_flag，则置该骨架点的标记位near_flag_p为-1，否则near_flag_p为1，然后将点所有邻域点的标记位相加作为点p的标记位skeleton_flag的值。循环执行上述过程，直到全部骨架点计算结束，选择骨架点标记位skeleton_flag>0的点作为候选关键点，并存储到队列L，由步骤2.1至步骤2.6实现：步骤2.1，设置骨架数据点标记位和向量夹角的阈值，分别记为skeleton_flag和angle_flag，并置skeleton_flag为0；步骤2.2，以骨架数据任意点p为中心，利用k-近邻算法计算离p最近的K个邻域点，记为near(p)，并为邻域点设置标记位near_flag_p(i,j),且置为0；步骤2.3，使用p点的邻域点坐标减去p点坐标形成K个方向向量n1,n2…nk；步骤2.4，利用公式(1)计算点p邻域内任意两个方向向量n1,n2…nk的夹角angle,并与设置的角度阈值angle_flag进行比较,如公式(2)所示，若满足1angle≤angle_flag∪angle≥π-angle_flag，则设置该角度对应的标记位near_flag_p(i,j)为1，否则置标记位near_flag_p(i,j)为-1；这里i≠j；步骤2.5，通过步骤2.4求出的邻域点的标记位的值，根据公式(3)计算骨架点的标记信息，并置当前点的标记位skeleton_flag为相应值:步骤2.6，通过步骤2.1至步骤2.5，求出的每个点标记位skeleton_flag的值，然后选择skeleton_flag>0的点作为候选关键点，并存放在队列L中。3.根据权利要求2所述的基于骨架的基于骨架的三维点云模型分割方法，其特征在于，所述步骤3中，由于步骤2中的得到的候选关...

【专利技术属性】
技术研发人员：韩慧妍，高天一，韩燮，吕金泽，潘文，苏明辉，曹山海，
申请(专利权)人：中北大学，
类型：发明
国别省市：山西,14