一种基于显著性变分的点云精简方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种基于显著性变分的点云精简方法，包括以下步骤：步骤110、获取原始点云，并建立所述原始点云的kd‑tree；步骤120、根据kd‑tree建立所述原始点云的所有数据点的曲边变分索引；步骤130、根据显著性划分原理将所述原始点云的所有数据点分为显著区域和非显著区域；步骤140、提取所述显著区域并予以保存；步骤150、对所述非显著区域通过空间二分法进行精简得到精简后的非显著区域；步骤160、融合所述显性区域以及所述精简后的非显著区域得到最终的精简结果。本发明专利技术不仅保留了空间二分法的原有优势，同时极大提高了特征边线的提取能力，而且鲁棒性好，适用于绝大部分点云数据。

【技术实现步骤摘要】
一种基于显著性变分的点云精简方法、装置及存储介质
本公开涉及计算机视觉
，具体涉及一种基于显著性变分的点云精简方法、装置及存储介质。
技术介绍
随着点云数据技术的不断成熟，其在不同领域的应用也越来越广泛，比如工业、医疗、军事等。而点云数据主要是通过接触式测量光学三维扫描设备来获取数据，其获取的数据具有很高的精度，但是最原始的点云数据有着很高的冗余度，因此需要对获取的点云数据进行精简。传统的点云精简算法包括曲率法、包围盒法、空间二分法等。其中空间二分法具有精简速度快、精简比高、保形性好等优点。但空间二分法也存在一些问题，比如特征边线提取不明显、精简后点云有部分空洞等。
技术实现思路
本公开旨在至少解决上述问题之一，提供一种基于显著性变分的点云精简方法、装置及存储介质。为了实现上述目的，根据本公开的一方面，提供一种基于显著性变分的点云精简方法，所述一种基于显著性变分的点云精简方法包括以下步骤：步骤110、获取原始点云，并建立所述原始点云的kd-tree；步骤120、根据kd-tree建立所述原始点云的所有数据点的曲边变分索引；步骤130、根据显著性划分原理将所述原始点云的所有数据点分为显著区域和非显著区域；步骤140、提取所述显著区域并予以保存；步骤150、对所述非显著区域通过空间二分法进行精简得到精简后的非显著区域；步骤160、融合所述显性区域以及所述精简后的非显著区域得到最终的精简结果。进一步，上述步骤步骤120中，根据kd-tree建立所述原始点云的所有数据点的曲边变分索引具体包括以下，步骤121、定义获取的原始点云为U，U中的所有数据点为ui＝[xi,yi,zi]，通过所述kd-tree索引寻找ui的K临近点；步骤122、将每一个ui的K临近点视为一个局部曲面Pi；步骤123、计算Pi的平均点步骤124、根据Pi和计算矩阵步骤125、建立Pi对应的协方差矩阵步骤126、对所述协方差矩阵Mi进行奇异值分解，得到奇异值λi1,λi2,λi3，其中λi1＞λi2＞λi3；步骤127、根据奇异值λi1,λi2,λi3计算每个点ui的曲面变分δi，步骤128、将每个点ui按照其曲面变分δi的大小进行排序，得到排序结果。进一步，上述步骤130中，根据显著性划分原理将所述原始点云的所有数据点分为显著区域和非显著区域，具体包括以下，步骤131、定义显著区域阈值，ρ其中N为原始点云U的点云数量，α为调节因子，δ(ui)为数据点ui的曲面变分；更进一步，所述α具体为2、5、7中的任意一个数值。步骤132、根据ρ将原始点云U分为显著区域Usig和非显著区域Uunsig，进一步，上述步骤150中的，对所述非显著区域通过空间二分法进行精简得到精简后的非显著区域，具体包括以下，步骤151、计算Uunsig的平均点步骤152、根据主成分分析建立非显著区域Uunsig对应的协方差矩阵M'3×3如下，其中n为Uunsig中数据点的个数；步骤153、根据奇异值分解计算M'3×3的奇异值λ'1,λ'2,λ'3(λ'1＞λ'2＞λ'3)及其对应的特征向量ξ'1,ξ'2,ξ'3；步骤154、定义fi为Uunsig中每个数据点到长轴法平面的距离，步骤155、根据fi的正负将Uunsig二分成子集U1,U2：步骤156、引入点数阈值nmax和曲面变分阈值δmax，持续对子集U1,U2二分，直到最终子集Uk，0<k<n，满足Uk中点数小于nmax或曲面变分δ(Uk)低于δmax时停止二分，得到所有的最终子集Uk，0<k<n；步骤157、对于每一个Uk，计算其代表点p为最终精简结果，步骤158、整合所有Uk的代表点，即为非显著区域Uunsig的二分法精简结果，记为UJ；上述步骤154中的长轴法平面具体为，以为中心点，ξ'3为法向量建立拟合平面ξ'1方向即为拟合平面的长轴方向，ξ'2方向即为拟合平面的短轴方向。本专利技术还提出一种基于显著性变分的点云精简装置，包括：原始点云获取模块，用于获取原始点云，并建立所述原始点云的kd-tree；曲边变分索引建立模块，用于根据kd-tree建立所述原始点云的所有数据点的曲边变分索引；区域划分模块，用于根据显著性划分原理将所述原始点云的所有数据点分为显著区域和非显著区域；显著区域提取模块，用于提取所述显著区域并予以保存；非显著区域精简模块，用于对所述非显著区域通过空间二分法进行精简得到精简后的非显著区域；融合模块，用于融合所述显性区域以及所述精简后的非显著区域得到最终的精简结果。本专利技术提出一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述的一种基于显著性变分的点云精简方法的步骤。本公开的有益效果为：本专利技术通过根据显著性变分原理将原始点云数据划分为显著区域和非显著区域，并保留显著区域；再对非显著区域做空间二分法精简，得到非显著区域精简结果；最后将显著区域和非显著区域精简结果融合，得到最终精简结果，不仅保留了空间二分法的原有优势，同时极大提高了特征边线的提取能力，而且鲁棒性好，适用于绝大部分点云数据。附图说明通过对结合附图所示出的实施方式进行详细说明，本公开的上述以及其他特征将更加明显，本公开附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，在附图中：图1所示为一种基于显著性变分的点云精简方法的流程图；图2所示为一种基于显著性变分的点云精简方法的相关算法流程图；图3所示为本专利技术的第一实施例的原始点云示意图；图4所示为第一实施例的原始点云经过传统的二分法处理精简后的点云示意图；图5所示为第一实施例的原始点云经过本专利技术的一种基于显著性变分的点云精简方法处理精简后的点云示意图。具体实施方式以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本公开的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。参照图1以及图2，本公开提出一种基于显著性变分的点云精简方法，所述一种基于显著性变分的点云精简方法包括以下步骤：步骤110、获取原始点云，并建立所述原始点云的kd-tree；步骤120、根据kd-tree建立所述原始点云的所有数据点的曲边变分索引；步骤130、根据显著性划分原理将所述原始点云的所有数据点分为显著区域和非显著区域；<本文档来自技高网...

【技术保护点】
1.一种基于显著性变分的点云精简方法，其特征在于，所述一种基于显著性变分的点云精简方法包括以下步骤：/n步骤110、获取原始点云，并建立所述原始点云的kd-tree；/n步骤120、根据kd-tree建立所述原始点云的所有数据点的曲边变分索引；/n步骤130、根据显著性划分原理将所述原始点云的所有数据点分为显著区域和非显著区域；/n步骤140、提取所述显著区域并予以保存；/n步骤150、对所述非显著区域通过空间二分法进行精简得到精简后的非显著区域；/n步骤160、融合所述显性区域以及所述精简后的非显著区域得到最终的精简结果。/n

【技术特征摘要】
1.一种基于显著性变分的点云精简方法，其特征在于，所述一种基于显著性变分的点云精简方法包括以下步骤：
步骤110、获取原始点云，并建立所述原始点云的kd-tree；
步骤120、根据kd-tree建立所述原始点云的所有数据点的曲边变分索引；
步骤130、根据显著性划分原理将所述原始点云的所有数据点分为显著区域和非显著区域；
步骤140、提取所述显著区域并予以保存；
步骤150、对所述非显著区域通过空间二分法进行精简得到精简后的非显著区域；
步骤160、融合所述显性区域以及所述精简后的非显著区域得到最终的精简结果。


2.根据权利要求1所述的一种基于显著性变分的点云精简方法，其特征在于，上述步骤步骤120中，根据kd-tree建立所述原始点云的所有数据点的曲边变分索引具体包括以下，
步骤121、定义获取的原始点云为U，U中的所有数据点为ui＝[xi,yi,zi]，通过所述kd-tree索引寻找ui的K临近点；
步骤122、将每一个ui的K临近点视为一个局部曲面Pi；
步骤123、计算Pi的平均点
步骤124、根据Pi和计算矩阵
步骤125、建立Pi对应的协方差矩阵
步骤126、对所述协方差矩阵Mi进行奇异值分解，得到奇异值λi1,λi2,λi3，其中λi1＞λi2＞λi3；
步骤127、根据奇异值λi1,λi2,λi3计算每个点ui的曲面变分δi，



步骤128、将每个点ui按照其曲面变分δi的大小进行排序，得到排序结果。


3.根据权利要求2所述的一种基于显著性变分的点云精简方法，其特征在于，上述步骤130中，根据显著性划分原理将所述原始点云的所有数据点分为显著区域和非显著区域，具体包括以下，
步骤131、定义显著区域阈值，ρ



其中N为原始点云U的点云数量，α为调节因子，δ(ui)为数据点ui的曲面变分；
步骤132、根据ρ将原始点云U分为显著区域Usig和非显著区域Uunsig，





4.根据权利要求3所述的一种基于显著性变分的点云精简方法，其特征在于，上述步骤150中的，对所述非显著区域通过空间二分法进行精简得到精简后的非显著区域，具体包括以下，
步骤151、...

【专利技术属性】
技术研发人员：朱彬，陈新度，吴磊，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44