点云数据不均匀的三维重建方法、系统、设备及存储介质技术方案

本发明专利技术公开了一种点云数据不均匀的三维重建方法。包括：对物体扫描得到一个完整的点集数据，并进行法向量归一化等预处理；对于缺失数据人为增加简要的轮廓线条，得到稀疏点集；利用稀疏点集构造埃米特矩阵并求得法向量；法向量和点集数据计算得到插值函数，之后上采样得到最终点云；进行三角形化的操作，得到最终的三维重建模型。本发明专利技术还公开了一种点云数据不均匀的三维重建系统、计算机设备及计算机可读存储介质。本发明专利技术使用插值法解决了缺失部分的物体表面重建问题，结合人工草图的形状信息补全，可以自由地在模型缺失部分修改，能够很好地结合实际物体的样本点的几何特征与人工添加草图的特征，得到一个较为完整的重建模型。建模型。建模型。

【技术实现步骤摘要】
点云数据不均匀的三维重建方法、系统、设备及存储介质


[0001]本专利技术涉及图形处理、三维重建
，具体涉及一种点云数据不均匀的三维重建方法、点云数据不均匀的三维重建系统、计算机设备及计算机可读存储介质。

技术介绍

[0002]近年来，随着扫描相机的技术的成熟，越来越多方式可以便捷的获得一个物体表面信息。相比于从前只能够通过红外扫描的方式从专业的实验室中获得物体表面信息的扫描，现在越来越多手机或者互联网公司平台推出了便携式的扫描应用程序。
[0003]从采样的点集中重建三维物体，指的是从点云数据中通过计算在计算机中得到现实物体在空间中的模型。过去的研究中，重建方法主要分为两类。一种是组合方法，一般采用德劳累三角化得到物体的三角形网格模型。虽然这种方法得到的网格对输入数据的误差很小，但是算法得到的网格不稳定，往往需要采样点足够平均和密集。
[0004]从点云中得到一个隐式函数来表达物体的表面是另一种重建思路，这种方法主要是通过用一组基函数的线性组合表达复杂的物体表面，通过求解大型稀疏线性方程组和最优化得到隐式函数。
[0005]目前的现有技术之一是Kazhdan等的《Poisson surface reconstruction》、《Screened poisson surface reconstruction》所提出的基于隐式曲面的针对带有法向量的点云数据的重建方法，基于泊松方程为点云重建提供的系统，包括函数求解模块，表面提取模块，自适应空间划分模块等。利用隐式函数解决三维重建问题。该方法的缺点是：需要输入带有法向量的点云数据，同时在处理点云数据稀疏的情况下重建效果不够好。
[0006]目前的现有技术之二是Bauchet等的《Kinetic Shape Reconstruction》提出的基于动态碰撞检测的重建方法，首先通过计算得到场景的一些面片，将面片扩散直到两个面片碰撞。通过一个优先队列处理这个过程，最后得到需要的表面相对平滑的重建模型。该方法的缺点是：动态碰撞检测需要的时间复杂度大，同时对于点云数据不均匀的情况不能很好的生成符合原物体的模型。

技术实现思路

[0007]本专利技术的目的是克服现有方法的不足，提出了一种点云数据不均匀的三维重建方法、系统、设备及存储介质。本专利技术解决的主要问题，是采集点云数据不均匀，同时在有些点云数据缺失法向量的情况下，如何对采集到的点云数据进行高效重建的问题。
[0008]为了解决上述问题，本专利技术提出了一种点云数据不均匀的三维重建方法，所述方法包括：
[0009]使用扫描设备对物体做尽可能全视角的扫描，得到空间中一个完整的点集数据；
[0010]对所述点集数据进行预处理，并保存为PLY数据格式，并对数据格式中的每个点的法向量进行归一化；
[0011]对于没有扫描到的缺失数据部分人为增加简要的轮廓线条，得到缺失数据的稀疏
点集；
[0012]利用所述缺失数据的稀疏点集构造埃米特矩阵，再利用该矩阵通过最优化的方法求得所述缺失数据的稀疏点集的法向量；
[0013]通过所述稀疏点集的法向量和所述稀疏点集的数据来计算得到插值函数，再根据该插值函数上采样增加点云的密度使得与完整数据部分的采样点密度一致，得到缺失数据的最终点云；
[0014]结合扫描得到的点云以及所述缺失数据的最终点云，进行三角形化的操作，得到最终的三维重建模型。
[0015]优选地，所述对所述点集数据进行预处理，并保存为PLY数据格式，具体为：
[0016]所述点集数据表示为点集P，其中p∈P代表空间中的每一个点；
[0017]根据PLY数据格式，添加文档头，之后逐行写入每个顶点的数据类型、顶点的三维坐标信息以及法向量信息，如果顶点缺少法向量信息则做相应的标记。
[0018]优选地，所述利用所述缺失数据的稀疏点集构造埃米特矩阵，再利用该矩阵通过最优化的方法求得所述缺失数据的稀疏点集的法向量，具体为：
[0019]将所述缺失数据的稀疏点集转换得到插值矩阵，通过计算此插值矩阵的逆矩阵，再对此逆矩阵之中的子矩阵做变换计算得到一个埃米特矩阵；
[0020]通过构建最优化问题得到所述缺失数据的稀疏点的法向量的估计，最优化问题的描述如下：
[0021]Minimizes:g
T
Hg
[0022][0023]其中H矩阵是所述埃米特矩阵，g表示所述缺失数据的稀疏点集的法向量；
[0024]采用拉格朗日法对这个最优化问题求解，求得所述缺失数据的稀疏点集的法向量。
[0025]优选地，所述通过所述稀疏点集的法向量和所述稀疏点集的数据来计算得到插值函数，再根据该插值函数上采样增加点云的密度使得与完整数据部分的采样点密度一致，得到缺失数据的最终点云，具体为：
[0026]插值函数表示了缺失部分的物体表面的隐式函数；
[0027]插值函数表示为：
[0028][0029]其几何意义是空间中的任意一点x与表面的距离函数，其中，a,b,c,d是待求解的系数，核函数φ是一个径向基核；
[0030]分别表示所述点集数据中采样点p的函数值以及其法向量，法向量g包括缺少法向量的顶点以及所述缺失数据的稀疏点集通过最优化所得到的法向量，函数值s由所述埃米特矩阵H以及法向量g计算得到；
[0031]使用分块矩阵的解方程方法加速求解线性方程组，得到插值函数的系数a,b,c,d，从而得到完整的插值函数；
[0032]设定半径r，计算所述点集数据中每一个采样点p为中心、半径为r的球中其他点的
数量，得到每个采样点的邻居数量，再对每个采样点的邻居数量进行平均，得到样本点的平均密度，最后将所述完整的插值函数，在空间中以平均密度采样，得到缺失数据的最终点云。
[0033]优选地，所述结合扫描得到的点云以及所述缺失数据的最终点云，进行三角形化的操作，得到最终的三维重建模型，具体为：
[0034]结合扫描得到的点云以及所述缺失数据的最终点云形成完整的三维模型空间，采用自适应八叉树将该空间划分为多个八叉树立方体节点，运用分块B样条函数表达在每一个节点之中的基函数F
o
：
[0035][0036]其中q是空间中任意一点，F是三维盒滤波函数的三次卷积，o.w表示节点立方体的边长，o.c表示节点的中心坐标；
[0037]三维模型的表面可表示为基函数线性组合的隐式函数：
[0038][0039]其中M
i
为需要求解的系数，n为节点总数，i表示第i个节点；
[0040]此外，在空间中的向量场中任意一点q的向量表示为：
[0041][0042]其中，F(q)是三维盒滤波函数，表示采样点的法向量，s
p
表示采样点所在的区域的面积大小；
[0043]由于隐式函数f(q)即三维模型的表面的导数和采样点的法向量方向相同，因此通过将法向量与隐式函数的梯度联立，得到一个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种点云数据不均匀的三维重建方法，其特征在于，所述方法包括：使用扫描设备对物体做尽可能全视角的扫描，得到空间中一个完整的点集数据；对所述点集数据进行预处理，并保存为PLY数据格式，并对数据格式中的每个点的法向量进行归一化；对于没有扫描到的缺失数据部分人为增加简要的轮廓线条，得到缺失数据的稀疏点集；利用所述缺失数据的稀疏点集构造埃米特矩阵，再利用该矩阵通过最优化的方法求得所述缺失数据的稀疏点集的法向量；通过所述稀疏点集的法向量和所述稀疏点集的数据来计算得到插值函数，再根据该插值函数上采样增加点云的密度使得与完整数据部分的采样点密度一致，得到缺失数据的最终点云；结合扫描得到的点云以及所述缺失数据的最终点云，进行三角形化的操作，得到最终的三维重建模型。2.如权利要求1所述的点云数据不均匀的三维重建方法，其特征在于，所述对所述点集数据进行预处理，并保存为PLY数据格式，具体为：所述点集数据表示为点集P，其中p∈P代表空间中的每一个点；根据PLY数据格式，添加文档头，之后逐行写入每个顶点的数据类型、顶点的三维坐标信息以及法向量信息，如果顶点缺少法向量信息则做相应的标记。3.如权利要求1所述的点云数据不均匀的三维重建方法，其特征在于，所述利用所述缺失数据的稀疏点集构造埃米特矩阵，再利用该矩阵通过最优化的方法求得所述缺失数据的稀疏点集的法向量，具体为：将所述缺失数据的稀疏点集转换得到插值矩阵，通过计算此插值矩阵的逆矩阵，再对此逆矩阵之中的子矩阵做变换计算得到一个埃米特矩阵；通过构建最优化问题得到所述缺失数据的稀疏点的法向量的估计，最优化问题的描述如下：Minimizes：：g
T
Hg其中H矩阵是所述埃米特矩阵，g表示所述缺失数据的稀疏点集的法向量；采用拉格朗日法对这个最优化问题求解，求得所述缺失数据的稀疏点集的法向量。4.如权利要求2或3所述的点云数据不均匀的三维重建方法，其特征在于，所述通过所述稀疏点集的法向量和所述稀疏点集的数据来计算得到插值函数，再根据该插值函数上采样增加点云的密度使得与完整数据部分的采样点密度一致，得到缺失数据的最终点云，具体为：插值函数表示了缺失部分的物体表面的隐式函数；插值函数表示为：其几何意义是空间中的任意一点x与表面的距离函数，其中，a,b,c,d是待求解的系数，
核函数φ是一个径向基核；分别表示所述点集数据中采样点p的函数值以及其法向量，法向量g包括缺少法向量的顶点以及所述缺失数据的稀疏点集通过最优化所得到的法向量，函数值s由所述埃米特矩阵H以及法向量g计算得到；使用分块矩阵的解方程方法加速求解线性方程组，得到插值函数的系数a,b,c,d，从而得到完整的插值函数；设定半径r，计算所述点集数据中每一个采样点p为中心、半径为r的球...

【专利技术属性】
技术研发人员：周凡，殷业熙，林淑金，
申请(专利权)人：中山大学，
类型：发明
国别省市：