一种基于点云的果实三维数字化方法技术

本发明专利技术公开了一种基于点云的果实三维数字化方法，包括如下步骤：1)采用便携式激光三维扫描仪获取果实点云数据；2)采用非局部分类，交互式阈值去噪并抽取；3)采用point‑octree，MLS拟合简化果实点模型；4)通过PCA属性计算，几何相似性递归增量抽取点云模型果实片；5)通过oriented‑splat成队配准和层次全局配准将果实点云模型配准；6)通过基于texton子采样的加权模板进行果实点云的纹理合成。该方法对生长中的真实果实进行三维重建，提出了适合果实点云特征的去噪、抽取、配准、直接纹理合成等方法和算法，弥补了当前点模型上直接合成纹理研究存在效果粗糙、编码效率低、存储空间大等不足。

【技术实现步骤摘要】
一种基于点云的果实三维数字化方法
本专利技术属于三维数字化方法
，具体涉及一种基于点云的果实三维数字化方法。技术背景三维数字化是通过人工获取物品的外形数据，将获得的数据信息进行加工拼接，通过建模的方式加以整理，将各个孤立的单视角三维数字模型无缝集成，经过贴图、渲染处理以后，形成三维数据文件。这其中建模是非常重要的一步，尤其是在面对这种大规模需要模型的三维数据，没有一个强大的团队很难实现。三维是将采集和经过运算分析后对数据的展示、表现。三维数据比二维数据更全面体现客观实际。三维数字模型与二维数字模型类似，都要具备最基本的空间数据处理能力，如数据获取、数据操纵、数据组织、数据分析和数据表现等。相比于二维数字模型，三维数据模型具有更多优势，目前在制造来领域已经广泛推广应用。但是，目前基于果实三维数字化方法还是从杂乱背景点云中提取3D水果形状，其计算量大、效率低、结果不准确。
技术实现思路
针对上述现技术中存在的问题与缺陷，本专利技术的目的在于提供一种计算量小、效率高、结果准确的基于点云的果实三维数字化方法。实现上述专利技术目的所采用的技术方案是：一种基于点云的果实三维数字化方法，包括本文档来自技高网...

【技术保护点】
1.一种基于点云的果实三维数字化方法，其特征在于，包括如下步骤：步骤一：采用便携式激光三维扫描仪获取果实点云数据；步骤二：采用非局部分类、交互式阈值去噪并抽取果实形状；步骤三：采用点八叉树、移动最小二乘简化拟合果实点模型；步骤四：通过PCA、属性计算、递归的几何增量算法抽取果实数据；步骤五：通过利用方向‑面元和层次配准进行果实点云模型配准；步骤六：通过基于texton的多粒度morton码、聚类细分和加权子采样进行果实点云的纹理数字化。

【技术特征摘要】
1.一种基于点云的果实三维数字化方法，其特征在于，包括如下步骤：步骤一：采用便携式激光三维扫描仪获取果实点云数据；步骤二：采用非局部分类、交互式阈值去噪并抽取果实形状；步骤三：采用点八叉树、移动最小二乘简化拟合果实点模型；步骤四：通过PCA、属性计算、递归的几何增量算法抽取果实数据；步骤五：通过利用方向-面元和层次配准进行果实点云模型配准；步骤六：通过基于texton的多粒度morton码、聚类细分和加权子采样进行果实点云的纹理数字化。2.根据权利要求1所述一种基于点云的果实三维数字化方法，其特征在于，步骤1中用便携式激光三维扫描仪获取果实点云数据的具体实现为：步骤1.1：选择数据获取可行、能体现果实外观共性特征的果实样本作为获取点云数据的对象。在其成熟季节，田间植株上进行扫描获取样本数据；步骤1.2：采用便携式激光三维扫描仪通过摄影镜头微动，拍摄物体不同部位光栅图像，由CCD将拍摄到的条纹图像输入到计算机中，三维图像反求软件根据条纹按照曲率变化的形状利用相位法和三角法等精确的计算出物体表面每一点的空间坐标(X,Y,Z)，生成三维的可输出色彩信息(R，G，B)的彩色面点云数据。3.根据权利要求1所述一种基于点云的果实三维数字化方法，其特征在于，步骤2中采用非局部分类，交互式阈值去噪并抽取果实形状的具体实现为：步骤2.1：将步骤一中扫描得到的果实模型点云片根据其表面特征分为2类，第1类是果实的蒂部周围表面和花头部周围表面的点云片，他们的共同特征是：表面光滑且具有丰富的局部细节，第2类是果实的侧面点云片，他们的共同特征是表面光滑，但有边界特征；步骤2.2：对第一类点云，采用全局相似性度量，再用最小包围球方法对局部丰富的细节进行去噪；步骤2.3：对第二类点云，先基于邻域内相似点的加权平均对离群点进行分类，再选取不同的拟合曲面和核函数，用均值漂移将每一个点迭代到密度函数的局部最大值点进行去噪，并得到去噪后的点c＝{xi,yi,zi,Ii}(t＝1,2…M)。4.根据权利要求1所述一种基于点云的田间果实三维数字化技术，其特征在于，步骤3中利用点八叉树，移动最小二乘拟合简化果实点模型的具体实现为：步骤3.1：通过点八叉树对去噪后的点集C进行分割；步骤3.1.1：寻找非规则点云集合的闭包，以此包围盒作为根节点开始分割，并设置最大的分割规模n，即分割后的空间规模为23n；步骤3.1.2：每个含数据的中间结点都被递归地分割为8个相互独立的、非空紧支的子空间p(j＝1,2…N),最终形成以叶子结点为单位的数据桶Bj；步骤3.1.3：用nj,k＝(Pj,k-Pj,k-l)×(Pj,k+l-Pj,k)将扫描仪采集到空间坐标位置每个点pj，k计算法向量，给出的结点的质心：结点的闭包球半径：步骤3.1.4：利用每个结点的紧支包围球属性设计一个自上而下的递归算法进行自适应八叉树分割，递归终止的条件是：每个数据桶中点的数量达到k个，或结点包围球的半径fj达小于r，或迭代次数大于n，或者结点中所有法向量点乘的最小值大于阈值5；步骤3.2：将点云转换为splat表示，采用移动最小二乘(MLS)代替传统的圆或者椭圆拟合splat；步骤3.2.1：将每个八叉树的叶...

【专利技术属性】
技术研发人员：杨会君，王志垚，谢君琳，马善鹏，王瑞萍，王昕，王竟宇，马明跃，张鹏丹，韩旭，沐华艳，毛丰，钟健鹏，姜志鹏，江旭，宋宇，
申请(专利权)人：西北农林科技大学，安徽大学，
类型：发明
国别省市：陕西,61