【技术实现步骤摘要】
基于密集点云数据的三维实体模型重建方法
本专利技术涉及一种三维实体模型重建方法，特别涉及一种基于密集点云数据的三维实体模型重建方法，属于点云三维重建
技术介绍
3D激光扫描又被称为实景复制，是测绘领域继全球定位系统技术后的一次技术革命。3D激光扫描技术突破了传统的单点测量方法，具有高效率和高精度的独特优势，通过高速激光扫描测量方法，大范围高分辨率快速采集获取目标外表面信息，为建立物体的三维实体模型提供了优良的技术手段。伴随计算机技术在各领域的广泛应用，逆向工程现已成为快速三维重建的主要技术之一，逆向工程的关键技术是依据获得的密集点云数据对实物模型进行三维模型重建。对目标物进行高精度的三维重建，需经历二个步骤：一是快速并准确采集获取实物表面的初始数据；二是对实物进行高质量的三维模型重建。首先，针对获取目标物表面的初始数据，通常采用3D激光扫描仪,3D激光扫描仪能够以点云的形式高分辨率、高效率、高精度、数字化、非接触测量采集实物表面的阵列式空间点位信息。3D激光扫描仪还可以对这些3D激光点云数据进行三维城市模型...
【技术保护点】
1.基于密集点云数据的三维实体模型重建方法，其特征在于，对目标物进行高精度的三维重建，包括二个步骤：一是密集点云数据的获取和处理，获取目标物表面的初始数据信息要高效率的完成，激光扫描仪获取点云数据的特征是海量零散点云信息，本专利技术获得这些点云数据的三维坐标、反射强度信息，然后通过数学方法对点云建立模型结构，直观表达其三维信息；二是对目标物进行高精度的三维重建，对所获取点云的目标对象表面数据信息进行分析与解算，进而对三维模型进行特征提取，特征提取方法有二种：一是直接利用算法对点云数据进行分割和特征提取；二是转换LiDAR数据为图像，将数据进行分割和提取；本专利技术语义描述是...
【技术特征摘要】
1.基于密集点云数据的三维实体模型重建方法，其特征在于，对目标物进行高精度的三维重建，包括二个步骤：一是密集点云数据的获取和处理，获取目标物表面的初始数据信息要高效率的完成，激光扫描仪获取点云数据的特征是海量零散点云信息，本发明获得这些点云数据的三维坐标、反射强度信息，然后通过数学方法对点云建立模型结构，直观表达其三维信息；二是对目标物进行高精度的三维重建，对所获取点云的目标对象表面数据信息进行分析与解算，进而对三维模型进行特征提取，特征提取方法有二种：一是直接利用算法对点云数据进行分割和特征提取；二是转换LiDAR数据为图像，将数据进行分割和提取；本发明语义描述是对几何体的描述，既包括点云数据的几何特征和几何类别，也包括几何体间的相互关系信息，基于语义的特征提取加强计算机对点云数据的理解能力；
本发明首先采用3D激光扫描仪获取目标物表面的初始数据，3D激光扫描仪以点云的形式非接触测量、数字化采集实物表面的阵列式空间点位信息，然后进行三维模型重建，三维重建的工作流程主要包括数据获取、数据配准、数据融合与建网及纹理映射；
基于密集点云数据的三维实体模型重建方法包括密集点云数据的获取和处理和密集点云数据的三维重建，密集点云数据的三维重建包括：一是基于VS平台展现点云库：将点云库各个模块进行封装，利用VS平台处理密集点云数据，并用微软基础类库呈现点云数据的PCD文件；二是若干幅深度图像的自动化配准：改进自动化配准方法，找出多种特征，包括法线、关键点、VFH；三是自动分割聚合点云图像；四是基于语义的特征提取方法；若干幅深度图像的自动化配准包括深度图像的自动化配准和基于曲面特征的深度图像配准。
2.根据权利要求1所述的基于密集点云数据的三维实体模型重建方法，其特征在于，本发明密集点云数据管理主要依据点云数据文件的大小划分：
一是对于基于几百GB级别的数据，采用Oracle数据库的管理方式，对初始点云数据建立八叉树索引并存入数据库，然后根据八叉树索引实现密集点云数据的动态调度，选择密集点云数据被浏览、量测操作时进行索引；
二是对于几百MB到几十GB级的数据，采用基于硬盘外存的八叉树索引多文件点云管理方式，直接处理后，利用动态调度引擎进行变化的调度，这种动态调度是针对八叉树节点；
三是对于几十MB的数据，采用基于内存的管理方式,可直接采用,即将点云数据全部读入内存，方便点云后处理操作。
3.根据权利要求1所述的基于密集点云数据的三维实体模型重建方法，其特征在于，基于VS平台展现点云库充分利用点云库资源需找出便捷平台进行展示，本发明的开发平台为VisualStudio，将点云库中的各模块用VS打开，在VS界面进行编译处理，对任务所需进行编程，在用户和资源中搭建良好的沟通桥梁，一键处理点云数据图，各个模块的显现与功能具体为：
输入输出模块，当采集获取目标物表面点云数据后，将其传输到点云库中，并对其比对，这一步必须在输入模块中进行，初始点云数据比对后，对点云数据进行滤波，或者是分割，则将输入的点云数据转移到其它处理模块，这时是点云的输出；
K-D树模块，通过K-D树查找，更快完成近似点云数据、相异点云数据的分类，对于参差不齐点云数据，进行排列组合，补全或者删除；扩展二叉搜索树得到K-D树，应用于多维检索，适合于三维点云，K-D树若不是空树，便具有二叉树的性质；
八叉树模块，八叉树是由四叉树推广到三维空间中的数据结构，对三维空间中的点云数据进行良好管理，根据八叉树每个节点有八个子节点确定小型目标物的具体位置；
以上三个模块为基础模块，具备处理点云数据的基本功能，除基本模块外，还有高级处理模块，包括点云滤波、深度图像、采样一致性、点云配准、点云分割、点云曲面重建。
4.根据权利要求3所述的基于密集点云数据的三维实体模型重建方法，其特征在于：
点云滤波模块，对含噪声大的点云数据集过滤处理，将不属于被测目标物表面的数据自动屏蔽处理掉，经过点云滤波处理得到内点与外点，内点为边界点所包围的点云数据，外点为点云数据的边界点，即轮廓线；将采集的点云数据滤波处理后，建立初步的三维模型，即实现初始点云数据的可视化处理，便于更直观的了解图形信息，便于后续工作处理；
深度图形处理模块，主要对点云数据进行深度估计，估计内容很丰富，可根据图像的明暗程度，也可根据图像内容的理解对图像进行信息的采集获取和解析；
关键点提取模块，不同被测物体具有不同的几何特性，这些关键点的提取，迅速获取被测物体的几何信息，实现快速3D建模；
点云分割模块，对点云数据图进行局部划分处理，实现快速索引，提高建模图像的精度，即点云数据的分割处理；
基于VS平台的点云库展示，将点云库各模块封装，利用VS平台处理密集点云数据，并用微软基础类库呈现点云数据的PCD文件。
5.根据权利要求1所述的基于密集点云数据的三维实体模型重建方法，其特征在于，若干幅深度图像的自动化配准：从不同视角对场景进行扫描，并将多个站点获取的点云进行拼接，得到统一坐标系下的三维数据点集，基于点云数据配准；
点云数据配准找到二个点云数据集间的对应关系，将一个坐标系下的点云数据转换到另一坐标系下；首先得出对应关系，再是解算变换参数；
自动化配准的关键是自动实现特征匹配，先明确特征匹配；考虑二个特征集合F和G，分别包含了n和m个特征，F＝{f1,f2,...,fn}，G＝{g1,g2,...,gm}，特征匹配是找到由F的某子集到G的某子集的一个一一映射关系：
fi1←→gj1
fi2←→gj...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。